Cursos de aprendizaje automático

1335 Cursos

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

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

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: Interpretability & Transparency - 繁體中文

AI Responsable para Desarrolladores: Interpretabilidad y Transparencia - Español | Coursera Este curso está diseñado para explicar los conceptos de interpretabilidad y transparencia de la IA, y explorar la importancia de la transparencia de la IA para desarrolladores e ingenieros. También se presentarán métodos prácticos y herramientas que ayuda.

Coursera

Responsible AI for Developers: Interpretability & Transparency - Polski

AI Responsable para Desarrolladores: Interpretabilidad y Transparencia - Polski En este curso presentamos conceptos de interpretabilidad y transparencia en IA. Discutimos cómo la transparencia en IA es importante para desarrolladores e ingenieros. Mostramos técnicas y herramientas prácticas que ayudan a lograr interpretabilidad y transparencia t.

Coursera

Introduction to Image Generation - Deutsch

Introducción a la generación de imágenes - Español En este curso se presentan los modelos de difusión, un grupo de diversos modelos de aprendizaje automático que recientemente han realizado algunos avances prometedores en el campo de la generación de imágenes. Los modelos de difusión se basan en conceptos físicos de la termodinámica y se han vuel.

Coursera

Gemini for Data Scientists and Analysts - Español

En este curso, descubrirás cómo Gemini, un colaborador potenciado por IA generativa de Google Cloud, ayuda a analizar los datos de los clientes y predecir las ventas de productos. También aprenderás a identificar, categorizar y desarrollar los clientes nuevos usando datos de clientes en BigQuery. A través de labs prácticos, comprobarás cómo Gem.

Coursera

Responsible AI for Developers: Interpretability & Transparency - Bahasa Indonesia

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

Coursera

Responsible AI for Developers: Interpretability & Transparency - Português Brasileiro

IA Responsable para Desarrolladores: Interpretabilidad y Transparencia - Español En este curso, presentamos los conceptos de interpretabilidad y transparencia en IA. Abordaremos la importancia de la transparencia en IA para desarrolladores e ingenieros. El curso también cubre herramientas y métodos prácticos para ayudar a lograr la interpreta.

Coursera

Responsible AI for Developers: Interpretability & Transparency - 日本語版

Inteligencia Artificial Responsable para Desarrolladores: Interpretabilidad y Transparencia Este curso presenta los conceptos de interpretabilidad y transparencia en IA. Explica por qué la transparencia en la IA es importante para desarrolladores e ingenieros. Examina métodos prácticos y herramientas para lograr interpretabilidad y transparen.

1 ... 45 46 47 48 49 ... 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!