No previous experience in AI image creation required
Audience
Digital artists and designers
Image content creators
Graphic designers
AI enthusiasts interested in image creation and talking portraits
[overview] =>
Leonardo AI is a powerful AI-powered text to image generator. It can be beneficial in various fields, including art, design, advertisement, and entertainment.
This instructor-led, live training (online or onsite) is aimed at digital artists and AI enthusiasts who wish to use Leonardo AI to create complex visual content and realistic talking portraits.
By the end of this training, participants will be able to:
Generate stunning images using Leonardo AI.
Train datasets for your own models, and experiment with exising fine tuned models on Leonardo AI.
Conduct image to image generation, and complex prompt generation.
Use AI canvas to combine images and add background on Leonardo AI.
Create talking portraits using D-ID.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To request a customized training for this course, please contact us to arrange.
[category_overview] =>
This instructor-led, live training in <loc> (online or onsite) is aimed at digital artists and AI enthusiasts who wish to use Leonardo AI to create complex visual content and realistic talking portraits.
By the end of this training, participants will be able to:
Generate stunning images using Leonardo AI.
Train datasets for your own models, and experiment with exising fine tuned models on Leonardo AI.
Conduct image to image generation, and complex prompt generation.
Use AI canvas to combine images and add background on Leonardo AI.
Create talking portraits using D-ID.
[outline] =>
Introduction
What is Leonardo AI?
The benefit of using Leonardo AI
Overview of Leonardo AI features and architecture
Understanding Leonardo AI
Exploring Leonardo AI tools & resources
How AI text to image generator works
Example of images generated on Leonardo AI
Writing accurate and effective Prompts
Getting Started
Setting up required tools
Creating a Leonardo AI Account
Exploring all features on Leonardo AI dashboard
Training Your Own Models
Train datasets to build your own models
Exploring existing fine tuned models
Generating Images Using Leonardo AI
Generating images on Leonardo AI
Generating images using trained datasets
Conducting image to image generation
Generating complex prompts
Carrying out advanced image editing
Combining images with AI Canvas
Understanding AI Talking Portraits
Introduction to D-ID
Signing up on D-ID
Creating AI Talking Portaits
Producing images for AI talking portraits
Creating a script using ChatGPT to generate content
Transforming text into audio using Bigspeak AI
Creating talking portraits with D-ID
Implementing Leonardo AI in Your Workflows
Identifying use cases for Leonardo AI in various fields
Developing workflows for using Leonardo AI in your projects
Optimizing performance and efficiency
Best Practices and Ethical Considerations
Tips for using Leonardo AI effectively
Avoiding bias and ensuring ethical use of Leonardo AI
Future developments and trends in AI image generation
Summary and Next Steps
[language] => en
[duration] => 14
[status] => published
[changed] => 1700037955
[source_title] => Leonardo AI: Creating AI Images and Talking Portraits
[source_language] => en
[cert_code] =>
[weight] => -1001
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
)
[es] => stdClass Object
(
[course_code] => leonardoai
[hr_nid] => 442127
[title] => Leonardo AI: Creating AI Images and Talking Portraits
[requirements] =>
No se requiere experiencia previa en la creación de imágenes de IA
Audiencia
Artistas y diseñadores digitales
Creadores de contenido de imágenes
Diseñadores gráficos
Entusiastas de la IA interesados en la creación de imágenes y retratos parlantes
[overview] =>
Leonardo AI es un potente generador de texto a imágenes impulsado por IA. Puede resultar beneficioso en diversos campos, incluidos el arte, el diseño, la publicidad y el entretenimiento.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a artistas digitales y entusiastas de la inteligencia artificial que deseen utilizar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al finalizar esta capacitación, los participantes podrán:
Genere imágenes impresionantes usando Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con modelos ajustados existentes en Leonardo AI.
Realice la generación de imagen a imagen y la generación de mensajes complejos.
Utilice el lienzo AI para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes usando D-ID.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a artistas digitales y entusiastas de la IA que deseen usar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al final de esta capacitación, los participantes serán capaces de:
Genere imágenes impresionantes con Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con la creación de modelos ajustados en Leonardo AI.
Lleve a cabo la generación de imagen
a imagen y la generación de mensajes complejos.
Utilice AI Canvas para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes con D-ID.
[outline] =>
Introducción
¿Qué es Leonardo AI?
El beneficio de usar Leonardo AI
Descripción general de Leonardo AI características y arquitectura
Comprensión Leonardo AI
Explorando Leonardo AI herramientas y recursos
Cómo funciona el generador de texto a imagen con IA
Ejemplo de imágenes generadas en Leonardo AI
Escribir indicaciones precisas y efectivas
Empezar
Configuración de las herramientas necesarias
Creación de una Leonardo AI cuenta
Exploración de todas las funciones en el panel de control Leonardo AI
Entrenamiento de sus propios modelos
Entrene conjuntos de datos para crear sus propios modelos
Exploración de modelos ajustados existentes
Generación de imágenes con Leonardo AI
Generación de imágenes en Leonardo AI
Generación de imágenes mediante conjuntos de datos entrenados
Realización de la generación de imagen a imagen
Generación de mensajes complejos
Llevar a cabo la edición avanzada de imágenes
Combinación de imágenes con AI Canvas
Comprender los retratos parlantes de IA
Introducción a D-ID
Registrarse en D-ID
Creación de retratos parlantes de IA
Producción de imágenes para retratos parlantes de IA
Creación de un script con ChatGPT para generar contenido
Transformación de texto en audio con Bigspeak AI
Creación de retratos parlantes con D-ID
Implementación de Leonardo AI en sus flujos de trabajo
Identificación de casos de uso para Leonardo AI en varios campos
Desarrollo de flujos de trabajo para su uso Leonardo AI en sus proyectos
Optimización del rendimiento y la eficiencia
Mejores prácticas y consideraciones éticas
Consejos para usar Leonardo AI de manera efectiva
Evitar el sesgo y garantizar el uso ético de Leonardo AI
Desarrollos y tendencias futuros en la generación de imágenes de IA
An understanding of software development processes and methodologies
Experience with programming in Python
Basic knowledge of machine learning concepts
Audience
Software developers
Software engineers
Technical leads and managers
[overview] =>
AI-Augmented Software Engineering (AIASE) is the application of artificial intelligence to enhance and automate tasks within the software engineering process.
This instructor-led, live training (online or onsite) is aimed at intermediate-level software professionals who wish to leverage AI and machine learning to improve efficiency and innovation in software development.
By the end of this training, participants will be able to:
Understand the role of AI and machine learning in automating software development tasks.
Implement AI tools to generate code, tests, and documentation.
Apply AI techniques for code optimization, quality assurance, and debugging.
Integrate AI into the DevOps and CI/CD pipelines for improved deployment strategies.
Address ethical considerations and challenges in AI-augmented software engineering.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To request a customized training for this course, please contact us to arrange.
[category_overview] =>
This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level software professionals who wish to leverage AI and machine learning to improve efficiency and innovation in software development.
By the end of this training, participants will be able to:
Understand the role of AI and machine learning in automating software development tasks.
Implement AI tools to generate code, tests, and documentation.
Apply AI techniques for code optimization, quality assurance, and debugging.
Integrate AI into the DevOps and CI/CD pipelines for improved deployment strategies.
Address ethical considerations and challenges in AI-augmented software engineering.
[outline] =>
Introduction to AIASE
Overview of AI in software engineering
History and evolution of AIASE
Key concepts and terminology
AI Technologies in Software Development
Machine learning basics
Natural language processing (NLP) for code
Neural networks and deep learning models
Automating Software Development with AI
AI tools for generating boilerplate code
Automated code refactoring and optimization
Functional and unit test code generation
AI-assisted test case design and optimization
Enhancing Code Quality with AI
AI for bug detection and code reviews
Predictive analytics for software maintenance
AI-powered static and dynamic analysis tools
Automated debugging techniques
AI-driven fault localization and repair
AI in DevOps and Continuous Integration/Continuous Deployment (CI/CD)
AI for build optimization and deployment
AI in monitoring and log analysis
Predictive models for CI/CD pipelines
AI-based test automation in CI/CD workflows
AI for real-time error detection and resolution
AI for Documentation and Knowledge Management
Automated generation of docstrings and documentation
Knowledge extraction from codebases
AI for code search and reuse
Ethical Considerations and Challenges
Bias and fairness in AI tools
Intellectual property and licensing issues
Future of AI in software engineering
Hands-On Projects and Case Studies
Working with popular AI tools in software engineering
Case studies of AIASE in industry
Capstone project: Developing an AI-augmented software application
AI-Augmented Software Engineering (AIASE) es la aplicación de la inteligencia artificial para mejorar y automatizar tareas dentro del proceso de ingeniería de software.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
An understanding of basic software development concepts
Experience with a programming language (e.g., Python, JavaScript)
Familiarity with integrated development environments (IDEs)
Audience
Software developers
Technical team leads
Product managers
[overview] =>
AI Coding Assistants are tools designed to improve the efficiency and creativity of software developers.
This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level software developers who wish to integrate AI coding assistants into their development workflow.
By the end of this training, participants will be able to:
Understand the role and capabilities of AI coding assistants in software development.
Utilize various AI coding assistant tools to automate routine coding tasks.
Integrate AI coding assistants into their software development lifecycle.
Enhance their productivity and focus on more complex and creative programming tasks.
Address ethical considerations and responsible use of AI in software development.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To request a customized training for this course, please contact us to arrange.
[category_overview] =>
This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level software developers who wish to integrate AI coding assistants into their development workflow.
By the end of this training, participants will be able to:
Understand the role and capabilities of AI coding assistants in software development.
Utilize various AI coding assistant tools to automate routine coding tasks.
Integrate AI coding assistants into their software development lifecycle.
Enhance their productivity and focus on more complex and creative programming tasks.
Address ethical considerations and responsible use of AI in software development.
[outline] =>
Introduction to AI Coding Assistants
Overview of AI in software engineering
History and evolution of AI coding assistants
Key features and capabilities
Technologies Behind AI Coding Assistants
Machine learning and natural language processing
Code analysis and generation algorithms
Integration with development environments
Popular AI Coding Assistant Tools
Comparative study of different tools
Hands-on sessions with tools like GitHub Copilot, IntelliCode, etc.
Community contributions and extensions
Best Practices and Workflow Integration
Incorporating AI assistants into daily workflows
Collaboration with AI assistants
Customizing and training your AI assistant
Case Studies and Real-World Applications
Success stories of AI assistants in development projects
Limitations and challenges
Future trends and developments
Ethical Considerations and Responsible Use
Addressing bias and fairness in AI tools
Intellectual property and code ownership
Privacy and security implications
Project Work
Developing a mini project with the aid of an AI coding assistant
Los asistentes de codificación de IA son herramientas diseñadas para mejorar la eficiencia y la creatividad de los desarrolladores de software.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
AI (Artificial Intelligence) is intelligence for machines to accomplish specific tasks by recognizing patterns in data. AI enables users to growth hack the success of digital marketing campaigns.
This instructor-led, live training (online or onsite) is aimed at marketers who wish to use AI to improve improve digital marketing strategies through valuable customer insights.
By the end of this training, participants will be able to:
Leverage AI software to improve the way brands connect to users.
Use chatbots to optimize the user-experience.
Increase productivity and revenue through the automation of tasks.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To request a customized training for this course, please contact us to arrange.
[category_overview] =>
This instructor-led, live training in <loc> (online or onsite) is aimed at marketers who wish to use AI to improve improve digital marketing strategies through valuable customer insights.
By the end of this training, participants will be able to:
Leverage AI software to improve the way brands connect to users.
Use chatbots to optimize the user-experience.
Increase productivity and revenue through the automation of tasks.
[outline] =>
Introduction
AI in Digital Marketing
What is AIDM?
The application of AIDM
Content Curation and Creation
Streamlining content with AI tools
Working with Curata, BuzzSumo, Crayon, and Scoop-It
Google Cloud AI
Creating and scaling chatbots
Integrating chatbots on a web application
SEO Optimization
Working with Market Brew
Email Task Automation
Automating email tasks with Siftrock
Tracking and Reporting
Tracking and reporting user behavior with BlueShift
Tracking and reporting data from social media platforms with Zoomph
Summary and Conclusion
[language] => en
[duration] => 7
[status] => published
[changed] => 1700037602
[source_title] => AI in Digital Marketing
[source_language] => en
[cert_code] =>
[weight] => 0
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
)
[es] => stdClass Object
(
[course_code] => aidm
[hr_nid] => 335719
[title] => AI in Digital Marketing
[requirements] =>
[overview] =>
La inteligencia artificial (AI) es la inteligencia para las máquinas para realizar tareas específicas mediante el reconocimiento de patrones en los datos. AI permite a los usuarios hacerse el éxito de las campañas de marketing digital.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a los marketingers que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de este curso, los participantes podrán:
Leverage software AI para mejorar la forma en que las marcas se conectan con los usuarios.
Use chatbots para optimizar la experiencia del usuario.
Aumentar la productividad y los ingresos a través de la automatización de tareas.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a especialistas en marketing que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de esta capacitación, los participantes serán capaces de:
Aproveche el software de IA para mejorar la forma en que las marcas se conectan con los usuarios.
Utiliza chatbots para optimizar la experiencia del usuario.
Aumente la productividad y los ingresos a través de la automatización de tareas.
Robotics es un área de inteligencia artificial (AI) que se ocupa de la programación y el diseño de máquinas inteligentes y eficientes.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean programar y crear robots a través de métodos básicos de inteligencia artificial.
Al final de este curso, los participantes podrán:
Implementación de filtros (Kalman y partículas) para que el robot pueda localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno desconocido.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros que desean programar y crear robots a través de métodos básicos de IA.
Al final de esta capacitación, los participantes serán capaces de:
Implemente filtros (Kalman y partículas) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Artificial Intelligence (AI) is a branch of computer science that focuses on the development of intelligent machines capable of performing tasks that typically require human intelligence and it aims to simulate human-like cognitive processes.
This instructor-led, live training (online or onsite) is aimed at professionals who wish to learn and understand the concept of AI and how to use it effectively and responsibly.
By the end of this training, participants will be able to:
Learn the concept of Artificial Intelligence (AI).
Understand the limits and dangers of AI and use it responsibly.
Know how to effectively use AI in real-world scenarios.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To request a customized training for this course, please contact us to arrange.
[category_overview] =>
This instructor-led, live training in <loc> (online or onsite) is aimed at professionals who wish to learn and understand the concept of AI and how to use it effectively and responsibly.
By the end of this training, participants will be able to:
Learn the concept of Artificial Intelligence (AI).
Understand the limits and dangers of AI and use it responsibly.
Know how to effectively use AI in real-world scenarios.
[outline] =>
Introduction
Definition and scope of Artificial Intelligence (AI)
Historical and key milestones
Ethical Considerations and Future Trends in AI
Ethical challenges in AI development and deployment
Bias and fairness in AI algorithms
Explainable AI and interpretability
Future trends and advancements in AI research
Overview of the Uses of AI
Problem-solving using AI techniques
Machine learning and its applications
Basics of artificial neural networks
Deep learning
Natural Language Processing (NLP)
Computer vision
Robotics
AI in healthcare
AI in finance
Effective uses and impact of AI
Privacy Protection and Compliant use of AI
Importance of data privacy and protection in AI applications
Laws and regulations related to data privacy
Importance of transparency and explainability in AI systems
Consent and user rights
Security risks and vulnerabilities in AI applications
Overview of regulatory frameworks governing AI
Compliance requirements for AI systems in specific industries
Impact of AI regulations on privacy protection and compliant use
Best practices for ensuring compliant use of AI and privacy protection
Artificial Intelligence (AI) es una rama de la informática que se centra en el desarrollo de máquinas inteligentes capaces de realizar tareas que normalmente requieren inteligencia humana y tiene como objetivo simular procesos cognitivos similares a los humanos.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo utilizarla de manera efectiva y responsable.
Al finalizar esta capacitación, los participantes podrán:
Aprenda el concepto de Artificial Intelligence (AI).
Comprenda los límites y peligros de la IA y utilícela de manera responsable.
Sepa cómo utilizar eficazmente la IA en escenarios del mundo real.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo usarlo de manera efectiva y responsable.
Al final de esta capacitación, los participantes podrán:
Aprende el concepto de Artificial Intelligence (AI). Comprenda los límites y los peligros de la IA y utilícela de manera responsable. Sepa cómo usar efectivamente la IA en escenarios del mundo real.
Programming experience in Python (useful but not necessary; can be taught as part of course)
Experience with Linux command line
Audience
Developers
Engineers
Scientists
Technicians
[overview] =>
Robotics and Artificial Intelligence (AI) are powerful tools for the development of safety systems in nuclear facilities.
In this instructor-led, live training (online or onsite), participants will learn the different technologies, frameworks and techniques for programming different types of robots to be used in the field of nuclear technology and environmental systems.
The 6-week course is held 5 days a week. Each day is 4-hours long and consists of lectures, discussions, and hands-on robot development in a live lab environment. Participants will complete various real-world projects applicable to their work in order to practice their acquired knowledge.
The target hardware for this course will be simulated in 3D through simulation software. The ROS (Robot Operating System) open-source framework, C++ and Python will be used for programming the robots.
By the end of this training, participants will be able to:
Understand the key concepts used in robotic technologies.
Understand and manage the interaction between software and hardware in a robotic system.
Understand and implement the software components that underpin robotics.
Build and operate a simulated mechanical robot that can see, sense, process, navigate, and interact with humans through voice.
Understand the necessary elements of artificial intelligence (machine learning, deep learning, etc.) applicable to building a smart robot.
