¿Qué es la ciencia de datos, machine learning e IA? ¿Para qué se utilizan?
¿Cómo se encara un proyecto utilizando machine learning?
Revisión de los elementos, operadores y sentencias de SQL fundamentales para el rol de data scientist.
Primer acercamiento a tus datos para comprender un dataset.
Tratamiento de los datos para aprovecharlos al máximo y evitar a conclusiones erróneas.
Explora los modelos más usados en machine learning para explicar y predecir comportamiento.
Aprende qué es MLOps y por qué es importante al momento de llevar nuestros modelos a producción.
Conoce diferentes herramientas y tecnologías para desplegar tu solución.
Qué es y cómo utilizar Github y Docker para proyectos de machine learning.
Cómo crear una solución que sea funcionalmente útil, que aporte valor al negocio y resuelva un problema.
Fundamentos de Deep Learning para entender y comenzar a trabajar con redes neuronales y embeddings.
El ABC de los LLMs: diferencias, entrenamiento, y usos concretos. Arquitecturas de datos y consideraciones de escalabilidad para proyectos de Generative AI.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Venenatis nec nisi ornare.
