Cursos de aprendizaje automático

1331 Cursos

Coursera

Responsible AI for Developers: Interpretability & Transparency - Italiano

IA Responsable para Desarrolladores: Interpretabilidad y Transparencia - Español Este curso introduce los conceptos de interpretabilidad y transparencia en la IA. Habla de la importancia de la transparencia en la IA para desarrolladores e ingenieros. Ilustra métodos y herramientas prácticas para ayudar a lograr interpretabilidad y transparenci.

Coursera

Responsible AI for Developers: Fairness & Bias - Українська

AI Responsable para Desarrolladores: Equidad y Sesgo - Українська En este curso, podrás familiarizarte con los conceptos de un enfoque responsable y los principios relacionados con la inteligencia artificial. Aprenderás sobre métodos prácticos para detectar la objetividad y el sesgo en el trabajo de la IA y las tecnologías de aprendizaje automát.

Coursera

Introduction to Large Language Models - Deutsch

Introducción a los Modelos de Lenguaje Grande - Deutsch En este curso introductorio en formato de microaprendizaje, se examina qué son los Modelos de Lenguaje Grande (LLM), para qué casos de uso se pueden emplear y cómo se puede mejorar su rendimiento afinando los prompts. Además, se tratarán las herramientas de Google que perm.

Coursera

Gemini for Data Scientists and Analysts - 日本語版

Géminis para Científicos de Datos y Analistas - Español En este curso, aprenderás cómo Géminis, un colaborador de Google Cloud que utiliza IA generativa, puede ayudar en el análisis de datos de clientes y la predicción de ventas de productos. También aprenderás a usar BigQuery para identificar, clasificar y descubrir nuevos clientes utilizando.

Coursera

Responsible AI for Developers: Fairness & Bias - 한국어

Responsable IA para Desarrolladores: Equidad y Sesgo - Español Título: Responsable IA para Desarrolladores: Equidad y Sesgo - Español Descripción: Este curso presenta el concepto de IA responsable y los principios de IA. Identifica de manera práctica la equidad y el sesgo y explora técnicas para mitigar el sesgo en la práctica de IA/.

Coursera

Responsible AI for Developers: Interpretability & Transparency - Español

AWS Skill Builder

Amazon Q Introduction (Thai)

Introducción a Amazon Q (Español) Este curso proporciona una visión general de alto nivel sobre Amazon Q, un asistente impulsado por inteligencia artificial (IA). Aprenderás sobre los casos de uso y las ventajas de conectar Amazon Q con los datos, el código y los sistemas en tu empresa. Además, encontrarás información adicional para desarrollar.

AWS Skill Builder

AWS ML Engineer Associate Curriculum Overview (Japanese)

En este curso introductorio del Currículo Asociado de AWS ML Engineer, se repasan los fundamentos del aprendizaje automático (ML) y se revisa la evolución de ML y AI. Como primer paso del ciclo de vida de ML, se identifican los objetivos comerciales y se formulan problemas de ML en función de esos objetivos comerciales. Finalmente, se estudian lo.

AWS Skill Builder

AWS ML Visão geral do curso de engenheiro associado (Português) | AWS ML Engineer Associate Curriculum Overview (Portuguese)

En este curso introductor al plan de estudios para ingenieros de ML asociados de AWS, examinas los conceptos básicos de machine learning (ML) y exploras la evolución del machine learning y la IA. Exploras las primeras etapas del ciclo de vida del ML, identificando una meta de negocios y formulando un problema de ML basado en esa meta de negocios. F.

AWS Skill Builder

Introduction to Machine Learning: Art of the Possible (Indonesian)

Introducción al Aprendizaje Automático: El Arte de lo Posible (Indonesio) Este curso digital está diseñado para ayudar a los tomadores de decisiones empresariales a entender los elementos esenciales del aprendizaje automático (ML). Nivel del curso: Básico Duración: 30 minutos Nota: Este curso cuenta con transcripción/subtítulos locales. La n.

1 ... 126 127 128 129 130 ... 134

Usos del aprendizaje automático

El uso del aprendizaje automático ha tocado muchas áreas en nuestras vidas. Veamos los ejemplos más notable de la utilización de la inteligencia informática:

Asistente de voz Alisa. Este sistema, sin ayuda humana, siempre encontrará la respuesta a cualquier pregunta de interés, encenderá música, responderá la llamada y mucho más.

Seleccionar publicidad relevante en los navegadores no es un proceso fácil para una persona, pero sí para una computadora. El sistema analizará los datos de visualización y seleccionará lo que a un usuario en particular le gustará. El mismo sistema se utiliza en varios mercados: se ofrecen productos que una persona vio o compró.

Chatbots en varios diálogos. Por ejemplo, muchos bancos utilizan bots para resolver problemas de clientes. Es conveniente y rápido.

Seguridad de datos: los modelos de aprendizaje automático pueden identificar vulnerabilidades de seguridad de datos antes de que se conviertan en violaciones. Al analizar experiencias pasadas, los modelos de aprendizaje automático pueden predecir acciones futuras de alto riesgo para que el riesgo pueda mitigarse de manera proactiva.

Finanzas: Los bancos, los corredores de comercio y las empresas de fintech utilizan algoritmos de aprendizaje automático para automatizar el comercio y proporcionar servicios de asesoramiento financiero a los inversores. Bank of America usa el chatbot Erica para automatizar el soporte al cliente.

Salud: El aprendizaje automático se usa para analizar grandes conjuntos de datos médicos para acelerar el descubrimiento de tratamientos y curas, mejorar los resultados de los pacientes y automatizar procesos rutinarios para prevenir errores humanos. Por ejemplo, IBM Watson utiliza minería de datos para proporcionar a los médicos datos que pueden usar para personalizar la atención del paciente.

Detección de fraude: la IA se utiliza en el sector financiero y bancario para analizar de forma autónoma un gran número de transacciones para identificar actividades fraudulentas en tiempo real. La empresa de servicios tecnológicos Capgemini dice que los sistemas de detección de fraudes que utilizan aprendizaje automático y análisis reducen el tiempo de investigación de fraudes en un 70% e incrementan la precisión de detección en un 90%.

Minorista: los investigadores y desarrolladores de IA están utilizando algoritmos de aprendizaje automático para desarrollar motores de recomendación de IA que hacen sugerencias de productos relevantes basados en las elecciones anteriores de los compradores, así como en datos históricos, geográficos y demográficos.

La reconocimiento facial en el metro ayudará a identificar a infractores o criminales en una gran masa de personas. Los observadores comunes no pueden manejar esta tarea. Pero una máquina que aprende rápidamente hará este trabajo sin problemas.

Qué necesitas para el aprendizaje automático (ML)?

Para aquellos interesados en la formación, hay varios requisitos que deben cumplirse para tener éxito en este campo. Entonces, aquí están los puntos principales que necesita saber sobre el curso de aprendizaje automático. Estos requisitos incluyen:

Conocimientos básicos de lenguajes de programación como Python, R, Java, JavaScript, etc.

Conocimientos promedio de estadística y probabilidad.

Conocimientos básicos de álgebra lineal en el curso de aprendizaje automático. En un modelo de regresión lineal, se traza una línea a través de todos los puntos de datos, y esa línea se usa para calcular nuevos valores.

Comprensión del cálculo.

Conocimientos sobre cómo limpiar y estructurar datos en bruto en el formato deseado para reducir el tiempo requerido para la toma de decisiones.

Los cursos de aprendizaje automático de AI Education son la mejor elección!