Implement filters (Kalman and Particle) to enable the robot to locate moving objects in its environment.
Implement search algorithms and motion planning.
Implement PID controls to regulate a robot's movement within an environment.
Implement SLAM algorithms to enable a robot to map out an unknown environment.
Extend a robot's ability to perform complex tasks through Deep Learning.
Test and troubleshoot a robot in realistic scenarios.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To customize any part of this course (programming language, robot model, etc.) please contact us to arrange.
[category_overview] =>
In this instructor-led, live training in <loc> (online or onsite), participants will learn the different technologies, frameworks and techniques for programming different types of robots to be used in the field of nuclear technology and environmental systems.
The 6-week course is held 5 days a week. Each day is 4-hours long and consists of lectures, discussions, and hands-on robot development in a live lab environment. Participants will complete various real-world projects applicable to their work in order to practice their acquired knowledge.
The target hardware for this course will be simulated in 3D through simulation software. The ROS (Robot Operating System) open-source framework, C++ and Python will be used for programming the robots.
By the end of this training, participants will be able to:
Understand the key concepts used in robotic technologies.
Understand and manage the interaction between software and hardware in a robotic system.
Understand and implement the software components that underpin robotics.
Build and operate a simulated mechanical robot that can see, sense, process, navigate, and interact with humans through voice.
Understand the necessary elements of artificial intelligence (machine learning, deep learning, etc.) applicable to building a smart robot.
Implement filters (Kalman and Particle) to enable the robot to locate moving objects in its environment.
Implement search algorithms and motion planning.
Implement PID controls to regulate a robot's movement within an environment.
Implement SLAM algorithms to enable a robot to map out an unknown environment.
Extend a robot's ability to perform complex tasks through Deep Learning.
Test and troubleshoot a robot in realistic scenarios.
[outline] =>
Week 01
Introduction
What Makes a Robot smart?
Physical vs Virtual Robots
Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA), etc.
The Role of Artificial Intelligence (AI) in Robotics
Beyond "if-then-else" and the learning machine
The algorithms behind AI
Machine learning, computer vision, natural language processing (NLP), etc.
Cognitive robotics
The Role of Big Data in Robotics
Decision-making based on data and patterns
The Cloud and Robotics
Linking robotics with IT
Building more functional robots that access more information and collaborate
Architecture: workspace, topics, messages, services, nodes, actionlibs, tools, etc.
Languages for Programming a Robot
C++ for low level controlling
Python for orchestration
Programming ROS nodes in Python and C ++
Other languages
Tools for Simulating a Physical Robot
Commercial and open source 3D simulation and visualization software
Week 02
Preparing the Development Environment
Software installation and setup
Useful packages and utilities
Case Study: Mechanical Robots
Robots in the nuclear technology field
Robots in environmental systems
Programming the Robot
Programming a node in Python and C ++
Understanding ROS node
Messages and topics in ROS
Publication / subscription paradigm
Project: Bump & Go with real robot
Troubleshooting
Simulation of robots with Gazebo / ROS
Frames in ROS and reference changes
2D information processing of cameras with OpenCV
Information processing of a laser
Project: Safe tracking of objects by color
Troubleshooting
Week 03
Programming the Robot (Continued...)
Services in ROS
3D information processing of RGB-D sensors with PCL
Maps and Navigation with ROS
Project: Search for objects in the environment
Troubleshooting
Programming the Robot (Continued...)
ActionLib
Speech Recognition and Speech Generation
Controlling robotic arms with MoveIt!
Controlling robotic neck for active vision
Project: Search and collection of objects
Troubleshooting
Testing Your Robot
Unit testing
Week 04
Extending a Robot's Capabilities with Deep Learning
Perception -- vision, audio, and haptics
Knowledge representation
Voice recognition through NLP (natural language processing)
Computer vision
Crash Course in Deep Learning
Artificial Neural Networks (ANNs)
Artificial Neural Networks vs. Biological Neural Networks
Feedforward Neural Networks
Activation Functions
Training Artificial Neural Networks
Crash Course in Deep Learning (Continued...)
Deep Learning Models
Convolutional Networks and Recurrent Networks
Convolutional Neural Networks (CNNs or ConvNets)
Convolution Layer
Pooling Layer
Convolutional Neural Networks Architecture
Week 05
Crash Course in Deep Learning (Continued...)
Recurrent Neural Networks (RNN)
Training an RNN
Stabilizing gradients during training
Long short-term memory networks
Deep Learning Platforms and Software Libraries
Deep Learning in ROS
Using Big Data in Your Robot
Big data concepts
Approaches to data analysis
Big Data tooling
Recognizing patterns in the data
Exercise: NLP and Computer Vision on large data sets
Using Big Data in Your Robot (Continued...)
Distributed processing of large data sets
Coexistence and cross-fertilization of Big Data and Robotics
The robot as a generator of data
Range measuring sensors, position, visual, tactile sensors, and other modalities
Making sense of sensory data (sense-plan-act loop)
Exercise: Capturing streaming data
Programming an Autonomous Deep Learning Robot
Deep Learning robot components
Setting up the robot simulator
Running a CUDA-accelerated neural network with Cafe
Troubleshooting
Week 06
Programming an Autonomous Deep Learning Robot (Continued...)
Recognizing objects in photographs or video streams
Enabling computer vision with OpenCV
Troubleshooting
Data Analytics
Using the robot to collect and organize new data
Tools and processes for making sense of the data
Deploying a Robot
Transitioning a simulated robot to physical hardware
Deploying the robot in the physical world
Monitoring and servicing robots in the field
Securing Your Robot
Preventing unauthorized tampering
Preventing hackers from viewing and stealing sensitive data
Building a Robot Collaboratively
Building a robot in the cloud
Joining the robotics community
Future Outlook for Robots in the Science and Energy Field
Summary and Conclusion
[language] => en
[duration] => 120
[status] => published
[changed] => 1700037744
[source_title] => AI and Robotics for Nuclear - Extended
[source_language] => en
[cert_code] =>
[weight] => 0.3
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
)
[es] => stdClass Object
(
[course_code] => airoboticsfornuclear
[hr_nid] => 361343
[title] => AI and Robotics for Nuclear - Extended
[requirements] =>
[overview] =>
Robotics y Artificial Intelligence (AI) son poderosas herramientas para el desarrollo de sistemas de seguridad en instalaciones nucleares.
En este entrenamiento guiado por instructores, en vivo (online o on-site), los participantes aprenderán las diferentes tecnologías, marco y técnicas para la programación de diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas ambientales.
El curso de 6 semanas se lleva a cabo 5 días por semana. Cada día es de 4 horas y consiste en conferencias, discusiones y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán diversos proyectos del mundo real aplicables a su trabajo con el fin de practicar sus conocimientos adquiridos.
El hardware objetivo para este curso será simulado en 3D a través de software de simulación. El ROS (Robot Operating System) marco de código abierto, C++ y Python se utilizará para la programación de los robots.
Al final de este curso, los participantes podrán:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre software y hardware en un sistema robótico.
Comprender y implementar los componentes de software que sustentan la robótica.
Construir y operar un robot mecánico simulado que pueda ver, sentir, procesar, navegar y interactuar con los humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (aprendizaje de máquina, aprendizaje profundo, etc.) Para construir un robot inteligente.
Los filtros de implementación (Kalman y Particle) permiten al robot localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno desconocido.
Extender la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Testar y resolver problemas a un robot en escenarios realistas.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para personalizar cualquier parte de este curso (linguaje de programación, modelo de robots, etc.) Por favor, póngase en contacto con nosotros para organizar.
[category_overview] =>
En esta formación en directo dirigida por un instructor en <loc> (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 6 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Amplíe la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Pruebe y solucione problemas de un robot en escenarios realistas.
An understanding of basic AI concepts and applications
Experience with data management and IT security principles is beneficial
Audience
IT professionals and managers
Data scientists and AI developers
Business leaders and policymakers
[overview] =>
AI TRiSM is an emerging field that addresses the need for trustworthiness, risk management, and security in AI systems.
This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level IT professionals who wish to understand and implement AI TRiSM in their organizations.
By the end of this training, participants will be able to:
Grasp the key concepts and importance of AI trust, risk, and security management.
Identify and mitigate risks associated with AI systems.
Implement security best practices for AI.
Understand regulatory compliance and ethical considerations for AI.
Develop strategies for effective AI governance and management.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To request a customized training for this course, please contact us to arrange.
[category_overview] =>
This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level IT professionals who wish to understand and implement AI TRiSM in their organizations.
By the end of this training, participants will be able to:
Grasp the key concepts and importance of AI trust, risk, and security management.
Identify and mitigate risks associated with AI systems.
Implement security best practices for AI.
Understand regulatory compliance and ethical considerations for AI.
Develop strategies for effective AI governance and management.
[outline] =>
Understanding AI TRiSM
Introduction to AI TRiSM
The importance of trust and security in AI
Overview of AI risks and challenges
Foundations of Trustworthy AI
Principles of AI trustworthiness
Ensuring fairness, reliability, and robustness in AI systems
AI ethics and governance
Risk Management in AI
Identifying and assessing AI risks
Mitigation strategies for AI-related risks
AI risk management frameworks
Security Aspects of AI
AI and cybersecurity
Protecting AI systems from attacks
Secure AI development lifecycle
Compliance and Data Protection
Regulatory landscape for AI
AI compliance with data privacy laws
Data encryption and secure storage in AI systems
AI Model Governance
Governance structures for AI
Monitoring and auditing AI models
Transparency and explainability in AI
Implementing AI TRiSM
Best practices for implementing AI TRiSM
Case studies and real-world examples
Tools and technologies for AI TRiSM
Future of AI TRiSM
Emerging trends in AI TRiSM
Preparing for the future of AI in business
Continuous learning and adaptation in AI TRiSM
Summary and Next Steps
[language] => en
[duration] => 21
[status] => published
[changed] => 1713560667
[source_title] => Introduction to AI Trust, Risk, and Security Management (AI TRiSM)
[source_language] => en
[cert_code] =>
[weight] => -1004
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
)
[es] => stdClass Object
(
[course_code] => aitrism
[hr_nid] => 477915
[title] => Introduction to AI Trust, Risk, and Security Management (AI TRiSM)
[requirements] =>
[overview] =>
AI TRiSM es un campo emergente que aborda la necesidad de confiabilidad, gestión de riesgos y seguridad en los sistemas de IA.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
Basic knowledge of search engines and artificial intelligence concepts would be beneficial.
Audience
Digital marketers
Content creators
Web developers
Data analysts
[overview] =>
Bing AI is Microsoft's integration of artificial intelligence into its search engine, Bing. This course provides an introduction to Bing AI and how it leverages AI technologies to enhance search results and user experiences. Participants will gain insights into the various AI-powered features and functionalities available in Bing, including Bing AI Chatbot.
This instructor-led, live training (online or onsite) is aimed at digital marketers, content creators, and developers who wish to understand the impact of AI on search engines, explore the capabilities of Bing AI, and learn about chatbot technologies and their applications.
By the end of this training, participants will be able to:
Understand the principles and benefits of Bing AI.
Identify the AI-powered features within Bing and their applications.
Utilize Bing AI to enhance search results and user experiences.
Evaluate the potential of AI in search engine optimization (SEO) and content creation.
Explore chatbot technologies and their applications, including Bing AI Chatbot.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To request a customized training for this course, please contact us to arrange.
[category_overview] =>
This instructor-led, live training in <loc> (online or onsite) is aimed at digital marketers, content creators, and developers who wish to understand the impact of AI on search engines, explore the capabilities of Bing AI, and learn about chatbot technologies and their applications.
By the end of this training, participants will be able to:
Understand the principles and benefits of Bing AI.
Identify the AI-powered features within Bing and their applications.
Utilize Bing AI to enhance search results and user experiences.
Evaluate the potential of AI in search engine optimization (SEO) and content creation.
Explore chatbot technologies and their applications, including Bing AI Chatbot.
[outline] =>
Introduction
What is Bing AI and its significance in search engines?
Bing AI vs. traditional search engines
Overview of Bing AI features and architecture
Exploring the impact of AI on search engine technology
Understanding Bing AI
The lifecycle of a search query in Bing
How Bing AI integrates artificial intelligence into the search process
Key AI technologies utilized by Bing, such as natural language processing and machine learning
Getting Started
Accessing Bing AI: Web browser-based search
Exploring AI-powered search enhancements in Bing
Understanding the role of AI in delivering relevant search results
Bing AI Features and Functionalities
Intelligent Answers: Providing concise answers to user queries
Intelligent Image Search: Leveraging AI for visual search and image recognition
Intelligent Video Search: Enhancing video search capabilities with AI algorithms
Intelligent Autocomplete: Utilizing AI to suggest search queries in real-time
Intelligent Indexing: Enhancing search relevance and retrieval through AI-driven indexing
Bing AI Chatbot
Introduction to chatbot technologies
Overview of Bing AI Chatbot
Building conversational interactions with Bing AI Chatbot
Applications of Bing AI Chatbot in customer support, information retrieval, and more
Integrating Bing AI with SEO and Content Creation
Optimizing web content for Bing AI
Leveraging AI-powered features for search engine optimization
Creating content that aligns with Bing AI's capabilities
Evaluating the impact of Bing AI on search engine marketing strategies
Troubleshooting and Best Practices
Common issues and challenges when working with Bing AI
Troubleshooting techniques for improving search results
Best practices for leveraging Bing AI effectively
Summary and Next Steps
Recap of key learnings and takeaways from the course
Resources for further exploration and learning opportunities in Bing AI, chatbot technologies, and related topics
Bing AI es la integración de inteligencia artificial de Microsoft en su motor de búsqueda, Bing. Este curso proporciona una introducción a Bing AI y cómo aprovecha las tecnologías de AI para mejorar los resultados de búsqueda y las experiencias de los usuarios. Los participantes obtendrán información sobre las diversas características y funcionalidades impulsadas por IA disponibles en Bing, incluido Bing AI Chatbot.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que desean comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones. .
Al finalizar esta capacitación, los participantes podrán:
Comprenda los principios y beneficios de Bing AI.
Identifique las funciones impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice Bing AI para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenido.
Explore las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que deseen comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los principios y las ventajas de Bing AI.
Identifique las características impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice la IA de Bing para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenidos.
Explora las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
IBM Cloud Pak for Data is a multi-cloud software platform for collecting, organizing and analyzing data for use in AI.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use IBM Cloud Pak to prepare data for use in AI solutions.
By the end of this training, participants will be able to:
Install and configure Cloud Pak for Data.
Unify the collection, organization and analysis of data.
Integrate Cloud Pak for Data with a variety of services to solve common business problems.
Implement workflows for collaborating with team members on the development of an AI solution.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To request a customized training for this course, please contact us to arrange.
[category_overview] =>
This instructor-led, live training in <loc> (online or onsite) is aimed at data scientists who wish to use IBM Cloud Pak to prepare data for use in AI solutions.
By the end of this training, participants will be able to:
Install and configure Cloud Pak for Data.
Unify the collection, organization and analysis of data.
Integrate Cloud Pak for Data with a variety of services to solve common business problems.
Implement workflows for collaborating with team members on the development of an AI solution.
[outline] =>
Introduction
Overview of Cloud Pac for Data Features and Architecture
Red Hat OpenShift Container Platform
Containers, Kubernetes, and Helm
Red Hat OpenShift security
Setting up Cloud Pac for Data
Pre-installation tasks
Installation
Post-installation tasks
Setting up a Workflows
Setting up roles and permissions for collaboration
Creating a workflow
Searching and requesting data
Collecting Data
Connecting to a data source
Adding data to a project
Organizing Data
Working with catalogs
Curating catalog data
Governing data to comply with regulations
Automating the discovery process
Preparing Data
Transforming data
Refining data
Virtualizing data
Analyzing Data
Analyzing data using notebooks
Analyzing data using other tools
Analyzing data automatically using AutoAI
Implementing an AI Solution
Building a machine learning model
Deploying the model
Validating the model
Monitoring the model
Integrating Cloud Data Pac with Other Services
Finding services in a catalog
Finding services outside a catalog
Integrating IBM Cloud Pak for Data with other applications
Administering Cloud Data Pac
Managing an IBM Cloud Pak for Data cluster
Managing an IBM Cloud Pak for Data web client
Uninstalling Cloud Pak for Data
Troubleshooting
Summary and Conclusion
[language] => en
[duration] => 14
[status] => published
[changed] => 1700037632
[source_title] => IBM Cloud Pak for Data
[source_language] => en
[cert_code] =>
[weight] => -982
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
)
[es] => stdClass Object
(
[course_code] => ibmcloudpak
[hr_nid] => 341811
[title] => IBM Cloud Pak for Data
[requirements] =>
[overview] =>
IBM Cloud Pak for Data es una plataforma de software multi-cloud para la recopilación, organización y análisis de datos para uso en la IA.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a científicos de datos que desean utilizar IBM Cloud Pak para preparar los datos para su uso en soluciones de inteligencia artificial.
Al final de este curso, los participantes podrán:
Instalar y configurar Cloud Pak para datos.
Unificar la recopilación, organización y análisis de datos.
Integrar Cloud Pak for Data con una variedad de servicios para resolver problemas comerciales comunes.
Implementar flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta formación en vivo dirigida por un instructor en <loc> (en línea o in situ) está dirigida a científicos de datos que deseen utilizar IBM Cloud Pak para preparar datos para su uso en soluciones de IA.
Al final de esta capacitación, los participantes serán capaces de:
Instale y configure Cloud Pak for Data.
Unificar la recopilación, organización y análisis de datos.
