What we're about

Interesados en inteligencia artificial de cualquier disciplina, tecnicos o no, para juntarnos y aprender poniendo en práctica pequeños proyectos/tutoriales. People interested in Machine Learning off all backgrounds, to get together and learn by putting into practice tutorials and small projects.

Upcoming events (5+)

Programación Python

SEDE LIMA DEL CENTRO DE GRADUADOS FIUBA

Programación Python Horario: lunes y miércoles de 9 a 13 Horas: 16, en cuatro clases de cuatro horas Comienzo: lunes 21 de octubre Fechas: 21, 23, 28 y 30 de octubre LUGAR: sede Lima (Lima e Hipólito Yrigoyen) HIPÓLITO YRIGOYEN 1144 - PRIMER PISO - OFICINA 3 ARANCEL DEL CURSO: $2.490 TRAETE TU NOTEBOOK PARA CODEAR Programación en Python, uno de los pilares del Machine Learning Conocé el lenguaje de programación más utilizado en el mundo del Machine Learning: Python y sus principales herramientas. La Inteligencia Artificial, y en particular el Machine Learning, es un paradigma de software que está ampliando su presencia en nuestra sociedad en forma exponencial. Se trata, básicamente, de estadística con muchos datos y con mucha potencia de cálculo. Todavía no se nota la creciente necesidad de desarrolladores de software con una sólida base de Data Science, eso sucederá en breve y es conveniente prepararse para ese momento. El lenguaje más utilizado en el mundo de Machine Learning es Python. El IDE más popular es Jupyter Notebook, del entorno Anaconda. Saber programar en Python es necesario para poder utilizar adecuadamente las principales bibliotecas que utiliza ML. PRÁCTICAS :: A lo largo del curso tendrás la oportunidad de ejercitar los temas que se irán tocando en clase y autoevaluar tu avance. SALIDA LABORAL :: Al finalizar el curso tendrás las bases de programación necesarias para trabajar con Python en forma rápida y efectiva. A QUIÉN ESTÁ ORIENTADO :: Este curso está orientado a aquellas personas que quieran aprender Python para luego introducirse en el mundo de la Inteligencia Artificial. REQUISITOS :: No se requieren conocimientos previos. BASES DEL MACHINE LEARNING - Programación en Python Conceptos básicos Entorno de trabajo Características del lenguaje Sintaxis, variables, control de flujo Tipos, operadores y funciones integradas Reutilización de código: funciones Manejo de excepciones Tipos numéricos. Secuencias: cadenas, listas y tuplas Contenedores sin orden: Conjuntos y Diccionarios Funciones con cantidad variable de argumentos Estilo del código Archivos: lectura y escritura Orientación a Objetos Clases, definición, inicialización y creación de instancias Herencia simple y múltiple Organización del código fuente Módulos y paquetes: import y from Bibliotecas estándar Bibliotecas de machine learning: pandas, numpy y matplotlib COMPLETAR EL FORMULARIO DE INSCRIPCION: https://forms.gle/dJMpfkk3ZRvPedFq6

Fundamentos de Machine Learning

SEDE LIMA DEL CENTRO DE GRADUADOS FIUBA

FUNDAMENTOS DE MACHINE LEARNING Comienzo: martes y jueves de 9 a 13 Horas: 16, en cuatro clases de cuatro horas Comienzo: martes 22 de octubre Fechas: 22, 24, 29 y 31 de octubre Lugar: sede Lima del Centro de Graduados FIUBA - Lima e Hipólito Yrigoyen - CABA HIPÓLITO YRIGOYEN 1144 - PRIMER PISO - OFICINA 3 ARANCEL DEL CURSO: $2.490 TRAETE TU NOTEBOOK PARA CODEAR La Inteligencia Artificial y, en particular, el Machine Learning, es un paradigma que está afectando progresivamente a nuestra sociedad, en especial en lo que respecta al tratamiento de un conjunto creciente de información que comienza a estar disponible por la digitalización. Aparecen nuevos desafíos y problemas, que no pueden ser resueltos por los métodos tradicionales de la matemática y su resolución comienza a moverse hacia nuevos rumbos, de la mano de la estadística y del creciente poder de los procesadores digitales. Surge así el concepto de Data Science. Como resultado, se crean algoritmos como si fuesen las nuevas máquinas, ya no de vapor, sino de datos, de la revolución actual. En este curso aprenderás a: Entender el tipo de problemas que se resuelven con Inteligencia Artificial. Interpretar conceptos necesarios de estadística para abordar problemas. Conocer los principales tipos de algoritmos que se usan en Machine Learning Reconocer los tipos de condicionamiento previo de datos necesarios para Machine Learning. Trabajar en Inteligencia Artificial y Machine Learning con Python, Anaconda, Jupyter Notebook y las librerías de Machine Learning. Conocer el flujo de trabajo de Inteligencia Artificial usando Machine Learning. PRÁCTICAS EN CLASE :: Se presentarán los tipos de problemas más comunes, conjuntamente con las familias de algoritmos más utilizados. Salida laboral: Saldrás convertido en un Data Trainée con bases sólidas, imprescindibles para poder realizar cursos avanzados de Inteligencia Artificial y así convertirte en un futuro “Ninja” de datos. Sin requisitos previos. Este curso está orientado a todos aquellos que quieran tener a la oportunidad de ser protagonistas de la Revolución de la Inteligencia Artificial que promete cambiar, una vez más, el rumbo de la historia laboral de la humanidad. 1 La IA como Revolución Social e Industrial ¿Cómo va a afectar la IA la vida de las personas? Sesgo: Cuando el conocimiento humano es una desventaja. Los mejores y más recientes avances en Inteligencia Artificial. Cómo la inteligencia artificial cambiará el concepto del trabajo. Un nuevo mundo lleno de oportunidades y desafíos. Salidas laborales en IA. 2 PREPROCESAMIENTO DE DATOS Los datos y sus estadísticas Datos faltantes Valores categóricos Normalización Breve historia de la IA. Teoría de la información. ¿Qué es la Inteligencia Artificial? ¿Qué es Machine Learning? ¿Porqué ML es el futuro? Flujo de trabajo de Machine Learning: Preparación de los datos, representación 3 MODELOS Y TIPOS DE ALGORITMOS Aprendizaje supervisado y no supervisado Aprendizaje reforzado Algoritmos de clasificación y de regresión Algoritmos de clustering Tipos de tareas Tipos de modelos Evaluación de resultados Criterios de elección de los algoritmos 4 APRENDIZAJE SUPERVISADO: ALGORITMOS DE REGRESIÓN Modelos de regresión Regresión lineal Regresión polinómica Support Vector Regression Árboles de regresión Random forest Variables dummy Métodos para construir un modelo 5 APRENDIZAJE SUPERVISADO: ALGORITMOS DE CLASIFICACIÓN Principales algoritmos: Regresión Logística Árboles de decisión classifier Naïve Bayes K Nearest Neighbors (kNN) Support Vector C Ensambles (combinación de algoritmos) Teorema de Bayes 6 APRENDIZAJE NO SUPERVISADO: ALGORITMOS DE CLUSTERING Clustering con K-Means Clustering Jerárquico * Lo que quedó en el tintero. COMPLETAR EL FORMULARIO DE INSCRIPCION: https://forms.gle/fy3eTe4BysHVe8UP6

