30 horas
Learning Gate
QUIERO SER CONTACTADO POR UN ASESOR
30 horas
Learning Gate
30 horas
Learning Gate
QUIERO SER CONTACTADO POR UN ASESOR
Machine Learning para Big Data (TLG)
Deseas diseñar y desarrollar dashboards eficientes y adecuados para la toma de decisiones, tienes conocimientos de algún lenguaje de programación de alto nivel, actualmente trabajas analizando datos en Tableau o equivalente y haz realizado modelos de predicción pero no posees estudios formales sobre data analytics.
Crear una modelación de grandes volúmenes de datos basada en máquinas de aprendizaje de inteligencia artificial que cumpla con los requerimientos del diseño
PySpark
Big data
Objetos RDD
SQL en PySpark
Tensor Flow
Deep Neural Networks
Experiencia digital bajo demanda y personalizada
Contenidos relevantes de vanguardia
Retroalimentación experta
Aplicación inmediata
Únete a una sesión vía Zoom, diseñada para darte la bienvenida y brindarte todos los elementos que conforman el ecosistema de The Learning Gate, desde la navegación en la plataforma, la comunidad, los diferentes caminos de aprendizaje, los Success Partners que te darán acompañamiento, un espacio para resolver tus dudas y herramientas útiles que podrás aprovechar para potenciar tu experiencia de aprendizaje.
M1
Machine Learning con pySpark
10 Hrs.
1. Interpretar la configuración de los estatutos de pySpark de Python en la modelación inteligente de grandes volúmenes de datos utilizada para cumplir lo mejor posible con los requerimientos de la tarea requerida. 2. Crear modelos inteligentes supervisados de grandes volúmenes de datos utilizando pySpark de Python; seleccionando el modelo adecuado y analizar la exactitud, precisión del modelo, que cumplan lo mejor posible con los requerimientos de la tarea requerida.
M2
Deep Learning Utilizando Tensor Flow
10 Hrs.
1. Interpreta la configuración utilizada en modelos de datos DNN (Deep Neural Networks) utilizando en Tensor Flow en Python; poniendo especial atención en la selección adecuada del modelo inteligente, precisión del modelo, que cumplan lo mejor posible con los requerimientos de la tarea requerida. 2. Crear modelos de datos DNN (Deep Neural Networks) utilizando Tensor Flow en Python; seleccionando el modelo adecuado y analizando la exactitud, precisión del modelo, que cumplan lo mejor posible con los requerimientos de la tarea requerida.
M3
Deep Learning Utilizando Pytorch
10 Hrs.
1. Interpreta la configuración utilizada en modelos de datos DNN (Deep Neural Networks) en Pytorch en Python; poniendo especial atención en la selección adecuada del modelo inteligente, precisión del modelo, que cumplan lo mejor posible con los requerimientos de la tarea requerida. 2. Crear modelos de datos DNN (Deep Neural Networks) utilizando Pytorch en Python; seleccionando el modelo adecuado y analizando la exactitud, precisión del modelo, que cumplan lo mejor posible con los requerimientos de la tarea requerida.
|
Campus |
Fecha de inicio |
Horarios de sesiones |
|---|---|---|
The Learning Gate (Flex) |
Inscripciones Abiertas | - |
Duración
30 Hrs
Modalidad
Learning Gate
Aprende a tu propio ritmo cuando, cómo y dónde quieras.
Sesión de onboarding personal.
Comienza y termina tu certificación de acuerdo con tu ritmo y tu propia agenda.
Elige el Certificado de Competencias o Microcertificado que se adapte
mejor a tus intereses.
Mantén completa flexibilidad en tu aprendizaje.
$10500 MXN*
Desde $875 MXN mensuales pagando con Tarjetas de crédito participantes
*Precio Total (Servicios exentos de IVA). Para pago en dólares consulta con tu asesor el precio total (aplica sólo para participantes de LATAM).
Consulta a tu asesor para recibir información de nuestros apoyos.
Duración 3:16 min
Demuestra el aprendizaje, las habilidades y las competencias adquiridas a través de insignias digitales. Estos reconocimientos además de ser un testimonio de tus logros, también cuentan con el respaldo de la Tecnología Blockchain, lo que hace que tu insignia digital sea única en el mundo.
| M1 | Machine Learning con pySpark | |
|---|---|---|
| Sesiones | 1: Diciembre 31, 2030 - 7:00 a 23:00 | |
| M2 | Deep Learning Utilizando Tensor Flow | |
| Sesiones | 1: Diciembre 31, 2030 - 7:00 a 23:00 | |
| M3 | Deep Learning Utilizando Pytorch | |
| Sesiones | 1: Diciembre 31, 2030 - 7:00 a 23:00 | |
| Sesiones | 1: Diciembre 31, 2030 - 7:00 a 23:00 |
| Sesiones | 1: Diciembre 31, 2030 - 7:00 a 23:00 |
| Sesiones | 1: Diciembre 31, 2030 - 7:00 a 23:00 |