Integre Cloud Pak for Data con una variedad de servicios para resolver problemas empresariales comunes.
Implemente flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
An understanding of artificial intelligence (AI) concepts and principles
Experience with 3D design software such as AutoCAD, Revit, or 3ds Max
Basic programming experience (optional)
Audience
Developers
Architects
[overview] =>
Intelligent driving is a type of driving that uses AI and multi-sensor information fusion to provide guidance and feedback to drivers who want to drive safely and efficiently in complex and dynamic environments.
This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level developers and architects who wish to learn the fundamentals of intelligent driving and how to apply them to real-world scenarios.
By the end of this training, participants will be able to:
Explain the basic concepts and principles of AI and how it can be applied to driving.
Understand the architecture and components of intelligent driving systems.
Create and visualize a composite driving model from different design disciplines.
Communicate and annotate issues and feedback within the model.
Perform clash detection and resolution between driving scenarios.
Simulate and control driving schedules and costs.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To request a customized training for this course, please contact us to arrange.
[category_overview] =>
This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level developers and architects who wish to learn the fundamentals of intelligent driving and how to apply them to real-world scenarios.
By the end of this training, participants will be able to:
Explain the basic concepts and principles of AI and how it can be applied to driving.
Understand the architecture and components of intelligent driving systems.
Create and visualize a composite driving model from different design disciplines.
Communicate and annotate issues and feedback within the model.
Perform clash detection and resolution between driving scenarios.
Simulate and control driving schedules and costs.
[outline] =>
Introduction
What is intelligent driving and why use it?
Intelligent driving vs traditional driving
Overview of intelligent driving features and architecture
Navigating the intelligent driving interface and workspace
Understanding AI and Multi-Sensor Information Fusion
Intelligent driving session lifecycle
AI and multi-sensor information fusion for intelligent driving
Creating and importing 3D files for intelligent driving
Driving Skills and Techniques
Practicing driving skills and techniques
Adjusting the driving settings
Measuring, tagging, commenting, and markup
Driving Scenarios and Situations
Practicing driving scenarios and situations
Identifying and responding to potential hazards and risks
Following and applying the road rules and regulations
Dealing with complex and dynamic driving environments
Driving Performance and Evaluation
Analyzing and evaluating driving performance, behavior, and feedback
Creating and demonstrating animations of driving sessions
Creating and viewing images and videos of driving sessions
Performing clash detection tests and checking the integrity of driving sessions
Driving Integration and Application
Integrating the knowledge and skills learned with real-world driving situations and challenges
Connecting and collaborating with other drivers and instructors
Obtaining and creating material estimates for driving sessions
Creating and animating driving timelines and checking the validity of driving schedules
La conducción inteligente es un tipo de conducción que utiliza la IA y la fusión de información multisensor para proporcionar orientación y comentarios a los conductores que desean conducir de forma segura y eficiente en entornos complejos y dinámicos.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
An understanding of the importance of software testing
Audience
Software Testers
[overview] =>
Software testing is the process of evaluating the validity of a software application's functionality. Integrating artificial intelligence into the software testing environment enables the process to be AI driven, speeding up authoring, execution, and maintenance of tests.
This instructor-led, live training (online or onsite) is aimed at software testers who wish to have an AI driven software testing environment.
By the end of this training, participants will be able to:
Automate unit test generation and parameterization with AI.
Apply machine learning learning in a real world use-case.
Automate the generation and maintenance of API tests with AI.
Use machine learning methods to self-heal the execution of Selenium tests.
Format of the Course
Interactive lecture and discussion.
Lots of exercises and practice.
Hands-on implementation in a live-lab environment.
Course Customization Options
To request a customized training for this course, please contact us to arrange.
[category_overview] =>
This instructor-led, live training in <loc> (online or onsite) is aimed at software testers who wish to have an AI driven software testing environment.
By the end of this training, participants will be able to:
Automate unit test generation and parameterization with AI.
Apply machine learning learning in a real world use-case.
Automate the generation and maintenance of API tests with AI.
Use machine learning methods to self-heal the execution of Selenium tests.
[outline] =>
Day One:
Introduction
What is AI
Computational Psychology
Computational Philosophy
Machine Learning
Computational learning theory
Computer algorithms for computational experience
Deep Learning
Artificial neural networks
Deep learning vs. machine learning
Day Two:
Preparing the Development Environment
Installing and configuring Parasoft Jtest
Installing and configuring Parasoft SOATest's Smart API Test Generator
Las pruebas de software son el proceso de evaluar la validez de la funcionalidad de una aplicación de software. La integración de la inteligencia artificial en el entorno de pruebas de software permite que el proceso se prome de IA, acelerando la creación, la ejecución y el mantenimiento de las pruebas.
Este instructor de formación en vivo (in situ o remoto) está dirigido a los probadores de software que desean tener un entorno de pruebas de software impulsado por IA.
Al final de esta formación, los participantes podrán:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatice la generación y el mantenimiento de pruebas de API con IA.
Utilice métodos de aprendizaje automático para autocurar la ejecución de pruebas de Selenium.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a probadores de software que desean tener un entorno de prueba de software impulsado por IA.
Al final de esta capacitación, los participantes serán capaces de:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatiza la generación y el mantenimiento de las pruebas de API con IA.
Utilice métodos de aprendizaje automático para reparar automáticamente la ejecución de Selenium pruebas.
No se requiere experiencia previa en la creación de imágenes de IA
Audiencia
Artistas y diseñadores digitales
Creadores de contenido de imágenes
Diseñadores gráficos
Entusiastas de la IA interesados en la creación de imágenes y retratos parlantes
[overview] =>
Leonardo AI es un potente generador de texto a imágenes impulsado por IA. Puede resultar beneficioso en diversos campos, incluidos el arte, el diseño, la publicidad y el entretenimiento.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a artistas digitales y entusiastas de la inteligencia artificial que deseen utilizar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al finalizar esta capacitación, los participantes podrán:
Genere imágenes impresionantes usando Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con modelos ajustados existentes en Leonardo AI.
Realice la generación de imagen a imagen y la generación de mensajes complejos.
Utilice el lienzo AI para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes usando D-ID.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a artistas digitales y entusiastas de la IA que deseen usar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al final de esta capacitación, los participantes serán capaces de:
Genere imágenes impresionantes con Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con la creación de modelos ajustados en Leonardo AI.
Lleve a cabo la generación de imagen
a imagen y la generación de mensajes complejos.
Utilice AI Canvas para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes con D-ID.
[outline] =>
Introducción
¿Qué es Leonardo AI?
El beneficio de usar Leonardo AI
Descripción general de Leonardo AI características y arquitectura
Comprensión Leonardo AI
Explorando Leonardo AI herramientas y recursos
Cómo funciona el generador de texto a imagen con IA
Ejemplo de imágenes generadas en Leonardo AI
Escribir indicaciones precisas y efectivas
Empezar
Configuración de las herramientas necesarias
Creación de una Leonardo AI cuenta
Exploración de todas las funciones en el panel de control Leonardo AI
Entrenamiento de sus propios modelos
Entrene conjuntos de datos para crear sus propios modelos
Exploración de modelos ajustados existentes
Generación de imágenes con Leonardo AI
Generación de imágenes en Leonardo AI
Generación de imágenes mediante conjuntos de datos entrenados
Realización de la generación de imagen a imagen
Generación de mensajes complejos
Llevar a cabo la edición avanzada de imágenes
Combinación de imágenes con AI Canvas
Comprender los retratos parlantes de IA
Introducción a D-ID
Registrarse en D-ID
Creación de retratos parlantes de IA
Producción de imágenes para retratos parlantes de IA
Creación de un script con ChatGPT para generar contenido
Transformación de texto en audio con Bigspeak AI
Creación de retratos parlantes con D-ID
Implementación de Leonardo AI en sus flujos de trabajo
Identificación de casos de uso para Leonardo AI en varios campos
Desarrollo de flujos de trabajo para su uso Leonardo AI en sus proyectos
Optimización del rendimiento y la eficiencia
Mejores prácticas y consideraciones éticas
Consejos para usar Leonardo AI de manera efectiva
Evitar el sesgo y garantizar el uso ético de Leonardo AI
Desarrollos y tendencias futuros en la generación de imágenes de IA
An understanding of software development processes and methodologies
Experience with programming in Python
Basic knowledge of machine learning concepts
Audience
Software developers
Software engineers
Technical leads and managers
[overview] =>
AI-Augmented Software Engineering (AIASE) es la aplicación de la inteligencia artificial para mejorar y automatizar tareas dentro del proceso de ingeniería de software.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
[outline] =>
Introduction to AIASE
Overview of AI in software engineering
History and evolution of AIASE
Key concepts and terminology
AI Technologies in Software Development
Machine learning basics
Natural language processing (NLP) for code
Neural networks and deep learning models
Automating Software Development with AI
AI tools for generating boilerplate code
Automated code refactoring and optimization
Functional and unit test code generation
AI-assisted test case design and optimization
Enhancing Code Quality with AI
AI for bug detection and code reviews
Predictive analytics for software maintenance
AI-powered static and dynamic analysis tools
Automated debugging techniques
AI-driven fault localization and repair
AI in DevOps and Continuous Integration/Continuous Deployment (CI/CD)
AI for build optimization and deployment
AI in monitoring and log analysis
Predictive models for CI/CD pipelines
AI-based test automation in CI/CD workflows
AI for real-time error detection and resolution
AI for Documentation and Knowledge Management
Automated generation of docstrings and documentation
Knowledge extraction from codebases
AI for code search and reuse
Ethical Considerations and Challenges
Bias and fairness in AI tools
Intellectual property and licensing issues
Future of AI in software engineering
Hands-On Projects and Case Studies
Working with popular AI tools in software engineering
Case studies of AIASE in industry
Capstone project: Developing an AI-augmented software application
An understanding of basic software development concepts
Experience with a programming language (e.g., Python, JavaScript)
Familiarity with integrated development environments (IDEs)
Audience
Software developers
Technical team leads
Product managers
[overview] =>
Los asistentes de codificación de IA son herramientas diseñadas para mejorar la eficiencia y la creatividad de los desarrolladores de software.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
[outline] =>
Introduction to AI Coding Assistants
Overview of AI in software engineering
History and evolution of AI coding assistants
Key features and capabilities
Technologies Behind AI Coding Assistants
Machine learning and natural language processing
Code analysis and generation algorithms
Integration with development environments
Popular AI Coding Assistant Tools
Comparative study of different tools
Hands-on sessions with tools like GitHub Copilot, IntelliCode, etc.
Community contributions and extensions
Best Practices and Workflow Integration
Incorporating AI assistants into daily workflows
Collaboration with AI assistants
Customizing and training your AI assistant
Case Studies and Real-World Applications
Success stories of AI assistants in development projects
Limitations and challenges
Future trends and developments
Ethical Considerations and Responsible Use
Addressing bias and fairness in AI tools
Intellectual property and code ownership
Privacy and security implications
Project Work
Developing a mini project with the aid of an AI coding assistant
Peer reviews and feedback sessions
Summary and Next Steps
[language] => en
[duration] => 7
[status] => published
[changed] => 1714660961
[source_title] => AI Coding Assistants: Enhancing Developer Productivity
[source_language] => en
[cert_code] =>
[weight] => -1006
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aicodingassistants
)
[aidatascience] => stdClass Object
(
[course_code] => aidatascience
[hr_nid] => 330263
[title] => Introduction to Data Science and AI using Python
[requirements] =>
None
[overview] =>
Esta es una introducción de 5 días a Data Science y AI.
El curso se entrega con ejemplos y ejercicios con Python
[category_overview] =>
[outline] =>
Introduction to Data Science/AI
Knowledge acquisition through data
Knowledge representation
Value creation
Data Science overview
AI ecosystem and new approach to analytics
Key technologies
Data Science workflow
Crisp-dm
Data preparation
Model planning
Model building
Communication
Deployment
Data Science technologies
Languages used for prototyping
Big Data technologies
End to end solutions to common problems
Introduction to Python language
Integrating Python with Spark
AI in Business
AI ecosystem
Ethics of AI
How to drive AI in business
Data sources
Types of data
SQL vs NoSQL
Data Storage
Data preparation
Data Analysis – Statistical approach
Probability
Statistics
Statistical modeling
Applications in business using Python
Machine learning in business
Supervised vs unsupervised
Forecasting problems
Classfication problems
Clustering problems
Anomaly detection
Recommendation engines
Association pattern mining
Solving ML problems with Python language
Deep learning
Problems where traditional ML algorithms fails
Solving complicated problems with Deep Learning
Introduction to Tensorflow
Natural Language processing
Data visualization
Visual reporting outcomes from modeling
Common pitfalls in visualization
Data visualization with Python
From Data to Decision – communication
Making impact: data driven story telling
Influence effectivnes
Managing Data Science projects
[language] => en
[duration] => 35
[status] => published
[changed] => 1700037561
[source_title] => Introduction to Data Science and AI using Python
[source_language] => en
[cert_code] =>
[weight] => -985
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aidatascience
)
[aidm] => stdClass Object
(
[course_code] => aidm
[hr_nid] => 335719
[title] => AI in Digital Marketing
[requirements] =>
An understanding of digital marketing
Audience
Marketers
[overview] =>
La inteligencia artificial (AI) es la inteligencia para las máquinas para realizar tareas específicas mediante el reconocimiento de patrones en los datos. AI permite a los usuarios hacerse el éxito de las campañas de marketing digital.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a los marketingers que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de este curso, los participantes podrán:
Leverage software AI para mejorar la forma en que las marcas se conectan con los usuarios.
Use chatbots para optimizar la experiencia del usuario.
Aumentar la productividad y los ingresos a través de la automatización de tareas.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a especialistas en marketing que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de esta capacitación, los participantes serán capaces de:
Aproveche el software de IA para mejorar la forma en que las marcas se conectan con los usuarios.
Utiliza chatbots para optimizar la experiencia del usuario.
Aumente la productividad y los ingresos a través de la automatización de tareas.
[outline] =>
Introduction
AI in Digital Marketing
What is AIDM?
The application of AIDM
Content Curation and Creation
Streamlining content with AI tools
Working with Curata, BuzzSumo, Crayon, and Scoop-It
Google Cloud AI
Creating and scaling chatbots
Integrating chatbots on a web application
SEO Optimization
Working with Market Brew
Email Task Automation
Automating email tasks with Siftrock
Tracking and Reporting
Tracking and reporting user behavior with BlueShift
Tracking and reporting data from social media platforms with Zoomph
Summary and Conclusion
[language] => en
[duration] => 7
[status] => published
[changed] => 1700037602
[source_title] => AI in Digital Marketing
[source_language] => en
[cert_code] =>
[weight] => 0
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aidm
)
[aiformanagers] => stdClass Object
(
[course_code] => aiformanagers
[hr_nid] => 356467
[title] => Inteligencia Artificial (IA) para Directivos
[requirements] =>
Familiarity with programming
Basic understanding of algorithms
Audience
Business leaders
Project managers
[overview] =>
Es la simulación de la inteligencia humana en las máquinas que están programadas para pensar y actuar como los humanos. Cubre una variedad de tecnologías, como el aprendizaje de máquina y el aprendizaje profundo, y se utiliza para diversas aplicaciones empresariales y corporativas para resolver los desafíos y necesidades de la organización.
Este entrenamiento dirigido por instructores, en vivo (online o on-site) está dirigido a los gerentes y líderes de negocios que desean aprender sobre los fundamentos de la inteligencia artificial y gestionar proyectos de inteligencia artificial para su organización.
Al final de esta formación, los participantes podrán entender la IA a nivel técnico y estratégizar utilizando los datos y los recursos de su organización para gestionar con éxito proyectos de IA.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes y líderes empresariales que deseen aprender sobre los fundamentos de la inteligencia artificial y administrar proyectos de IA para su organización.
Al final de esta formación, los participantes serán capaces de entender la IA a nivel técnico y elaborar estrategias utilizando los datos y recursos de su organización para gestionar con éxito los proyectos de IA.
[outline] =>
Introduction
Overview of Artificial Intelligence (AI)
Machine learning systems
Exploring Applications for AI
AI in the corporate context
Learning About the Technology of AI
Underfit and overfit, classification, and regularization
Basic understanding of computer science and engineering
Familiarity with probability concepts and linear algebra
Audience
Engineers
[overview] =>
Robotics es un área de inteligencia artificial (AI) que se ocupa de la programación y el diseño de máquinas inteligentes y eficientes.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean programar y crear robots a través de métodos básicos de inteligencia artificial.
Al final de este curso, los participantes podrán:
Implementación de filtros (Kalman y partículas) para que el robot pueda localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno desconocido.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros que desean programar y crear robots a través de métodos básicos de IA.
Al final de esta capacitación, los participantes serán capaces de:
Implemente filtros (Kalman y partículas) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
[outline] =>
Introduction
Overview of Artificial Intelligence (AI) and Robotics
Computer-simulated versus physical
Robotics as a branch of AI
Applications for AI in robotics
Understanding Localization
Locating your robot
Using sensors to assess location and environment
Probability exercises
Learning About Robot Motion
Exact and inexact motions
Sense and move functions
Using Probability Tools
Bayes’ rule
Theorem of total probability
Estimating Vehicle State Using Kalman Filter
Gaussian processes
Measurement and motion
Kalman filtering (code, prediction, design, and matrices)
Artificial Intelligence (AI) es una rama de la informática que se centra en el desarrollo de máquinas inteligentes capaces de realizar tareas que normalmente requieren inteligencia humana y tiene como objetivo simular procesos cognitivos similares a los humanos.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo utilizarla de manera efectiva y responsable.