AGENCIA GUBERNAMENTAL DE CONTROL

Talcahuano 287

AGENCIA GUBERNAMENTAL DE CONTROL Horario: martes 22 de octubre de 18.30 a 21.30 LUGAR: TALCAHUANO 287 ACTIVIDAD GRATUITA Y ABIERTA A TODA LA COMUNIDAD Temario • Que es la AGC (Agencia Gubernamental de Control) • Poder de policía • Nuevo Paradigma: Fiscalización / Inspección • Sistemas de Gestión ON LINE: LIZA (Inspecciones) HAFYCO (Registros) Cuadros de evolución de registros • DGFYCO/ REGISTROS (Dirección General de Fiscalización de Obras) Director de Obra Instalaciones Director Técnico Representante Técnico SOBRE LOS ORADORES Arq. María Belén Taccone • Arquitectura - Universidad de Buenos Aires / UBA • Sub Gerente Operativo Inspectivo En la Dirección General de Fiscalización de Obras - DGFYCO Agencia Gubernamental de Control - GCABA Ing. Miguel Guelerman • Ingeniero Electromecánico orientación Electrónica UBA • Especialista en Higiene y Seguridad en el Trabajo UBA • Especialista en Ingeniería Ambiental UTN • Sub Gerente Operativo Control Incendio En la Dirección General de Fiscalización de Obras Agencia Gubernamental de Control - GCABA Ing. Marcelo Salvador Sorrenti • Ingeniero Electrónico UBA • Especialista en Higiene y Seguridad en el trabajo UBA(En finalización ) • Sub Gerente Operativo Control de Instalaciones Eléctricas, Termicas e Ind. En la Dirección General de Fiscalizacion y Control de Obras Agencia Gubernamental de Control - GCABA COMPLETAR EL FORMULARIO DE INSCRIPCION: https://forms.gle/9zWxujjjBbxDR3qLA

KERAS clase cero + TENSORFLOW semana 1

SEDE LIMA DEL CENTRO DE GRADUADOS FIUBA

DEEP LEARNING CON KERAS + TENSORFLOW IN PRACTICE Horario: miércoles 23 de octubre de 18.30 a 21.30 LUGAR: sede Lima (Lima e Hipólito Yrigoyen) HIPÓLITO YRIGOYEN 1144 - PRIMER PISO - OFICINA 3 ACTIVIDAD GRATUITA Y ABIERTA A TODA LA COMUNIDAD TRAETE TU NOTEBOOK PARA CODEAR Las Redes Neuronales Neuronales Profundas (Deep Learning) son el algoritmo que hoy es el claro ganador en el mundo del Machine Learning. El aprendizaje automático es nuevo paradigma que está avanzando a pasos agigantados en la informática. Creado por Chollet, Keras es un Framework escrito en Python que nos permite lograr alta productividad al diseñar modelos de Inteligencia Artificial. Este es un curso de alto nivel, para formarse como Ingeniero en Deep Learning. REQUISITOS: Programación Python TEMARIO Keras / Definición y características. Modelos de Keras CLASE CERO DEL CURSO DEEP LEARNING CON KERAS Programa especializado TensorFlow in Practice Mostraremos en forma muy didáctica y bien desde cero cómo desarrollar algoritmos de Inteligencia Artificial implementando Redes Neuronales utilizando herramientas de alto nivel como son Keras y Tensorflow. El programa especializado son 4 cursos, veremos la semana 1 del curso 1 DOCENTE: Martín Gaudio Estudiante de Ingeniería Informática en la UNLP. Desarrollador Python con más de siete años de experiencia. Es socio fundador de la Cooperativa de Trabajo BackPropagation Limitada. Se ha especializado recientemente en el área de Procesamiento de Lenguaje Natural. COMPLETAR EL FORMULARIO DE INSCRIPCION: https://forms.gle/U17doyCbTaCko2t36

Past events (205)

Programa especializado TensorFlow in Practice

SEDE LIMA DEL CENTRO DE GRADUADOS FIUBA

Photos (236)