Cursos Junio 2019

Cursos Junio 2019

Sábado 8 de junio CURSO3

sesión matutina de 10 am a 3pm Redes CNN y TensorFlow

URL detalles
Martes 11 de junio CURSO1

sesión matutina de 10 am a 3pm Nivel0

URL detalles
Martes 11 de junio CURSO1

sesión matutina de 10 am a 3pm Nivel0

URL detalles

sesión vespertina de 4pm a 9pm Nivel0

URL detalles
Miércoles 12 de junio CURSO2

sesión matutina de 10 am a 3pm Machine Learning con Spark y TensorFlow

URL detalles

sesión vespertina de 4pm a 9pm Machine Learning con Spark y TensorFlow

URL detalles
Jueves 13 de junio CURSO3

sesión matutina de 10 am a 3pm Redes CNN y TensorFlow

URL detalles

sesión vespertina de 4pm a 9pm Redes CNN y TensorFlow

URL detalles
Sábado 15 de junio CURSO4

sesión matutina de 10 am a 3pm Redes LSTM y TensorFlow

URL detalles

Atentamente
Dr Gabriel GUERRERO
saxsa2000@gmail.com
info cel (55) 46 55 93 33

TensorFlow, DeepLearning y manejo de imágenes con CNN (Convolutive Neural Nets)

TensorFlow, DeepLearning y manejo de imágenes con CNN (Convolutive Neural Nets)

Horario

10am a 3pm

Duración de 5 horas

Objetivo
Uso de TensorFlow como una maquina de calculo en paralelo aplicado a problemas de clasificacion de imagenes con metodologias de CNN

Se proporciona una máquina virtual por módulo, con una instalación básica de las herramientas expuestas en éste, así como lecturas complementarias, que permitan a los participantes llevar a cabo prácticas y ejercicios

La maquina virtual contiene: Linux Centos, Anaconda, Python, Jupyter, TensorFlow, Keras y *.*, ademas de todos los ejercicios resueltos como cuadernos Jupyter

El participante aprenderá los principales conceptos de IA. Generación de aplicaciones con Redes Neuronales Convolutivas (CNN), TensorFlow y Keras, para reconocer objetos en una imagen, entre otras.

Se requiere conocimientos basicos de Python






TensorFlow, DeepLearning y manejo de imágenes con CNN (Convolutive Neural Nets)

TensorFlow, DeepLearning y manejo de imágenes con CNN (Convolutive Neural Nets)

Horario

4pm a 9pm

Duración de 5 horas

Objetivo
Uso de TensorFlow como una maquina de calculo en paralelo aplicado a problemas de clasificacion de imagenes con metodologias de CNN

Se proporciona una máquina virtual por módulo, con una instalación básica de las herramientas expuestas en éste, así como lecturas complementarias, que permitan a los participantes llevar a cabo prácticas y ejercicios

La maquina virtual contiene: Linux Centos, Anaconda, Python, Jupyter, TensorFlow, Keras y *.*, ademas de todos los ejercicios resueltos como cuadernos Jupyter

El participante aprenderá los principales conceptos de IA. Generación de aplicaciones con Redes Neuronales Convolutivas (CNN), TensorFlow y Keras, para reconocer objetos en una imagen, entre otras.






BIG DATA para el análisis de datos abiertos en la CDMX

BIG DATA para el análisis de datos abiertos en la CDMX

Horario

sábado 26 de enero 2019

9 am a 3 pm

Duración de 6 horas

En el taller analizamos los Datos Abiertos de la CDMX y los interrelacionamos(«cruces transversales») para generar una vista 360 de la CDMX incorporando los resultados en Mapas Interactivos con Spark, Python, Jupyter y Dash

Diapositiva2 (1)