Al finalizar esta capacitación, los participantes podrán:
Aprenda el concepto de Artificial Intelligence (AI).
Comprenda los límites y peligros de la IA y utilícela de manera responsable.
Sepa cómo utilizar eficazmente la IA en escenarios del mundo real.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo usarlo de manera efectiva y responsable.
Al final de esta capacitación, los participantes podrán:
Aprende el concepto de Artificial Intelligence (AI). Comprenda los límites y los peligros de la IA y utilícela de manera responsable. Sepa cómo usar efectivamente la IA en escenarios del mundo real.
[outline] =>
Introduction
Definition and scope of Artificial Intelligence (AI)
Historical and key milestones
Ethical Considerations and Future Trends in AI
Ethical challenges in AI development and deployment
Bias and fairness in AI algorithms
Explainable AI and interpretability
Future trends and advancements in AI research
Overview of the Uses of AI
Problem-solving using AI techniques
Machine learning and its applications
Basics of artificial neural networks
Deep learning
Natural Language Processing (NLP)
Computer vision
Robotics
AI in healthcare
AI in finance
Effective uses and impact of AI
Privacy Protection and Compliant use of AI
Importance of data privacy and protection in AI applications
Laws and regulations related to data privacy
Importance of transparency and explainability in AI systems
Consent and user rights
Security risks and vulnerabilities in AI applications
Overview of regulatory frameworks governing AI
Compliance requirements for AI systems in specific industries
Impact of AI regulations on privacy protection and compliant use
Best practices for ensuring compliant use of AI and privacy protection
Summary and next steps
[language] => en
[duration] => 35
[status] => published
[changed] => 1700037953
[source_title] => Introduction to Artificial Intelligence (AI)
[source_language] => en
[cert_code] =>
[weight] => -1002
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aiintroduction
)
[airoboticsfornuclear] => stdClass Object
(
[course_code] => airoboticsfornuclear
[hr_nid] => 361343
[title] => AI and Robotics for Nuclear - Extended
[requirements] =>
Programming experience in C or C++
Programming experience in Python (useful but not necessary; can be taught as part of course)
Experience with Linux command line
Audience
Developers
Engineers
Scientists
Technicians
[overview] =>
Robotics y Artificial Intelligence (AI) son poderosas herramientas para el desarrollo de sistemas de seguridad en instalaciones nucleares.
En este entrenamiento guiado por instructores, en vivo (online o on-site), los participantes aprenderán las diferentes tecnologías, marco y técnicas para la programación de diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas ambientales.
El curso de 6 semanas se lleva a cabo 5 días por semana. Cada día es de 4 horas y consiste en conferencias, discusiones y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán diversos proyectos del mundo real aplicables a su trabajo con el fin de practicar sus conocimientos adquiridos.
El hardware objetivo para este curso será simulado en 3D a través de software de simulación. El ROS (Robot Operating System) marco de código abierto, C++ y Python se utilizará para la programación de los robots.
Al final de este curso, los participantes podrán:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre software y hardware en un sistema robótico.
Comprender y implementar los componentes de software que sustentan la robótica.
Construir y operar un robot mecánico simulado que pueda ver, sentir, procesar, navegar y interactuar con los humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (aprendizaje de máquina, aprendizaje profundo, etc.) Para construir un robot inteligente.
Los filtros de implementación (Kalman y Particle) permiten al robot localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno desconocido.
Extender la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Testar y resolver problemas a un robot en escenarios realistas.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para personalizar cualquier parte de este curso (linguaje de programación, modelo de robots, etc.) Por favor, póngase en contacto con nosotros para organizar.
[category_overview] =>
En esta formación en directo dirigida por un instructor en <loc> (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 6 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Amplíe la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Pruebe y solucione problemas de un robot en escenarios realistas.
[outline] =>
Week 01
Introduction
What Makes a Robot smart?
Physical vs Virtual Robots
Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA), etc.
The Role of Artificial Intelligence (AI) in Robotics
Beyond "if-then-else" and the learning machine
The algorithms behind AI
Machine learning, computer vision, natural language processing (NLP), etc.
Cognitive robotics
The Role of Big Data in Robotics
Decision-making based on data and patterns
The Cloud and Robotics
Linking robotics with IT
Building more functional robots that access more information and collaborate
Architecture: workspace, topics, messages, services, nodes, actionlibs, tools, etc.
Languages for Programming a Robot
C++ for low level controlling
Python for orchestration
Programming ROS nodes in Python and C ++
Other languages
Tools for Simulating a Physical Robot
Commercial and open source 3D simulation and visualization software
Week 02
Preparing the Development Environment
Software installation and setup
Useful packages and utilities
Case Study: Mechanical Robots
Robots in the nuclear technology field
Robots in environmental systems
Programming the Robot
Programming a node in Python and C ++
Understanding ROS node
Messages and topics in ROS
Publication / subscription paradigm
Project: Bump & Go with real robot
Troubleshooting
Simulation of robots with Gazebo / ROS
Frames in ROS and reference changes
2D information processing of cameras with OpenCV
Information processing of a laser
Project: Safe tracking of objects by color
Troubleshooting
Week 03
Programming the Robot (Continued...)
Services in ROS
3D information processing of RGB-D sensors with PCL
Maps and Navigation with ROS
Project: Search for objects in the environment
Troubleshooting
Programming the Robot (Continued...)
ActionLib
Speech Recognition and Speech Generation
Controlling robotic arms with MoveIt!
Controlling robotic neck for active vision
Project: Search and collection of objects
Troubleshooting
Testing Your Robot
Unit testing
Week 04
Extending a Robot's Capabilities with Deep Learning
Perception -- vision, audio, and haptics
Knowledge representation
Voice recognition through NLP (natural language processing)
Computer vision
Crash Course in Deep Learning
Artificial Neural Networks (ANNs)
Artificial Neural Networks vs. Biological Neural Networks
Feedforward Neural Networks
Activation Functions
Training Artificial Neural Networks
Crash Course in Deep Learning (Continued...)
Deep Learning Models
Convolutional Networks and Recurrent Networks
Convolutional Neural Networks (CNNs or ConvNets)
Convolution Layer
Pooling Layer
Convolutional Neural Networks Architecture
Week 05
Crash Course in Deep Learning (Continued...)
Recurrent Neural Networks (RNN)
Training an RNN
Stabilizing gradients during training
Long short-term memory networks
Deep Learning Platforms and Software Libraries
Deep Learning in ROS
Using Big Data in Your Robot
Big data concepts
Approaches to data analysis
Big Data tooling
Recognizing patterns in the data
Exercise: NLP and Computer Vision on large data sets
Using Big Data in Your Robot (Continued...)
Distributed processing of large data sets
Coexistence and cross-fertilization of Big Data and Robotics
The robot as a generator of data
Range measuring sensors, position, visual, tactile sensors, and other modalities
Making sense of sensory data (sense-plan-act loop)
Exercise: Capturing streaming data
Programming an Autonomous Deep Learning Robot
Deep Learning robot components
Setting up the robot simulator
Running a CUDA-accelerated neural network with Cafe
Troubleshooting
Week 06
Programming an Autonomous Deep Learning Robot (Continued...)
Recognizing objects in photographs or video streams
Enabling computer vision with OpenCV
Troubleshooting
Data Analytics
Using the robot to collect and organize new data
Tools and processes for making sense of the data
Deploying a Robot
Transitioning a simulated robot to physical hardware
Deploying the robot in the physical world
Monitoring and servicing robots in the field
Securing Your Robot
Preventing unauthorized tampering
Preventing hackers from viewing and stealing sensitive data
Building a Robot Collaboratively
Building a robot in the cloud
Joining the robotics community
Future Outlook for Robots in the Science and Energy Field
Summary and Conclusion
[language] => en
[duration] => 120
[status] => published
[changed] => 1700037744
[source_title] => AI and Robotics for Nuclear - Extended
[source_language] => en
[cert_code] =>
[weight] => 0.3
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => airoboticsfornuclear
)
[airoboticsnuclear] => stdClass Object
(
[course_code] => airoboticsnuclear
[hr_nid] => 361295
[title] => AI and Robotics for Nuclear
[requirements] =>
Programming experience in C or C++
Programming experience in Python (useful but not necessary; can be taught as part of course)
Experience with Linux command line
Audience
Developers
Engineers
Scientists
Technicians
[overview] =>
Robotics y Artificial Intelligence (AI) son poderosas herramientas para el
desarrollo de sistemas de seguridad en instalaciones nucleares.
En este entrenamiento guiado por instructores, en vivo (online o on-site), los
participantes aprenderán las diferentes tecnologías, marco y técnicas para la
programación de diferentes tipos de robots que se utilizarán en el campo de la
tecnología nuclear y los sistemas ambientales.
El curso de 4 semanas se lleva a cabo 5 días a la semana. Cada día es de 4
horas y consiste en conferencias, discusiones y desarrollo práctico de robots
en un entorno de laboratorio en vivo. Los participantes completarán diversos
proyectos del mundo real aplicables a su trabajo con el fin de practicar sus
conocimientos adquiridos.
El hardware objetivo para este curso será simulado en 3D a través de software
de simulación. El código se cargará luego en hardware físico (Arduino o otro)
para la prueba de implementación final. El ROS (Robot Operating System) marco
de código abierto, C++ y Python se utilizará para la programación de los
robots.
Al final de este curso, los participantes podrán:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre software y hardware en un
sistema robótico.
Comprender y implementar los componentes de software que sustentan la
robótica.
Construir y operar un robot mecánico simulado que pueda ver, sentir,
procesar, navegar y interactuar con los humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial
(aprendizaje de máquina, aprendizaje profundo, etc.) Para construir un robot
inteligente.
Los filtros de implementación (Kalman y Particle) permiten al robot
localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot
dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno
desconocido.
Testar y resolver problemas a un robot en escenarios realistas.
Formato del curso
Lecciones y discusiones interactivas. Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Sobre el hardware
Los kites de hardware serán confirmados por el instructor antes del
entrenamiento. Los kitos contendrán más o menos los siguientes componentes:
Arduino El Consejo
Controlador Motor
Sensor de distancia
El esclavo Bluetooth
El prototipo de la placa y los cables
Cable USB
El vehículo kit
Los participantes tendrán que proporcionar su propio hardware.
Opciones de Customización de Curso
Para personalizar cualquier parte de este curso (linguaje de programación,
modelo de robots, microcontroller, etc.) Por favor, póngase en contacto con
nosotros para organizar.
[category_overview] =>
En esta formación en directo dirigida por un instructor en <loc> (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 4 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. A continuación, el código se cargará en el hardware físico (Arduino u otro) para realizar las pruebas finales de implementación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Pruebe y solucione problemas de un robot en escenarios realistas.
[outline] =>
Week 01
Day 01
Introduction
What Makes a Robot smart?
Physical vs Virtual Robots
Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA), etc.
The Role of Artificial Intelligence (AI) in Robotics
Beyond "if-then-else" and the learning machine
The algorithms behind AI
Machine learning, computer vision, natural language processing (NLP), etc.
Cognitive robotics
Day 02
The Role of Big Data in Robotics
Decision-making based on data and patterns
The Cloud and Robotics
Linking robotics with IT
Building more functional robots that access more information and collaborate
Architecture: workspace, topics, messages, services, nodes, actionlibs, tools, etc.
Languages for Programming a Robot
C++ for low level controlling
Python for orchestration
Programming ROS nodes in Python and C ++
Other languages
Day 05
Tools for Simulating a Physical Robot
Commercial and open source 3D simulation and visualization software
Tools for Designing the Physical Characteristics of a Robot
Commercial and open source CAD software
Case Study: Mechanical Robots
Robots in the nuclear technology field
Robots in environmental systems
Week 02
Day 06
Crash Course in Python
Software installation and setup
Useful packages and utilities
Working with Python data structures, operators, loops, conditionals, functions, methods, etc.
Writing a sample program
Team project
Day 07
Preparing for Robot Development
Setting up the development environment (e.g., Arduino IDE)
Exploring the Arduino language (C/C++) syntax
Coding, compiling, and uploading to the microcontroller
Assembling the hardware components of an Arduino robot
Day 08
Working with Arduino Components
Analog sensors
Digital sensors
Working with Arduino Communication Modules
Bluetooth Modules
Wi-Fi Modules
RFID Modules
I2C and SPI
Mobile internet
Day 09
Constructing a Robot
Planning the features and characteristics of a robot
Implementing robot movement
Team project
Discussion and review
Day 10
Controlling the Robot
Implementing the controller
Connecting to the robot (wired and wirelessly)
Team Project
Discussion and review
Week 03
Day 11
Programming the Robot
Simulating a robot with Gazebo / ROS
Understanding ROS node
Programming a node in Python and C ++
Messages and topics in ROS
Publication / subscription paradigm
Team Project
Bump & Go with real robot
Discussion and review
Day 12
Programming the Robot (continued...)
Frames in ROS and reference changes
2D information processing of cameras with OpenCV
Information processing of a laser
Team Project
Safe tracking of objects by color
Discussion and review
Day 13
Testing the Robot
Tools for testing your code
Unit testing
Creating a test suite
Automating your tests
Troubleshooting
Team Project
Safe tracking of objects by color
Discussion and review
Day 14
Programming the Robot (Continued...)
Services in ROS
3D information processing of RGB-D sensors with PCL
Maps and Navigation with ROS
Day 15
Programming the Robot (Continued...)
Completing tasks with ActionLib
Team Project
Search for objects in the environment
Week 04
Day 16
Programming the Robot (Continued...)
Completing tasks with ActionLib
Day 17
Programming the Robot (Continued...)
Speech Recognition and Speech Generation
Troubleshooting
Team Project
Controlling a robot using voice
Day 18
Programming the Robot (Continued...)
Controlling robotic arms with MoveIt!
Controlling robotic neck for active vision
Troubleshooting
Team Project
Search and collection of objects
Day 19
Deploying the Robot
Deploying the robot in the physical world
Monitoring and servicing robots in the field
Using a mobile app to control a robot
Securing the Robot
Preventing unauthorized tampering
Preventing hackers from viewing and stealing sensitive data
Day 20
Data Analytics
Collecting and organizing data generated by the robot
Making sense of the data through visualization tools and processes
Building a Robot Collaboratively
Building a robot in the cloud
Building a mobile app to interact with your robot
Joining the robotics community
Future Outlook for Robots in the Science and Energy Field
Summary and Conclusion
[language] => en
[duration] => 80
[status] => published
[changed] => 1700037743
[source_title] => AI and Robotics for Nuclear
[source_language] => en
[cert_code] =>
[weight] => 0.2
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => airoboticsnuclear
)
[aisoc_lbg] => stdClass Object
(
[course_code] => aisoc_lbg
[hr_nid] => 281710
[title] => AI en los negocios y la sociedad y el futuro de la IA - AI / Robótica
[requirements] =>
No hay requisitos específicos necesarios para asistir a este curso.
[overview] =>
Esta es una sesión de capacitación basada en el aula en una presentación y formato de preguntas y respuestas
[category_overview] =>
[outline] =>
1. Introducción
Impactos de las tecnologías de IA en la sociedad humana
Expectativas y preocupaciones con respecto a las tecnologías de IA
Las características de las tecnologías de IA difieren de las tecnologías anteriores
AI y Macroeconomía: tecnología y crecimiento de la productividad
2. Trabajo y automatización
Investigación por sector y tarea
AI y la naturaleza del trabajo
Desigualdad y redistribución
Impacto en el empleo y la fuerza de trabajo
Diversificar los efectos potenciales
3. Sesgo e inclusión
De dónde proviene el sesgo
El campo de IA no es diverso
Desarrollos recientes en Bias Research
Estrategias emergentes para abordar el sesgo
4. Derechos y libertades
Registros de población y poder computacional
Enredos Corporativos y Gubernamentales
AI y el sistema legal
AI y privacidad
5. Ética y gobernabilidad
Preocupaciones éticas en la IA
AI refleja sus orígenes
Códigos éticos
Desafíos e inquietudes que siguen adelante
6. Resumen de las cuestiones que se abordarán
Cuestiones éticas
Asuntos legales
Problemas económicos
Problemas educativos
Problemas sociales
Problemas de investigación y desarrollo
7. El futuro y los desafíos de la IA
Economía de la automatización controlada por AI
AI y el mercado laboral
Mal uso
Impredecibilidad
[language] => es
[duration] => 7
[status] => published
[changed] => 1700037416
[source_title] => AI in business and Society & The future of AI - AI/Robotics
[source_language] => en
[cert_code] =>
[weight] => 0
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] => 1
[field_prerequisits] => 1
[field_overview_in_category] =>
)
[cc] => aisoc_lbg
)
[aitrism] => stdClass Object
(
[course_code] => aitrism
[hr_nid] => 477915
[title] => Introduction to AI Trust, Risk, and Security Management (AI TRiSM)
[requirements] =>
An understanding of basic AI concepts and applications
Experience with data management and IT security principles is beneficial
Audience
IT professionals and managers
Data scientists and AI developers
Business leaders and policymakers
[overview] =>
AI TRiSM es un campo emergente que aborda la necesidad de confiabilidad, gestión de riesgos y seguridad en los sistemas de IA.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
[outline] =>
Understanding AI TRiSM
Introduction to AI TRiSM
The importance of trust and security in AI
Overview of AI risks and challenges
Foundations of Trustworthy AI
Principles of AI trustworthiness
Ensuring fairness, reliability, and robustness in AI systems
AI ethics and governance
Risk Management in AI
Identifying and assessing AI risks
Mitigation strategies for AI-related risks
AI risk management frameworks
Security Aspects of AI
AI and cybersecurity
Protecting AI systems from attacks
Secure AI development lifecycle
Compliance and Data Protection
Regulatory landscape for AI
AI compliance with data privacy laws
Data encryption and secure storage in AI systems
AI Model Governance
Governance structures for AI
Monitoring and auditing AI models
Transparency and explainability in AI
Implementing AI TRiSM
Best practices for implementing AI TRiSM
Case studies and real-world examples
Tools and technologies for AI TRiSM
Future of AI TRiSM
Emerging trends in AI TRiSM
Preparing for the future of AI in business
Continuous learning and adaptation in AI TRiSM
Summary and Next Steps
[language] => en
[duration] => 21
[status] => published
[changed] => 1713560667
[source_title] => Introduction to AI Trust, Risk, and Security Management (AI TRiSM)
[source_language] => en
[cert_code] =>
[weight] => -1004
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aitrism
)
[bingai] => stdClass Object
(
[course_code] => bingai
[hr_nid] => 438055
[title] => Introduction to Bing AI: Enhancing Search with Artificial Intelligence
[requirements] =>
No prerequisites required.
