Archivo

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

sesión matutina de 10 am a 3pm Nivel0

sesión matutina de 10 am a 3pm Nivel0

sesión vespertina de 4pm a 9pm Nivel0

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

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

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

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

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

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

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

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.

Jueves 07 de junio

Dr. Gabriel GUERRERO

saxsa2000@gmail.com

info cel (55) 46 55 93 33

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

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