Inteligencia Artificial con Deep Learning y Redes Neuronales Recurrentes

Inteligencia Artificial con Deep Learning y Redes Neuronales Recurrentesd

Horario

sábado 12 de enero 2019

9 am 3 pm

Duración de 6 horas

Inteligencia Artifical. Conocimientos de Deep Learning y redes neuronales. Uso de herramientas TensorFlow y Keras. Caso práctico de uso de Redes Neuronales Recurrentes para la predicción numérica y manejo de series de tiempo en economía con Tensor Flow y Keras, Jupyter y el lenguaje Python

Diapositiva2 (1)






Inteligencia Artificial, Deep Learning para reconocimiento de objetos y seguridad

Inteligencia Artificial, Deep Learning para reconocimiento de objetos y seguridad

Horario

sábado 4 de agosto 2018

10 am 3 pm

Duración de 5 horas

Hoy la Inteligencia Artificial, las Redes Neuronales y el Aprendizaje Profundo son la nueva revolución en el mundo de las TICs. AI (Artificial Intelligence), Aprendizaje Automatizado (Machine Learning), y Aprendizaje Profundo para el reconocimiento de objetos para aplicaciones industriales y de seguridad

Diapositiva2 (1)






Inteligencia Artificial y Redes Neuronales en Economía y Finanzas

Inteligencia Artificial y Redes Neuronales en Economía y Finanzas

Objetivo

Conocimientos de Inteligencia Artificial, Deep Learning y Redes Neuronales. Aprenderás como en el mundo de la Economía y Finanzas, estos aspectos y metodologías están ofreciendo «Nuevos métodos y enfoques» para abordar de forma mas eficiente los mismos problemas de éstas áreas y resultan ser catalizadores que aceleran la tarea a realizar.

Diapositiva2 (1)






Aprendizaje Automatizado en un ambiente Spark con las bibliotecas SparkSQL y SparkML.

Aprendizaje Automatizado en un ambiente Spark con las bibliotecas SparkSQL y SparkML.

Horario

Jueves 07 de junio

Dr. Gabriel GUERRERO

saxsa2000@gmail.com

info cel (55) 46 55 93 33

Descripción

Se realizan ejemplos de enunciados SQL utilizando SparkSQL

Se ofrece un mecanismo de conexion a Bd Relacionales utilizando un conector JDBC para acceso directo con SparkSQL

Se abordan los algoritmos de Aprendizaje Supervisado de regresión lineal, clasificación por regresion logistica, KNN, SVD, KMeans con SparkML

El mundo de algoritmos del Aprendizaje Automatizado Supervisado

Bibliotecas para Aprendizaje Automátizado (ML Machine Learning)

Conceptos básicos del Aprendizaje Automatizado con Python

Aprendizaje supervisado y aplicación en problemas de regresión y clasificación, clasificación Spam/No_Spam, algoritmos KNN, KMeans, SVD en ambiente de computo distribuido con SparkML

En estos talleres, se ofrece un recorrido con ejemplos productivos del uso del lenguaje de programación Python en un ambiente interactivo Jupyter, con un enfoque de Ciencia de Datos en un ambiente distribuido Spark con bibliotecas SparkSQL y SparkML

Se ofrece un conjunto de herramientas del lenguaje Python que permiten la instrumentación de soluciones de modelos matemáticos enfocados en problemas de Ciencia de Datos

Inversión por taller

Publico general 2,500 + i.v.a.

  • Comunidad de ex-alumnos saXsa: 2,000 + i.v.a.
  • Temario

  • Módulo de Spark SQL y ejemplos.
  • Módulo de SparkML.
  • Elección de algoritmos ML.
  • Introducción Spark Machine Learning
  • Algoritmo de Regresion Lineal.
  • Teoria Matematica del Algoritmo SVD.
  • Sistema de recomendación con la utilización del algoritmo SVD.
  • Algoritmo ALS.
  • Sistema de recomendación con la utilización del algoritmo ALS.
  • Algoritmo regresión logística.
  • Sistema de inspección de estándares con la utilización de regresión logística.
  • Algoritmo KNN.
  • Sistema de clasificación y mejora de resultados con la utilización del algoritmo KNN.
  • Showroom de Aplicaciones Productivas