Basic knowledge of search engines and artificial intelligence concepts would be beneficial.
Audience
Digital marketers
Content creators
Web developers
Data analysts
[overview] =>
Bing AI es la integración de inteligencia artificial de Microsoft en su motor de búsqueda, Bing. Este curso proporciona una introducción a Bing AI y cómo aprovecha las tecnologías de AI para mejorar los resultados de búsqueda y las experiencias de los usuarios. Los participantes obtendrán información sobre las diversas características y funcionalidades impulsadas por IA disponibles en Bing, incluido Bing AI Chatbot.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que desean comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones. .
Al finalizar esta capacitación, los participantes podrán:
Comprenda los principios y beneficios de Bing AI.
Identifique las funciones impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice Bing AI para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenido.
Explore las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que deseen comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los principios y las ventajas de Bing AI.
Identifique las características impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice la IA de Bing para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenidos.
Explora las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
[outline] =>
Introduction
What is Bing AI and its significance in search engines?
Bing AI vs. traditional search engines
Overview of Bing AI features and architecture
Exploring the impact of AI on search engine technology
Understanding Bing AI
The lifecycle of a search query in Bing
How Bing AI integrates artificial intelligence into the search process
Key AI technologies utilized by Bing, such as natural language processing and machine learning
Getting Started
Accessing Bing AI: Web browser-based search
Exploring AI-powered search enhancements in Bing
Understanding the role of AI in delivering relevant search results
Bing AI Features and Functionalities
Intelligent Answers: Providing concise answers to user queries
Intelligent Image Search: Leveraging AI for visual search and image recognition
Intelligent Video Search: Enhancing video search capabilities with AI algorithms
Intelligent Autocomplete: Utilizing AI to suggest search queries in real-time
Intelligent Indexing: Enhancing search relevance and retrieval through AI-driven indexing
Bing AI Chatbot
Introduction to chatbot technologies
Overview of Bing AI Chatbot
Building conversational interactions with Bing AI Chatbot
Applications of Bing AI Chatbot in customer support, information retrieval, and more
Integrating Bing AI with SEO and Content Creation
Optimizing web content for Bing AI
Leveraging AI-powered features for search engine optimization
Creating content that aligns with Bing AI's capabilities
Evaluating the impact of Bing AI on search engine marketing strategies
Troubleshooting and Best Practices
Common issues and challenges when working with Bing AI
Troubleshooting techniques for improving search results
Best practices for leveraging Bing AI effectively
Summary and Next Steps
Recap of key learnings and takeaways from the course
Resources for further exploration and learning opportunities in Bing AI, chatbot technologies, and related topics
[language] => en
[duration] => 14
[status] => published
[changed] => 1700037932
[source_title] => Introduction to Bing AI: Enhancing Search with Artificial Intelligence
[source_language] => en
[cert_code] =>
[weight] => -1001
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => bingai
)
[ibmcloudpak] => stdClass Object
(
[course_code] => ibmcloudpak
[hr_nid] => 341811
[title] => IBM Cloud Pak for Data
[requirements] =>
Experience with data processing and AI concepts
Audience
Data Scientists
Business Analysts
Data Engineers
Developers
System Administrators
[overview] =>
IBM Cloud Pak for Data es una plataforma de software multi-cloud para la recopilación, organización y análisis de datos para uso en la IA.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a científicos de datos que desean utilizar IBM Cloud Pak para preparar los datos para su uso en soluciones de inteligencia artificial.
Al final de este curso, los participantes podrán:
Instalar y configurar Cloud Pak para datos.
Unificar la recopilación, organización y análisis de datos.
Integrar Cloud Pak for Data con una variedad de servicios para resolver problemas comerciales comunes.
Implementar flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta formación en vivo dirigida por un instructor en <loc> (en línea o in situ) está dirigida a científicos de datos que deseen utilizar IBM Cloud Pak para preparar datos para su uso en soluciones de IA.
Al final de esta capacitación, los participantes serán capaces de:
Instale y configure Cloud Pak for Data.
Unificar la recopilación, organización y análisis de datos.
Integre Cloud Pak for Data con una variedad de servicios para resolver problemas empresariales comunes.
Implemente flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
[outline] =>
Introduction
Overview of Cloud Pac for Data Features and Architecture
Red Hat OpenShift Container Platform
Containers, Kubernetes, and Helm
Red Hat OpenShift security
Setting up Cloud Pac for Data
Pre-installation tasks
Installation
Post-installation tasks
Setting up a Workflows
Setting up roles and permissions for collaboration
Creating a workflow
Searching and requesting data
Collecting Data
Connecting to a data source
Adding data to a project
Organizing Data
Working with catalogs
Curating catalog data
Governing data to comply with regulations
Automating the discovery process
Preparing Data
Transforming data
Refining data
Virtualizing data
Analyzing Data
Analyzing data using notebooks
Analyzing data using other tools
Analyzing data automatically using AutoAI
Implementing an AI Solution
Building a machine learning model
Deploying the model
Validating the model
Monitoring the model
Integrating Cloud Data Pac with Other Services
Finding services in a catalog
Finding services outside a catalog
Integrating IBM Cloud Pak for Data with other applications
Administering Cloud Data Pac
Managing an IBM Cloud Pak for Data cluster
Managing an IBM Cloud Pak for Data web client
Uninstalling Cloud Pak for Data
Troubleshooting
Summary and Conclusion
[language] => en
[duration] => 14
[status] => published
[changed] => 1700037632
[source_title] => IBM Cloud Pak for Data
[source_language] => en
[cert_code] =>
[weight] => -982
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => ibmcloudpak
)
[intelligentdriving] => stdClass Object
(
[course_code] => intelligentdriving
[hr_nid] => 474087
[title] => Fundamentals of Intelligent Driving
[requirements] =>
An understanding of artificial intelligence (AI) concepts and principles
Experience with 3D design software such as AutoCAD, Revit, or 3ds Max
Basic programming experience (optional)
Audience
Developers
Architects
[overview] =>
La conducción inteligente es un tipo de conducción que utiliza la IA y la fusión de información multisensor para proporcionar orientación y comentarios a los conductores que desean conducir de forma segura y eficiente en entornos complejos y dinámicos.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
[outline] =>
Introduction
What is intelligent driving and why use it?
Intelligent driving vs traditional driving
Overview of intelligent driving features and architecture
Navigating the intelligent driving interface and workspace
Understanding AI and Multi-Sensor Information Fusion
Intelligent driving session lifecycle
AI and multi-sensor information fusion for intelligent driving
Creating and importing 3D files for intelligent driving
Driving Skills and Techniques
Practicing driving skills and techniques
Adjusting the driving settings
Measuring, tagging, commenting, and markup
Driving Scenarios and Situations
Practicing driving scenarios and situations
Identifying and responding to potential hazards and risks
Following and applying the road rules and regulations
Dealing with complex and dynamic driving environments
Driving Performance and Evaluation
Analyzing and evaluating driving performance, behavior, and feedback
Creating and demonstrating animations of driving sessions
Creating and viewing images and videos of driving sessions
Performing clash detection tests and checking the integrity of driving sessions
Driving Integration and Application
Integrating the knowledge and skills learned with real-world driving situations and challenges
Connecting and collaborating with other drivers and instructors
Obtaining and creating material estimates for driving sessions
Creating and animating driving timelines and checking the validity of driving schedules
An understanding of the importance of software testing
Audience
Software Testers
[overview] =>
Las pruebas de software son el proceso de evaluar la validez de la funcionalidad de una aplicación de software. La integración de la inteligencia artificial en el entorno de pruebas de software permite que el proceso se prome de IA, acelerando la creación, la ejecución y el mantenimiento de las pruebas.
Este instructor de formación en vivo (in situ o remoto) está dirigido a los probadores de software que desean tener un entorno de pruebas de software impulsado por IA.
Al final de esta formación, los participantes podrán:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatice la generación y el mantenimiento de pruebas de API con IA.
Utilice métodos de aprendizaje automático para autocurar la ejecución de pruebas de Selenium.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a probadores de software que desean tener un entorno de prueba de software impulsado por IA.
Al final de esta capacitación, los participantes serán capaces de:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatiza la generación y el mantenimiento de las pruebas de API con IA.
Utilice métodos de aprendizaje automático para reparar automáticamente la ejecución de Selenium pruebas.
[outline] =>
Day One:
Introduction
What is AI
Computational Psychology
Computational Philosophy
Machine Learning
Computational learning theory
Computer algorithms for computational experience
Deep Learning
Artificial neural networks
Deep learning vs. machine learning
Day Two:
Preparing the Development Environment
Installing and configuring Parasoft Jtest
Installing and configuring Parasoft SOATest's Smart API Test Generator
Leonardo AI es un potente generador de texto a imágenes impulsado por IA. Puede resultar beneficioso en diversos campos, incluidos el arte, el diseño, la publicidad y el entretenimiento.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a artistas digitales y entusiastas de la inteligencia artificial que deseen utilizar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al finalizar esta capacitación, los participantes podrán:
Genere imágenes impresionantes usando Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con modelos ajustados existentes en Leonardo AI.
Realice la generación de imagen a imagen y la generación de mensajes complejos.
Utilice el lienzo AI para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes usando D-ID.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Programa del Curso
Introducción
¿Qué es Leonardo AI?
El beneficio de usar Leonardo AI
Descripción general de Leonardo AI características y arquitectura
Comprensión Leonardo AI
Explorando Leonardo AI herramientas y recursos
Cómo funciona el generador de texto a imagen con IA
Ejemplo de imágenes generadas en Leonardo AI
Escribir indicaciones precisas y efectivas
Empezar
Configuración de las herramientas necesarias
Creación de una Leonardo AI cuenta
Exploración de todas las funciones en el panel de control Leonardo AI
Entrenamiento de sus propios modelos
Entrene conjuntos de datos para crear sus propios modelos
Exploración de modelos ajustados existentes
Generación de imágenes con Leonardo AI
Generación de imágenes en Leonardo AI
Generación de imágenes mediante conjuntos de datos entrenados
Realización de la generación de imagen a imagen
Generación de mensajes complejos
Llevar a cabo la edición avanzada de imágenes
Combinación de imágenes con AI Canvas
Comprender los retratos parlantes de IA
Introducción a D-ID
Registrarse en D-ID
Creación de retratos parlantes de IA
Producción de imágenes para retratos parlantes de IA
Creación de un script con ChatGPT para generar contenido
Transformación de texto en audio con Bigspeak AI
Creación de retratos parlantes con D-ID
Implementación de Leonardo AI en sus flujos de trabajo
Identificación de casos de uso para Leonardo AI en varios campos
Desarrollo de flujos de trabajo para su uso Leonardo AI en sus proyectos
Optimización del rendimiento y la eficiencia
Mejores prácticas y consideraciones éticas
Consejos para usar Leonardo AI de manera efectiva
Evitar el sesgo y garantizar el uso ético de Leonardo AI
Desarrollos y tendencias futuros en la generación de imágenes de IA
Resumen y próximos pasos
Requerimientos
No se requiere experiencia previa en la creación de imágenes de IA
Audiencia
Artistas y diseñadores digitales
Creadores de contenido de imágenes
Diseñadores gráficos
Entusiastas de la IA interesados en la creación de imágenes y retratos parlantes
14 horas
Cursos de Leonardo AI: Creating AI Images and Talking Portraits - Booking
Cursos de Leonardo AI: Creating AI Images and Talking Portraits - CONSULTA
Leonardo AI: Creating AI Images and Talking Portraits - Consultas
Testimonios (2)
Ejemplos y ejercicios
Kamil
Curso - Introduction to Data Science and AI using Python
Esta capacitación en vivo dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
Esta capacitación en vivo dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
Esta capacitación en vivo dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a especialistas en marketing que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de esta capacitación, los participantes serán capaces de:
Aproveche el software de IA para mejorar la forma en que las marcas se conectan con los usuarios.
Utiliza chatbots para optimizar la experiencia del usuario.
Aumente la productividad y los ingresos a través de la automatización de tareas.
Esta capacitación en vivo dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a gerentes y líderes empresariales que deseen aprender sobre los fundamentos de la inteligencia artificial y administrar proyectos de IA para su organización.
Al final de esta formación, los participantes serán capaces de entender la IA a nivel técnico y elaborar estrategias utilizando los datos y recursos de su organización para gestionar con éxito los proyectos de IA.
Esta capacitación en vivo dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a ingenieros que desean programar y crear robots a través de métodos básicos de IA.
Al final de esta capacitación, los participantes serán capaces de:
Implemente filtros (Kalman y partículas) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Esta capacitación en vivo dirigida por un instructor en Venezuela (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo usarlo de manera efectiva y responsable.
Al final de esta capacitación, los participantes podrán:
Aprende el concepto de Artificial Intelligence (AI). Comprenda los límites y los peligros de la IA y utilícela de manera responsable. Sepa cómo usar efectivamente la IA en escenarios del mundo real.
En esta formación en directo dirigida por un instructor en Venezuela (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 6 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Amplíe la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Pruebe y solucione problemas de un robot en escenarios realistas.
En esta formación en directo dirigida por un instructor en Venezuela (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 4 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. A continuación, el código se cargará en el hardware físico (Arduino u otro) para realizar las pruebas finales de implementación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Pruebe y solucione problemas de un robot en escenarios realistas.
Esta capacitación en vivo dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
Esta capacitación en vivo dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que deseen comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los principios y las ventajas de Bing AI.
Identifique las características impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice la IA de Bing para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenidos.
Explora las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
Esta formación en vivo dirigida por un instructor en Venezuela (en línea o in situ) está dirigida a científicos de datos que deseen utilizar IBM Cloud Pak para preparar datos para su uso en soluciones de IA.
Al final de esta capacitación, los participantes serán capaces de:
Instale y configure Cloud Pak for Data.
Unificar la recopilación, organización y análisis de datos.
Integre Cloud Pak for Data con una variedad de servicios para resolver problemas empresariales comunes.
Implemente flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
Esta capacitación en vivo dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
Esta capacitación en vivo dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a probadores de software que desean tener un entorno de prueba de software impulsado por IA.
Al final de esta capacitación, los participantes serán capaces de:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatiza la generación y el mantenimiento de las pruebas de API con IA.
Utilice métodos de aprendizaje automático para reparar automáticamente la ejecución de Selenium pruebas.
No se requiere experiencia previa en la creación de imágenes de IA
Audiencia
Artistas y diseñadores digitales
Creadores de contenido de imágenes
Diseñadores gráficos
Entusiastas de la IA interesados en la creación de imágenes y retratos parlantes
[overview] =>
Leonardo AI es un potente generador de texto a imágenes impulsado por IA. Puede resultar beneficioso en diversos campos, incluidos el arte, el diseño, la publicidad y el entretenimiento.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a artistas digitales y entusiastas de la inteligencia artificial que deseen utilizar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al finalizar esta capacitación, los participantes podrán:
Genere imágenes impresionantes usando Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con modelos ajustados existentes en Leonardo AI.
Realice la generación de imagen a imagen y la generación de mensajes complejos.
Utilice el lienzo AI para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes usando D-ID.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a artistas digitales y entusiastas de la IA que deseen usar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al final de esta capacitación, los participantes serán capaces de:
Genere imágenes impresionantes con Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con la creación de modelos ajustados en Leonardo AI.
Lleve a cabo la generación de imagen
a imagen y la generación de mensajes complejos.
Utilice AI Canvas para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes con D-ID.
[outline] =>
Introducción
¿Qué es Leonardo AI?
