Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introducción a Modelos Avanzados Machine Learning
- Visión general de modelos complejos: Random Forest, Aprendizaje por Refuerzo, Neural Networks
- Cuándo usar modelos avanzados: Mejores prácticas y casos de uso
- Introducción a técnicas de aprendizaje en ensamble
Ajuste de Hiperparámetros y Optimización
- Técnicas de búsqueda en cuadrícula y búsqueda aleatoria
- Automatizando el ajuste de hiperparámetros con Google Colab
- Uso de técnicas avanzadas de optimización (Bayesianas, Algoritmos Genéticos)
Neural Networks y Deep Learning
- Construcción y entrenamiento de redes neuronales profundas
- Aprendizaje por transferencia con modelos pre-entrenados
- Optimización de modelos de aprendizaje profundo para el rendimiento
Implementación del Modelo
- Introducción a estrategias de implementación de modelos
- Implementación de modelos en entornos en la nube usando Google Colab
- Inferencia en tiempo real y procesamiento por lotes
Trabajando con Google Colab para Modelos de Escala Grande Machine Learning
- Colaboración en proyectos de aprendizaje automático en Colab
- Uso de Colab para entrenamiento distribuido y aceleración GPU/TPU
- Integración con servicios en la nube para el entrenamiento escalable de modelos
Interpretabilidad e Explicabilidad del Modelo
- Explorando técnicas de interpretabilidad del modelo (LIME, SHAP)
- IA explicativa para modelos de aprendizaje profundo
- Manejo de sesgo y equidad en modelos de aprendizaje automático
Aplicaciones del Mundo Real y Estudios de Caso
- Aplicación de modelos avanzados en salud, finanzas y comercio electrónico
- Estudios de caso: Implementaciones exitosas de modelos
- Desafíos y tendencias futuras en aprendizaje automático avanzado
Resumen y Próximos Pasos
Requerimientos
- Comprensión sólida de algoritmos y conceptos de aprendizaje automático
- Habilidad en programación Python
- Experiencia con Jupyter Notebooks o Google Colab
Destinatarios
- Científicos de datos
- Practicantes de aprendizaje automático
- Ingenieros de IA
21 Horas
Testimonios (2)
el ecosistema de ML no solo incluye MLFlow sino también Optuna, hyperops, docker y docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curso - MLflow
Traducción Automática
Disfruté participar en el entrenamiento Kubeflow, que se llevó a cabo de forma remota. Este entrenamiento me permitió consolidar mis conocimientos sobre los servicios de AWS, K8s y todas las herramientas DevOps relacionadas con Kubeflow, que son las bases necesarias para abordar adecuadamente el tema. Quiero agradecer a Malawski Marcin por su paciencia y profesionalismo en la formación y en la orientación sobre las mejores prácticas. Malawski aborda el tema desde diferentes ángulos, utilizando distintas herramientas de implementación Ansible, EKS kubectl, Terraform. Ahora estoy definitivamente convencido de que me dirijo al campo de aplicación correcto.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curso - Kubeflow
Traducción Automática