El beneficio de usar Leonardo AI
Descripción general de Leonardo AI características y arquitectura
Comprensión Leonardo AI
Explorando Leonardo AI herramientas y recursos
Cómo funciona el generador de texto a imagen con IA
Ejemplo de imágenes generadas en Leonardo AI
Escribir indicaciones precisas y efectivas
Empezar
Configuración de las herramientas necesarias
Creación de una Leonardo AI cuenta
Exploración de todas las funciones en el panel de control Leonardo AI
Entrenamiento de sus propios modelos
Entrene conjuntos de datos para crear sus propios modelos
Exploración de modelos ajustados existentes
Generación de imágenes con Leonardo AI
Generación de imágenes en Leonardo AI
Generación de imágenes mediante conjuntos de datos entrenados
Realización de la generación de imagen a imagen
Generación de mensajes complejos
Llevar a cabo la edición avanzada de imágenes
Combinación de imágenes con AI Canvas
Comprender los retratos parlantes de IA
Introducción a D-ID
Registrarse en D-ID
Creación de retratos parlantes de IA
Producción de imágenes para retratos parlantes de IA
Creación de un script con ChatGPT para generar contenido
Transformación de texto en audio con Bigspeak AI
Creación de retratos parlantes con D-ID
Implementación de Leonardo AI en sus flujos de trabajo
Identificación de casos de uso para Leonardo AI en varios campos
Desarrollo de flujos de trabajo para su uso Leonardo AI en sus proyectos
Optimización del rendimiento y la eficiencia
Mejores prácticas y consideraciones éticas
Consejos para usar Leonardo AI de manera efectiva
Evitar el sesgo y garantizar el uso ético de Leonardo AI
Desarrollos y tendencias futuros en la generación de imágenes de IA
An understanding of software development processes and methodologies
Experience with programming in Python
Basic knowledge of machine learning concepts
Audience
Software developers
Software engineers
Technical leads and managers
[overview] =>
AI-Augmented Software Engineering (AIASE) es la aplicación de la inteligencia artificial para mejorar y automatizar tareas dentro del proceso de ingeniería de software.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
[outline] =>
Introduction to AIASE
Overview of AI in software engineering
History and evolution of AIASE
Key concepts and terminology
AI Technologies in Software Development
Machine learning basics
Natural language processing (NLP) for code
Neural networks and deep learning models
Automating Software Development with AI
AI tools for generating boilerplate code
Automated code refactoring and optimization
Functional and unit test code generation
AI-assisted test case design and optimization
Enhancing Code Quality with AI
AI for bug detection and code reviews
Predictive analytics for software maintenance
AI-powered static and dynamic analysis tools
Automated debugging techniques
AI-driven fault localization and repair
AI in DevOps and Continuous Integration/Continuous Deployment (CI/CD)
AI for build optimization and deployment
AI in monitoring and log analysis
Predictive models for CI/CD pipelines
AI-based test automation in CI/CD workflows
AI for real-time error detection and resolution
AI for Documentation and Knowledge Management
Automated generation of docstrings and documentation
Knowledge extraction from codebases
AI for code search and reuse
Ethical Considerations and Challenges
Bias and fairness in AI tools
Intellectual property and licensing issues
Future of AI in software engineering
Hands-On Projects and Case Studies
Working with popular AI tools in software engineering
Case studies of AIASE in industry
Capstone project: Developing an AI-augmented software application
An understanding of basic software development concepts
Experience with a programming language (e.g., Python, JavaScript)
Familiarity with integrated development environments (IDEs)
Audience
Software developers
Technical team leads
Product managers
[overview] =>
Los asistentes de codificación de IA son herramientas diseñadas para mejorar la eficiencia y la creatividad de los desarrolladores de software.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
[outline] =>
Introduction to AI Coding Assistants
Overview of AI in software engineering
History and evolution of AI coding assistants
Key features and capabilities
Technologies Behind AI Coding Assistants
Machine learning and natural language processing
Code analysis and generation algorithms
Integration with development environments
Popular AI Coding Assistant Tools
Comparative study of different tools
Hands-on sessions with tools like GitHub Copilot, IntelliCode, etc.
Community contributions and extensions
Best Practices and Workflow Integration
Incorporating AI assistants into daily workflows
Collaboration with AI assistants
Customizing and training your AI assistant
Case Studies and Real-World Applications
Success stories of AI assistants in development projects
Limitations and challenges
Future trends and developments
Ethical Considerations and Responsible Use
Addressing bias and fairness in AI tools
Intellectual property and code ownership
Privacy and security implications
Project Work
Developing a mini project with the aid of an AI coding assistant
Peer reviews and feedback sessions
Summary and Next Steps
[language] => en
[duration] => 7
[status] => published
[changed] => 1714660961
[source_title] => AI Coding Assistants: Enhancing Developer Productivity
[source_language] => en
[cert_code] =>
[weight] => -1006
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aicodingassistants
)
[aidatascience] => stdClass Object
(
[course_code] => aidatascience
[hr_nid] => 330263
[title] => Introduction to Data Science and AI using Python
[requirements] =>
None
[overview] =>
Esta es una introducción de 5 días a Data Science y AI.
El curso se entrega con ejemplos y ejercicios con Python
[category_overview] =>
[outline] =>
Introduction to Data Science/AI
Knowledge acquisition through data
Knowledge representation
Value creation
Data Science overview
AI ecosystem and new approach to analytics
Key technologies
Data Science workflow
Crisp-dm
Data preparation
Model planning
Model building
Communication
Deployment
Data Science technologies
Languages used for prototyping
Big Data technologies
End to end solutions to common problems
Introduction to Python language
Integrating Python with Spark
AI in Business
AI ecosystem
Ethics of AI
How to drive AI in business
Data sources
Types of data
SQL vs NoSQL
Data Storage
Data preparation
Data Analysis – Statistical approach
Probability
Statistics
Statistical modeling
Applications in business using Python
Machine learning in business
Supervised vs unsupervised
Forecasting problems
Classfication problems
Clustering problems
Anomaly detection
Recommendation engines
Association pattern mining
Solving ML problems with Python language
Deep learning
Problems where traditional ML algorithms fails
Solving complicated problems with Deep Learning
Introduction to Tensorflow
Natural Language processing
Data visualization
Visual reporting outcomes from modeling
Common pitfalls in visualization
Data visualization with Python
From Data to Decision – communication
Making impact: data driven story telling
Influence effectivnes
Managing Data Science projects
[language] => en
[duration] => 35
[status] => published
[changed] => 1700037561
[source_title] => Introduction to Data Science and AI using Python
[source_language] => en
[cert_code] =>
[weight] => -985
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aidatascience
)
[aidm] => stdClass Object
(
[course_code] => aidm
[hr_nid] => 335719
[title] => AI in Digital Marketing
[requirements] =>
An understanding of digital marketing
Audience
Marketers
[overview] =>
La inteligencia artificial (AI) es la inteligencia para las máquinas para realizar tareas específicas mediante el reconocimiento de patrones en los datos. AI permite a los usuarios hacerse el éxito de las campañas de marketing digital.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a los marketingers que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de este curso, los participantes podrán:
Leverage software AI para mejorar la forma en que las marcas se conectan con los usuarios.
Use chatbots para optimizar la experiencia del usuario.
Aumentar la productividad y los ingresos a través de la automatización de tareas.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a especialistas en marketing que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de esta capacitación, los participantes serán capaces de:
Aproveche el software de IA para mejorar la forma en que las marcas se conectan con los usuarios.
Utiliza chatbots para optimizar la experiencia del usuario.
Aumente la productividad y los ingresos a través de la automatización de tareas.
[outline] =>
Introduction
AI in Digital Marketing
What is AIDM?
The application of AIDM
Content Curation and Creation
Streamlining content with AI tools
Working with Curata, BuzzSumo, Crayon, and Scoop-It
Google Cloud AI
Creating and scaling chatbots
Integrating chatbots on a web application
SEO Optimization
Working with Market Brew
Email Task Automation
Automating email tasks with Siftrock
Tracking and Reporting
Tracking and reporting user behavior with BlueShift
Tracking and reporting data from social media platforms with Zoomph
Summary and Conclusion
[language] => en
[duration] => 7
[status] => published
[changed] => 1700037602
[source_title] => AI in Digital Marketing
[source_language] => en
[cert_code] =>
[weight] => 0
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aidm
)
[aiformanagers] => stdClass Object
(
[course_code] => aiformanagers
[hr_nid] => 356467
[title] => Inteligencia Artificial (IA) para Directivos
[requirements] =>
Familiarity with programming
Basic understanding of algorithms
Audience
Business leaders
Project managers
[overview] =>
Es la simulación de la inteligencia humana en las máquinas que están programadas para pensar y actuar como los humanos. Cubre una variedad de tecnologías, como el aprendizaje de máquina y el aprendizaje profundo, y se utiliza para diversas aplicaciones empresariales y corporativas para resolver los desafíos y necesidades de la organización.
Este entrenamiento dirigido por instructores, en vivo (online o on-site) está dirigido a los gerentes y líderes de negocios que desean aprender sobre los fundamentos de la inteligencia artificial y gestionar proyectos de inteligencia artificial para su organización.
Al final de esta formación, los participantes podrán entender la IA a nivel técnico y estratégizar utilizando los datos y los recursos de su organización para gestionar con éxito proyectos de IA.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes y líderes empresariales que deseen aprender sobre los fundamentos de la inteligencia artificial y administrar proyectos de IA para su organización.
Al final de esta formación, los participantes serán capaces de entender la IA a nivel técnico y elaborar estrategias utilizando los datos y recursos de su organización para gestionar con éxito los proyectos de IA.
[outline] =>
Introduction
Overview of Artificial Intelligence (AI)
Machine learning systems
Exploring Applications for AI
AI in the corporate context
Learning About the Technology of AI
Underfit and overfit, classification, and regularization
Basic understanding of computer science and engineering
Familiarity with probability concepts and linear algebra
Audience
Engineers
[overview] =>
Robotics es un área de inteligencia artificial (AI) que se ocupa de la programación y el diseño de máquinas inteligentes y eficientes.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean programar y crear robots a través de métodos básicos de inteligencia artificial.
Al final de este curso, los participantes podrán:
Implementación de filtros (Kalman y partículas) para que el robot pueda localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno desconocido.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros que desean programar y crear robots a través de métodos básicos de IA.
Al final de esta capacitación, los participantes serán capaces de:
Implemente filtros (Kalman y partículas) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
[outline] =>
Introduction
Overview of Artificial Intelligence (AI) and Robotics
Computer-simulated versus physical
Robotics as a branch of AI
Applications for AI in robotics
Understanding Localization
Locating your robot
Using sensors to assess location and environment
Probability exercises
Learning About Robot Motion
Exact and inexact motions
Sense and move functions
Using Probability Tools
Bayes’ rule
Theorem of total probability
Estimating Vehicle State Using Kalman Filter
Gaussian processes
Measurement and motion
Kalman filtering (code, prediction, design, and matrices)
Artificial Intelligence (AI) es una rama de la informática que se centra en el desarrollo de máquinas inteligentes capaces de realizar tareas que normalmente requieren inteligencia humana y tiene como objetivo simular procesos cognitivos similares a los humanos.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo utilizarla de manera efectiva y responsable.
Al finalizar esta capacitación, los participantes podrán:
Aprenda el concepto de Artificial Intelligence (AI).
Comprenda los límites y peligros de la IA y utilícela de manera responsable.
Sepa cómo utilizar eficazmente la IA en escenarios del mundo real.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo usarlo de manera efectiva y responsable.
Al final de esta capacitación, los participantes podrán:
Aprende el concepto de Artificial Intelligence (AI). Comprenda los límites y los peligros de la IA y utilícela de manera responsable. Sepa cómo usar efectivamente la IA en escenarios del mundo real.
[outline] =>
Introduction
Definition and scope of Artificial Intelligence (AI)
Historical and key milestones
Ethical Considerations and Future Trends in AI
Ethical challenges in AI development and deployment
Bias and fairness in AI algorithms
Explainable AI and interpretability
Future trends and advancements in AI research
Overview of the Uses of AI
Problem-solving using AI techniques
Machine learning and its applications
Basics of artificial neural networks
Deep learning
Natural Language Processing (NLP)
Computer vision
Robotics
AI in healthcare
AI in finance
Effective uses and impact of AI
Privacy Protection and Compliant use of AI
Importance of data privacy and protection in AI applications
Laws and regulations related to data privacy
Importance of transparency and explainability in AI systems
Consent and user rights
Security risks and vulnerabilities in AI applications
Overview of regulatory frameworks governing AI
Compliance requirements for AI systems in specific industries
Impact of AI regulations on privacy protection and compliant use
Best practices for ensuring compliant use of AI and privacy protection
Summary and next steps
[language] => en
[duration] => 35
[status] => published
[changed] => 1700037953
[source_title] => Introduction to Artificial Intelligence (AI)
[source_language] => en
[cert_code] =>
[weight] => -1002
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aiintroduction
)
[airoboticsfornuclear] => stdClass Object
(
[course_code] => airoboticsfornuclear
[hr_nid] => 361343
[title] => AI and Robotics for Nuclear - Extended
[requirements] =>
Programming experience in C or C++
Programming experience in Python (useful but not necessary; can be taught as part of course)
Experience with Linux command line
Audience
Developers
Engineers
Scientists
Technicians
[overview] =>
Robotics y Artificial Intelligence (AI) son poderosas herramientas para el desarrollo de sistemas de seguridad en instalaciones nucleares.
En este entrenamiento guiado por instructores, en vivo (online o on-site), los participantes aprenderán las diferentes tecnologías, marco y técnicas para la programación de diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas ambientales.
El curso de 6 semanas se lleva a cabo 5 días por semana. Cada día es de 4 horas y consiste en conferencias, discusiones y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán diversos proyectos del mundo real aplicables a su trabajo con el fin de practicar sus conocimientos adquiridos.
El hardware objetivo para este curso será simulado en 3D a través de software de simulación. El ROS (Robot Operating System) marco de código abierto, C++ y Python se utilizará para la programación de los robots.
Al final de este curso, los participantes podrán:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre software y hardware en un sistema robótico.
Comprender y implementar los componentes de software que sustentan la robótica.
Construir y operar un robot mecánico simulado que pueda ver, sentir, procesar, navegar y interactuar con los humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (aprendizaje de máquina, aprendizaje profundo, etc.) Para construir un robot inteligente.
Los filtros de implementación (Kalman y Particle) permiten al robot localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno desconocido.
Extender la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Testar y resolver problemas a un robot en escenarios realistas.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para personalizar cualquier parte de este curso (linguaje de programación, modelo de robots, etc.) Por favor, póngase en contacto con nosotros para organizar.
[category_overview] =>
En esta formación en directo dirigida por un instructor en <loc> (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 6 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Amplíe la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Pruebe y solucione problemas de un robot en escenarios realistas.
[outline] =>
Week 01
Introduction
What Makes a Robot smart?
Physical vs Virtual Robots
Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA), etc.
The Role of Artificial Intelligence (AI) in Robotics
Beyond "if-then-else" and the learning machine
The algorithms behind AI
Machine learning, computer vision, natural language processing (NLP), etc.
Cognitive robotics
The Role of Big Data in Robotics
Decision-making based on data and patterns
The Cloud and Robotics
Linking robotics with IT
Building more functional robots that access more information and collaborate
Architecture: workspace, topics, messages, services, nodes, actionlibs, tools, etc.
Languages for Programming a Robot
C++ for low level controlling
Python for orchestration
Programming ROS nodes in Python and C ++
Other languages
Tools for Simulating a Physical Robot
Commercial and open source 3D simulation and visualization software
Week 02
Preparing the Development Environment
Software installation and setup
Useful packages and utilities
Case Study: Mechanical Robots
Robots in the nuclear technology field
Robots in environmental systems
Programming the Robot
Programming a node in Python and C ++
Understanding ROS node
Messages and topics in ROS
Publication / subscription paradigm
Project: Bump & Go with real robot
Troubleshooting
Simulation of robots with Gazebo / ROS
Frames in ROS and reference changes
2D information processing of cameras with OpenCV
Information processing of a laser
Project: Safe tracking of objects by color
Troubleshooting
Week 03
Programming the Robot (Continued...)
Services in ROS
3D information processing of RGB-D sensors with PCL
Maps and Navigation with ROS
Project: Search for objects in the environment
Troubleshooting
Programming the Robot (Continued...)
ActionLib
Speech Recognition and Speech Generation
Controlling robotic arms with MoveIt!
Controlling robotic neck for active vision
Project: Search and collection of objects
Troubleshooting
Testing Your Robot
Unit testing
Week 04
Extending a Robot's Capabilities with Deep Learning
Perception -- vision, audio, and haptics
Knowledge representation
Voice recognition through NLP (natural language processing)
Computer vision
Crash Course in Deep Learning
Artificial Neural Networks (ANNs)
Artificial Neural Networks vs. Biological Neural Networks
Feedforward Neural Networks
Activation Functions
Training Artificial Neural Networks
Crash Course in Deep Learning (Continued...)
Deep Learning Models
Convolutional Networks and Recurrent Networks
Convolutional Neural Networks (CNNs or ConvNets)
Convolution Layer
Pooling Layer
Convolutional Neural Networks Architecture
Week 05
Crash Course in Deep Learning (Continued...)
Recurrent Neural Networks (RNN)
Training an RNN
Stabilizing gradients during training
Long short-term memory networks
Deep Learning Platforms and Software Libraries
Deep Learning in ROS
Using Big Data in Your Robot
Big data concepts
Approaches to data analysis
Big Data tooling
Recognizing patterns in the data
Exercise: NLP and Computer Vision on large data sets
Using Big Data in Your Robot (Continued...)
Distributed processing of large data sets
Coexistence and cross-fertilization of Big Data and Robotics
The robot as a generator of data
Range measuring sensors, position, visual, tactile sensors, and other modalities
Making sense of sensory data (sense-plan-act loop)
Exercise: Capturing streaming data
Programming an Autonomous Deep Learning Robot
Deep Learning robot components
Setting up the robot simulator
Running a CUDA-accelerated neural network with Cafe
Troubleshooting
Week 06
Programming an Autonomous Deep Learning Robot (Continued...)
Recognizing objects in photographs or video streams
Enabling computer vision with OpenCV
Troubleshooting
Data Analytics
Using the robot to collect and organize new data
Tools and processes for making sense of the data
Deploying a Robot
Transitioning a simulated robot to physical hardware
Deploying the robot in the physical world
Monitoring and servicing robots in the field
Securing Your Robot
Preventing unauthorized tampering
Preventing hackers from viewing and stealing sensitive data
Building a Robot Collaboratively
Building a robot in the cloud
Joining the robotics community
Future Outlook for Robots in the Science and Energy Field
Summary and Conclusion
[language] => en
[duration] => 120
[status] => published
[changed] => 1700037744
[source_title] => AI and Robotics for Nuclear - Extended
[source_language] => en
[cert_code] =>
[weight] => 0.3
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => airoboticsfornuclear
)
[airoboticsnuclear] => stdClass Object
(
[course_code] => airoboticsnuclear
[hr_nid] => 361295
[title] => AI and Robotics for Nuclear
[requirements] =>
Programming experience in C or C++
Programming experience in Python (useful but not necessary; can be taught as part of course)
Experience with Linux command line
Audience
Developers
Engineers
Scientists
Technicians
[overview] =>
Robotics y Artificial Intelligence (AI) son poderosas herramientas para el
desarrollo de sistemas de seguridad en instalaciones nucleares.
En este entrenamiento guiado por instructores, en vivo (online o on-site), los
participantes aprenderán las diferentes tecnologías, marco y técnicas para la
programación de diferentes tipos de robots que se utilizarán en el campo de la
tecnología nuclear y los sistemas ambientales.
El curso de 4 semanas se lleva a cabo 5 días a la semana. Cada día es de 4
horas y consiste en conferencias, discusiones y desarrollo práctico de robots
en un entorno de laboratorio en vivo. Los participantes completarán diversos
proyectos del mundo real aplicables a su trabajo con el fin de practicar sus
conocimientos adquiridos.
El hardware objetivo para este curso será simulado en 3D a través de software
de simulación. El código se cargará luego en hardware físico (Arduino o otro)
para la prueba de implementación final. El ROS (Robot Operating System) marco
de código abierto, C++ y Python se utilizará para la programación de los
robots.
Al final de este curso, los participantes podrán:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre software y hardware en un
sistema robótico.
Comprender y implementar los componentes de software que sustentan la
robótica.
Construir y operar un robot mecánico simulado que pueda ver, sentir,
procesar, navegar y interactuar con los humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial
(aprendizaje de máquina, aprendizaje profundo, etc.) Para construir un robot
inteligente.
Los filtros de implementación (Kalman y Particle) permiten al robot
localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot
dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno
desconocido.
Testar y resolver problemas a un robot en escenarios realistas.
Formato del curso
Lecciones y discusiones interactivas. Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Sobre el hardware
Los kites de hardware serán confirmados por el instructor antes del
entrenamiento. Los kitos contendrán más o menos los siguientes componentes:
Arduino El Consejo
Controlador Motor
Sensor de distancia
El esclavo Bluetooth
El prototipo de la placa y los cables
Cable USB
El vehículo kit
Los participantes tendrán que proporcionar su propio hardware.
Opciones de Customización de Curso
Para personalizar cualquier parte de este curso (linguaje de programación,
modelo de robots, microcontroller, etc.) Por favor, póngase en contacto con
nosotros para organizar.
[category_overview] =>
En esta formación en directo dirigida por un instructor en <loc> (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 4 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. A continuación, el código se cargará en el hardware físico (Arduino u otro) para realizar las pruebas finales de implementación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Pruebe y solucione problemas de un robot en escenarios realistas.
[outline] =>
Week 01
Day 01
Introduction
What Makes a Robot smart?
Physical vs Virtual Robots
Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA), etc.
The Role of Artificial Intelligence (AI) in Robotics
Beyond "if-then-else" and the learning machine
The algorithms behind AI
Machine learning, computer vision, natural language processing (NLP), etc.
Cognitive robotics
Day 02
The Role of Big Data in Robotics
Decision-making based on data and patterns
The Cloud and Robotics
Linking robotics with IT
Building more functional robots that access more information and collaborate
Architecture: workspace, topics, messages, services, nodes, actionlibs, tools, etc.
Languages for Programming a Robot
C++ for low level controlling
Python for orchestration
Programming ROS nodes in Python and C ++
Other languages
Day 05
Tools for Simulating a Physical Robot
Commercial and open source 3D simulation and visualization software
Tools for Designing the Physical Characteristics of a Robot
Commercial and open source CAD software
Case Study: Mechanical Robots
Robots in the nuclear technology field
Robots in environmental systems
Week 02
Day 06
Crash Course in Python
Software installation and setup
Useful packages and utilities
Working with Python data structures, operators, loops, conditionals, functions, methods, etc.
Writing a sample program
Team project
Day 07
Preparing for Robot Development
Setting up the development environment (e.g., Arduino IDE)
Exploring the Arduino language (C/C++) syntax
Coding, compiling, and uploading to the microcontroller
Assembling the hardware components of an Arduino robot
Day 08
Working with Arduino Components
Analog sensors
Digital sensors
Working with Arduino Communication Modules
Bluetooth Modules
Wi-Fi Modules
RFID Modules
I2C and SPI
Mobile internet
Day 09
Constructing a Robot
Planning the features and characteristics of a robot
Implementing robot movement
Team project
Discussion and review
Day 10
Controlling the Robot
Implementing the controller
Connecting to the robot (wired and wirelessly)
Team Project
Discussion and review
Week 03
Day 11
Programming the Robot
Simulating a robot with Gazebo / ROS
Understanding ROS node
Programming a node in Python and C ++
Messages and topics in ROS
Publication / subscription paradigm
Team Project
Bump & Go with real robot
Discussion and review
Day 12
Programming the Robot (continued...)
Frames in ROS and reference changes
2D information processing of cameras with OpenCV
Information processing of a laser
Team Project
Safe tracking of objects by color
Discussion and review
Day 13
Testing the Robot
Tools for testing your code
Unit testing
Creating a test suite
Automating your tests
Troubleshooting
Team Project
Safe tracking of objects by color
Discussion and review
Day 14
Programming the Robot (Continued...)
Services in ROS
3D information processing of RGB-D sensors with PCL
Maps and Navigation with ROS
Day 15
Programming the Robot (Continued...)
Completing tasks with ActionLib
Team Project
Search for objects in the environment
Week 04
Day 16
Programming the Robot (Continued...)
Completing tasks with ActionLib
Day 17
Programming the Robot (Continued...)
Speech Recognition and Speech Generation
Troubleshooting
Team Project
Controlling a robot using voice
Day 18
Programming the Robot (Continued...)
Controlling robotic arms with MoveIt!
Controlling robotic neck for active vision
Troubleshooting
Team Project
Search and collection of objects
Day 19
Deploying the Robot
Deploying the robot in the physical world
Monitoring and servicing robots in the field
Using a mobile app to control a robot
Securing the Robot
Preventing unauthorized tampering
Preventing hackers from viewing and stealing sensitive data
Day 20
Data Analytics
Collecting and organizing data generated by the robot
Making sense of the data through visualization tools and processes
Building a Robot Collaboratively
Building a robot in the cloud
Building a mobile app to interact with your robot
Joining the robotics community
Future Outlook for Robots in the Science and Energy Field
Summary and Conclusion
[language] => en
[duration] => 80
[status] => published
[changed] => 1700037743
[source_title] => AI and Robotics for Nuclear
[source_language] => en
[cert_code] =>
[weight] => 0.2
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => airoboticsnuclear
)
[aisoc_lbg] => stdClass Object
(
[course_code] => aisoc_lbg
[hr_nid] => 281710
[title] => AI en los negocios y la sociedad y el futuro de la IA - AI / Robótica
[requirements] =>
No hay requisitos específicos necesarios para asistir a este curso.
[overview] =>
Esta es una sesión de capacitación basada en el aula en una presentación y formato de preguntas y respuestas
[category_overview] =>
[outline] =>
1. Introducción
Impactos de las tecnologías de IA en la sociedad humana
Expectativas y preocupaciones con respecto a las tecnologías de IA
Las características de las tecnologías de IA difieren de las tecnologías anteriores
AI y Macroeconomía: tecnología y crecimiento de la productividad
2. Trabajo y automatización
Investigación por sector y tarea
AI y la naturaleza del trabajo
Desigualdad y redistribución
Impacto en el empleo y la fuerza de trabajo
Diversificar los efectos potenciales
3. Sesgo e inclusión
De dónde proviene el sesgo
El campo de IA no es diverso
Desarrollos recientes en Bias Research
Estrategias emergentes para abordar el sesgo
4. Derechos y libertades
Registros de población y poder computacional
Enredos Corporativos y Gubernamentales
AI y el sistema legal
AI y privacidad
5. Ética y gobernabilidad
Preocupaciones éticas en la IA
AI refleja sus orígenes
Códigos éticos
Desafíos e inquietudes que siguen adelante
6. Resumen de las cuestiones que se abordarán
Cuestiones éticas
Asuntos legales
Problemas económicos
Problemas educativos
Problemas sociales
Problemas de investigación y desarrollo
7. El futuro y los desafíos de la IA
Economía de la automatización controlada por AI
AI y el mercado laboral
Mal uso
Impredecibilidad
[language] => es
[duration] => 7
[status] => published
[changed] => 1700037416
[source_title] => AI in business and Society & The future of AI - AI/Robotics
[source_language] => en
[cert_code] =>
[weight] => 0
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] => 1
[field_prerequisits] => 1
[field_overview_in_category] =>
)
[cc] => aisoc_lbg
)
[aitrism] => stdClass Object
(
[course_code] => aitrism
[hr_nid] => 477915
[title] => Introduction to AI Trust, Risk, and Security Management (AI TRiSM)
[requirements] =>
An understanding of basic AI concepts and applications
Experience with data management and IT security principles is beneficial
Audience
IT professionals and managers
Data scientists and AI developers
Business leaders and policymakers
[overview] =>
AI TRiSM es un campo emergente que aborda la necesidad de confiabilidad, gestión de riesgos y seguridad en los sistemas de IA.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
[outline] =>
Understanding AI TRiSM
Introduction to AI TRiSM
The importance of trust and security in AI
Overview of AI risks and challenges
Foundations of Trustworthy AI
Principles of AI trustworthiness
Ensuring fairness, reliability, and robustness in AI systems
AI ethics and governance
Risk Management in AI
Identifying and assessing AI risks
Mitigation strategies for AI-related risks
AI risk management frameworks
Security Aspects of AI
AI and cybersecurity
Protecting AI systems from attacks
Secure AI development lifecycle
Compliance and Data Protection
Regulatory landscape for AI
AI compliance with data privacy laws
Data encryption and secure storage in AI systems
AI Model Governance
Governance structures for AI
Monitoring and auditing AI models
Transparency and explainability in AI
Implementing AI TRiSM
Best practices for implementing AI TRiSM
Case studies and real-world examples
Tools and technologies for AI TRiSM
Future of AI TRiSM
Emerging trends in AI TRiSM
Preparing for the future of AI in business
Continuous learning and adaptation in AI TRiSM
Summary and Next Steps
[language] => en
[duration] => 21
[status] => published
[changed] => 1713560667
[source_title] => Introduction to AI Trust, Risk, and Security Management (AI TRiSM)
[source_language] => en
[cert_code] =>
[weight] => -1004
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aitrism
)
[bingai] => stdClass Object
(
[course_code] => bingai
[hr_nid] => 438055
[title] => Introduction to Bing AI: Enhancing Search with Artificial Intelligence
[requirements] =>
No prerequisites required.
Basic knowledge of search engines and artificial intelligence concepts would be beneficial.
Audience
Digital marketers
Content creators
Web developers
Data analysts
[overview] =>
Bing AI es la integración de inteligencia artificial de Microsoft en su motor de búsqueda, Bing. Este curso proporciona una introducción a Bing AI y cómo aprovecha las tecnologías de AI para mejorar los resultados de búsqueda y las experiencias de los usuarios. Los participantes obtendrán información sobre las diversas características y funcionalidades impulsadas por IA disponibles en Bing, incluido Bing AI Chatbot.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que desean comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones. .
Al finalizar esta capacitación, los participantes podrán:
Comprenda los principios y beneficios de Bing AI.
Identifique las funciones impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice Bing AI para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenido.
Explore las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que deseen comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los principios y las ventajas de Bing AI.
Identifique las características impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice la IA de Bing para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenidos.
Explora las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
[outline] =>
Introduction
What is Bing AI and its significance in search engines?
Bing AI vs. traditional search engines
Overview of Bing AI features and architecture
Exploring the impact of AI on search engine technology
Understanding Bing AI
The lifecycle of a search query in Bing
How Bing AI integrates artificial intelligence into the search process
Key AI technologies utilized by Bing, such as natural language processing and machine learning
Getting Started
Accessing Bing AI: Web browser-based search
Exploring AI-powered search enhancements in Bing
Understanding the role of AI in delivering relevant search results
Bing AI Features and Functionalities
Intelligent Answers: Providing concise answers to user queries
Intelligent Image Search: Leveraging AI for visual search and image recognition
Intelligent Video Search: Enhancing video search capabilities with AI algorithms
Intelligent Autocomplete: Utilizing AI to suggest search queries in real-time
Intelligent Indexing: Enhancing search relevance and retrieval through AI-driven indexing
Bing AI Chatbot
Introduction to chatbot technologies
Overview of Bing AI Chatbot
Building conversational interactions with Bing AI Chatbot
Applications of Bing AI Chatbot in customer support, information retrieval, and more
Integrating Bing AI with SEO and Content Creation
Optimizing web content for Bing AI
Leveraging AI-powered features for search engine optimization
Creating content that aligns with Bing AI's capabilities
Evaluating the impact of Bing AI on search engine marketing strategies
Troubleshooting and Best Practices
Common issues and challenges when working with Bing AI
Troubleshooting techniques for improving search results
Best practices for leveraging Bing AI effectively
Summary and Next Steps
Recap of key learnings and takeaways from the course
Resources for further exploration and learning opportunities in Bing AI, chatbot technologies, and related topics
[language] => en
[duration] => 14
[status] => published
[changed] => 1700037932
[source_title] => Introduction to Bing AI: Enhancing Search with Artificial Intelligence
[source_language] => en
[cert_code] =>
[weight] => -1001
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => bingai
)
[ibmcloudpak] => stdClass Object
(
[course_code] => ibmcloudpak
[hr_nid] => 341811
[title] => IBM Cloud Pak for Data
[requirements] =>
Experience with data processing and AI concepts
Audience
Data Scientists
Business Analysts
Data Engineers
Developers
System Administrators
[overview] =>
IBM Cloud Pak for Data es una plataforma de software multi-cloud para la recopilación, organización y análisis de datos para uso en la IA.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a científicos de datos que desean utilizar IBM Cloud Pak para preparar los datos para su uso en soluciones de inteligencia artificial.
Al final de este curso, los participantes podrán:
Instalar y configurar Cloud Pak para datos.
Unificar la recopilación, organización y análisis de datos.
Integrar Cloud Pak for Data con una variedad de servicios para resolver problemas comerciales comunes.
Implementar flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta formación en vivo dirigida por un instructor en <loc> (en línea o in situ) está dirigida a científicos de datos que deseen utilizar IBM Cloud Pak para preparar datos para su uso en soluciones de IA.
Al final de esta capacitación, los participantes serán capaces de:
Instale y configure Cloud Pak for Data.
Unificar la recopilación, organización y análisis de datos.
Integre Cloud Pak for Data con una variedad de servicios para resolver problemas empresariales comunes.
Implemente flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
[outline] =>
Introduction
Overview of Cloud Pac for Data Features and Architecture
Red Hat OpenShift Container Platform
Containers, Kubernetes, and Helm
Red Hat OpenShift security
Setting up Cloud Pac for Data
Pre-installation tasks
Installation
Post-installation tasks
Setting up a Workflows
Setting up roles and permissions for collaboration
Creating a workflow
Searching and requesting data
Collecting Data
Connecting to a data source
Adding data to a project
Organizing Data
Working with catalogs
Curating catalog data
Governing data to comply with regulations
Automating the discovery process
Preparing Data
Transforming data
Refining data
Virtualizing data
Analyzing Data
Analyzing data using notebooks
Analyzing data using other tools
Analyzing data automatically using AutoAI
Implementing an AI Solution
Building a machine learning model
Deploying the model
Validating the model
Monitoring the model
Integrating Cloud Data Pac with Other Services
Finding services in a catalog
Finding services outside a catalog
Integrating IBM Cloud Pak for Data with other applications
Administering Cloud Data Pac
Managing an IBM Cloud Pak for Data cluster
Managing an IBM Cloud Pak for Data web client
Uninstalling Cloud Pak for Data
Troubleshooting
Summary and Conclusion
[language] => en
[duration] => 14
[status] => published
[changed] => 1700037632
[source_title] => IBM Cloud Pak for Data
[source_language] => en
[cert_code] =>
[weight] => -982
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => ibmcloudpak
)
[intelligentdriving] => stdClass Object
(
[course_code] => intelligentdriving
[hr_nid] => 474087
[title] => Fundamentals of Intelligent Driving
[requirements] =>
An understanding of artificial intelligence (AI) concepts and principles
Experience with 3D design software such as AutoCAD, Revit, or 3ds Max
Basic programming experience (optional)
Audience
Developers
Architects
[overview] =>
La conducción inteligente es un tipo de conducción que utiliza la IA y la fusión de información multisensor para proporcionar orientación y comentarios a los conductores que desean conducir de forma segura y eficiente en entornos complejos y dinámicos.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
[outline] =>
Introduction
What is intelligent driving and why use it?
Intelligent driving vs traditional driving
Overview of intelligent driving features and architecture
Navigating the intelligent driving interface and workspace
Understanding AI and Multi-Sensor Information Fusion
Intelligent driving session lifecycle
AI and multi-sensor information fusion for intelligent driving
Creating and importing 3D files for intelligent driving
Driving Skills and Techniques
Practicing driving skills and techniques
Adjusting the driving settings
Measuring, tagging, commenting, and markup
Driving Scenarios and Situations
Practicing driving scenarios and situations
Identifying and responding to potential hazards and risks
Following and applying the road rules and regulations
Dealing with complex and dynamic driving environments
Driving Performance and Evaluation
Analyzing and evaluating driving performance, behavior, and feedback
Creating and demonstrating animations of driving sessions
Creating and viewing images and videos of driving sessions
Performing clash detection tests and checking the integrity of driving sessions
Driving Integration and Application
Integrating the knowledge and skills learned with real-world driving situations and challenges
Connecting and collaborating with other drivers and instructors
Obtaining and creating material estimates for driving sessions
Creating and animating driving timelines and checking the validity of driving schedules
An understanding of the importance of software testing
Audience
Software Testers
[overview] =>
Las pruebas de software son el proceso de evaluar la validez de la funcionalidad de una aplicación de software. La integración de la inteligencia artificial en el entorno de pruebas de software permite que el proceso se prome de IA, acelerando la creación, la ejecución y el mantenimiento de las pruebas.
Este instructor de formación en vivo (in situ o remoto) está dirigido a los probadores de software que desean tener un entorno de pruebas de software impulsado por IA.
Al final de esta formación, los participantes podrán:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatice la generación y el mantenimiento de pruebas de API con IA.
Utilice métodos de aprendizaje automático para autocurar la ejecución de pruebas de Selenium.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a probadores de software que desean tener un entorno de prueba de software impulsado por IA.
Al final de esta capacitación, los participantes serán capaces de:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatiza la generación y el mantenimiento de las pruebas de API con IA.
Utilice métodos de aprendizaje automático para reparar automáticamente la ejecución de Selenium pruebas.
[outline] =>
Day One:
Introduction
What is AI
Computational Psychology
Computational Philosophy
Machine Learning
Computational learning theory
Computer algorithms for computational experience
Deep Learning
Artificial neural networks
Deep learning vs. machine learning
Day Two:
Preparing the Development Environment
Installing and configuring Parasoft Jtest
Installing and configuring Parasoft SOATest's Smart API Test Generator
No se requiere experiencia previa en la creación de imágenes de IA
Audiencia
Artistas y diseñadores digitales
Creadores de contenido de imágenes
Diseñadores gráficos
Entusiastas de la IA interesados en la creación de imágenes y retratos parlantes
[overview] =>
Leonardo AI es un potente generador de texto a imágenes impulsado por IA. Puede resultar beneficioso en diversos campos, incluidos el arte, el diseño, la publicidad y el entretenimiento.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a artistas digitales y entusiastas de la inteligencia artificial que deseen utilizar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al finalizar esta capacitación, los participantes podrán:
Genere imágenes impresionantes usando Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con modelos ajustados existentes en Leonardo AI.
Realice la generación de imagen a imagen y la generación de mensajes complejos.
Utilice el lienzo AI para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes usando D-ID.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a artistas digitales y entusiastas de la IA que deseen usar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al final de esta capacitación, los participantes serán capaces de:
Genere imágenes impresionantes con Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con la creación de modelos ajustados en Leonardo AI.
Lleve a cabo la generación de imagen
a imagen y la generación de mensajes complejos.
Utilice AI Canvas para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes con D-ID.
[outline] =>
Introducción
¿Qué es Leonardo AI?
El beneficio de usar Leonardo AI
Descripción general de Leonardo AI características y arquitectura
Comprensión Leonardo AI
Explorando Leonardo AI herramientas y recursos
Cómo funciona el generador de texto a imagen con IA
Ejemplo de imágenes generadas en Leonardo AI
Escribir indicaciones precisas y efectivas
Empezar
Configuración de las herramientas necesarias
Creación de una Leonardo AI cuenta
Exploración de todas las funciones en el panel de control Leonardo AI
Entrenamiento de sus propios modelos
Entrene conjuntos de datos para crear sus propios modelos
Exploración de modelos ajustados existentes
Generación de imágenes con Leonardo AI
Generación de imágenes en Leonardo AI
Generación de imágenes mediante conjuntos de datos entrenados
Realización de la generación de imagen a imagen
Generación de mensajes complejos
Llevar a cabo la edición avanzada de imágenes
Combinación de imágenes con AI Canvas
Comprender los retratos parlantes de IA
Introducción a D-ID
Registrarse en D-ID
Creación de retratos parlantes de IA
Producción de imágenes para retratos parlantes de IA
Creación de un script con ChatGPT para generar contenido
Transformación de texto en audio con Bigspeak AI
Creación de retratos parlantes con D-ID
Implementación de Leonardo AI en sus flujos de trabajo
Identificación de casos de uso para Leonardo AI en varios campos
Desarrollo de flujos de trabajo para su uso Leonardo AI en sus proyectos
Optimización del rendimiento y la eficiencia
Mejores prácticas y consideraciones éticas
Consejos para usar Leonardo AI de manera efectiva
Evitar el sesgo y garantizar el uso ético de Leonardo AI
Desarrollos y tendencias futuros en la generación de imágenes de IA
An understanding of software development processes and methodologies
Experience with programming in Python
Basic knowledge of machine learning concepts
Audience
Software developers
Software engineers
Technical leads and managers
[overview] =>
AI-Augmented Software Engineering (AIASE) es la aplicación de la inteligencia artificial para mejorar y automatizar tareas dentro del proceso de ingeniería de software.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
[outline] =>
Introduction to AIASE
Overview of AI in software engineering
History and evolution of AIASE
Key concepts and terminology
AI Technologies in Software Development
Machine learning basics
Natural language processing (NLP) for code
Neural networks and deep learning models
Automating Software Development with AI
AI tools for generating boilerplate code
Automated code refactoring and optimization
Functional and unit test code generation
AI-assisted test case design and optimization
Enhancing Code Quality with AI
AI for bug detection and code reviews
Predictive analytics for software maintenance
AI-powered static and dynamic analysis tools
Automated debugging techniques
AI-driven fault localization and repair
AI in DevOps and Continuous Integration/Continuous Deployment (CI/CD)
AI for build optimization and deployment
AI in monitoring and log analysis
Predictive models for CI/CD pipelines
AI-based test automation in CI/CD workflows
AI for real-time error detection and resolution
AI for Documentation and Knowledge Management
Automated generation of docstrings and documentation
Knowledge extraction from codebases
AI for code search and reuse
Ethical Considerations and Challenges
Bias and fairness in AI tools
Intellectual property and licensing issues
Future of AI in software engineering
Hands-On Projects and Case Studies
Working with popular AI tools in software engineering
Case studies of AIASE in industry
Capstone project: Developing an AI-augmented software application
An understanding of basic software development concepts
Experience with a programming language (e.g., Python, JavaScript)
Familiarity with integrated development environments (IDEs)
Audience
Software developers
Technical team leads
Product managers
[overview] =>
Los asistentes de codificación de IA son herramientas diseñadas para mejorar la eficiencia y la creatividad de los desarrolladores de software.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
[outline] =>
Introduction to AI Coding Assistants
Overview of AI in software engineering
History and evolution of AI coding assistants
Key features and capabilities
Technologies Behind AI Coding Assistants
Machine learning and natural language processing
Code analysis and generation algorithms
Integration with development environments
Popular AI Coding Assistant Tools
Comparative study of different tools
Hands-on sessions with tools like GitHub Copilot, IntelliCode, etc.
Community contributions and extensions
Best Practices and Workflow Integration
Incorporating AI assistants into daily workflows
Collaboration with AI assistants
Customizing and training your AI assistant
Case Studies and Real-World Applications
Success stories of AI assistants in development projects
Limitations and challenges
Future trends and developments
Ethical Considerations and Responsible Use
Addressing bias and fairness in AI tools
Intellectual property and code ownership
Privacy and security implications
Project Work
Developing a mini project with the aid of an AI coding assistant
Peer reviews and feedback sessions
Summary and Next Steps
[language] => en
[duration] => 7
[status] => published
[changed] => 1714660961
[source_title] => AI Coding Assistants: Enhancing Developer Productivity
[source_language] => en
[cert_code] =>
[weight] => -1006
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aicodingassistants
)
[aidatascience] => stdClass Object
(
[course_code] => aidatascience
[hr_nid] => 330263
[title] => Introduction to Data Science and AI using Python
[requirements] =>
None
[overview] =>
Esta es una introducción de 5 días a Data Science y AI.
El curso se entrega con ejemplos y ejercicios con Python
[category_overview] =>
[outline] =>
Introduction to Data Science/AI
Knowledge acquisition through data
Knowledge representation
Value creation
Data Science overview
AI ecosystem and new approach to analytics
Key technologies
Data Science workflow
Crisp-dm
Data preparation
Model planning
Model building
Communication
Deployment
Data Science technologies
Languages used for prototyping
Big Data technologies
End to end solutions to common problems
Introduction to Python language
Integrating Python with Spark
AI in Business
AI ecosystem
Ethics of AI
How to drive AI in business
Data sources
Types of data
SQL vs NoSQL
Data Storage
Data preparation
Data Analysis – Statistical approach
Probability
Statistics
Statistical modeling
Applications in business using Python
Machine learning in business
Supervised vs unsupervised
Forecasting problems
Classfication problems
Clustering problems
Anomaly detection
Recommendation engines
Association pattern mining
Solving ML problems with Python language
Deep learning
Problems where traditional ML algorithms fails
Solving complicated problems with Deep Learning
Introduction to Tensorflow
Natural Language processing
Data visualization
Visual reporting outcomes from modeling
Common pitfalls in visualization
Data visualization with Python
From Data to Decision – communication
Making impact: data driven story telling
Influence effectivnes
Managing Data Science projects
[language] => en
[duration] => 35
[status] => published
[changed] => 1700037561
[source_title] => Introduction to Data Science and AI using Python
[source_language] => en
[cert_code] =>
[weight] => -985
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aidatascience
)
[aidm] => stdClass Object
(
[course_code] => aidm
[hr_nid] => 335719
[title] => AI in Digital Marketing
[requirements] =>
An understanding of digital marketing
Audience
Marketers
[overview] =>
La inteligencia artificial (AI) es la inteligencia para las máquinas para realizar tareas específicas mediante el reconocimiento de patrones en los datos. AI permite a los usuarios hacerse el éxito de las campañas de marketing digital.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a los marketingers que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de este curso, los participantes podrán:
Leverage software AI para mejorar la forma en que las marcas se conectan con los usuarios.
Use chatbots para optimizar la experiencia del usuario.
Aumentar la productividad y los ingresos a través de la automatización de tareas.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a especialistas en marketing que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de esta capacitación, los participantes serán capaces de:
Aproveche el software de IA para mejorar la forma en que las marcas se conectan con los usuarios.
Utiliza chatbots para optimizar la experiencia del usuario.
Aumente la productividad y los ingresos a través de la automatización de tareas.
[outline] =>
Introduction
AI in Digital Marketing
What is AIDM?
The application of AIDM
Content Curation and Creation
Streamlining content with AI tools
Working with Curata, BuzzSumo, Crayon, and Scoop-It
Google Cloud AI
Creating and scaling chatbots
Integrating chatbots on a web application
SEO Optimization
Working with Market Brew
Email Task Automation
Automating email tasks with Siftrock
Tracking and Reporting
Tracking and reporting user behavior with BlueShift
Tracking and reporting data from social media platforms with Zoomph
Summary and Conclusion
[language] => en
[duration] => 7
[status] => published
[changed] => 1700037602
[source_title] => AI in Digital Marketing
[source_language] => en
[cert_code] =>
[weight] => 0
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aidm
)
[aiformanagers] => stdClass Object
(
[course_code] => aiformanagers
[hr_nid] => 356467
[title] => Inteligencia Artificial (IA) para Directivos
[requirements] =>
Familiarity with programming
Basic understanding of algorithms
Audience
Business leaders
Project managers
[overview] =>
Es la simulación de la inteligencia humana en las máquinas que están programadas para pensar y actuar como los humanos. Cubre una variedad de tecnologías, como el aprendizaje de máquina y el aprendizaje profundo, y se utiliza para diversas aplicaciones empresariales y corporativas para resolver los desafíos y necesidades de la organización.
Este entrenamiento dirigido por instructores, en vivo (online o on-site) está dirigido a los gerentes y líderes de negocios que desean aprender sobre los fundamentos de la inteligencia artificial y gestionar proyectos de inteligencia artificial para su organización.
Al final de esta formación, los participantes podrán entender la IA a nivel técnico y estratégizar utilizando los datos y los recursos de su organización para gestionar con éxito proyectos de IA.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes y líderes empresariales que deseen aprender sobre los fundamentos de la inteligencia artificial y administrar proyectos de IA para su organización.
Al final de esta formación, los participantes serán capaces de entender la IA a nivel técnico y elaborar estrategias utilizando los datos y recursos de su organización para gestionar con éxito los proyectos de IA.
[outline] =>
Introduction
Overview of Artificial Intelligence (AI)
Machine learning systems
Exploring Applications for AI
AI in the corporate context
Learning About the Technology of AI
Underfit and overfit, classification, and regularization
Basic understanding of computer science and engineering
Familiarity with probability concepts and linear algebra
Audience
Engineers
[overview] =>
Robotics es un área de inteligencia artificial (AI) que se ocupa de la programación y el diseño de máquinas inteligentes y eficientes.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean programar y crear robots a través de métodos básicos de inteligencia artificial.
Al final de este curso, los participantes podrán:
Implementación de filtros (Kalman y partículas) para que el robot pueda localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno desconocido.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros que desean programar y crear robots a través de métodos básicos de IA.
Al final de esta capacitación, los participantes serán capaces de:
Implemente filtros (Kalman y partículas) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
[outline] =>
Introduction
Overview of Artificial Intelligence (AI) and Robotics
Computer-simulated versus physical
Robotics as a branch of AI
Applications for AI in robotics
Understanding Localization
Locating your robot
Using sensors to assess location and environment
Probability exercises
Learning About Robot Motion
Exact and inexact motions
Sense and move functions
Using Probability Tools
Bayes’ rule
Theorem of total probability
Estimating Vehicle State Using Kalman Filter
Gaussian processes
Measurement and motion
Kalman filtering (code, prediction, design, and matrices)
Artificial Intelligence (AI) es una rama de la informática que se centra en el desarrollo de máquinas inteligentes capaces de realizar tareas que normalmente requieren inteligencia humana y tiene como objetivo simular procesos cognitivos similares a los humanos.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo utilizarla de manera efectiva y responsable.
Al finalizar esta capacitación, los participantes podrán:
Aprenda el concepto de Artificial Intelligence (AI).
Comprenda los límites y peligros de la IA y utilícela de manera responsable.
Sepa cómo utilizar eficazmente la IA en escenarios del mundo real.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo usarlo de manera efectiva y responsable.
Al final de esta capacitación, los participantes podrán:
Aprende el concepto de Artificial Intelligence (AI). Comprenda los límites y los peligros de la IA y utilícela de manera responsable. Sepa cómo usar efectivamente la IA en escenarios del mundo real.
[outline] =>
Introduction
Definition and scope of Artificial Intelligence (AI)
Historical and key milestones
Ethical Considerations and Future Trends in AI
Ethical challenges in AI development and deployment
Bias and fairness in AI algorithms
Explainable AI and interpretability
Future trends and advancements in AI research
Overview of the Uses of AI
Problem-solving using AI techniques
Machine learning and its applications
Basics of artificial neural networks
Deep learning
Natural Language Processing (NLP)
Computer vision
Robotics
AI in healthcare
AI in finance
Effective uses and impact of AI
Privacy Protection and Compliant use of AI
Importance of data privacy and protection in AI applications
Laws and regulations related to data privacy
Importance of transparency and explainability in AI systems
Consent and user rights
Security risks and vulnerabilities in AI applications
Overview of regulatory frameworks governing AI
Compliance requirements for AI systems in specific industries
Impact of AI regulations on privacy protection and compliant use
Best practices for ensuring compliant use of AI and privacy protection
Summary and next steps
[language] => en
[duration] => 35
[status] => published
[changed] => 1700037953
[source_title] => Introduction to Artificial Intelligence (AI)
[source_language] => en
[cert_code] =>
[weight] => -1002
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aiintroduction
)
[airoboticsfornuclear] => stdClass Object
(
[course_code] => airoboticsfornuclear
[hr_nid] => 361343
[title] => AI and Robotics for Nuclear - Extended
[requirements] =>
Programming experience in C or C++
Programming experience in Python (useful but not necessary; can be taught as part of course)
Experience with Linux command line
Audience
Developers
Engineers
Scientists
Technicians
[overview] =>
Robotics y Artificial Intelligence (AI) son poderosas herramientas para el desarrollo de sistemas de seguridad en instalaciones nucleares.
En este entrenamiento guiado por instructores, en vivo (online o on-site), los participantes aprenderán las diferentes tecnologías, marco y técnicas para la programación de diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas ambientales.
El curso de 6 semanas se lleva a cabo 5 días por semana. Cada día es de 4 horas y consiste en conferencias, discusiones y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán diversos proyectos del mundo real aplicables a su trabajo con el fin de practicar sus conocimientos adquiridos.
El hardware objetivo para este curso será simulado en 3D a través de software de simulación. El ROS (Robot Operating System) marco de código abierto, C++ y Python se utilizará para la programación de los robots.
Al final de este curso, los participantes podrán:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre software y hardware en un sistema robótico.
Comprender y implementar los componentes de software que sustentan la robótica.
Construir y operar un robot mecánico simulado que pueda ver, sentir, procesar, navegar y interactuar con los humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (aprendizaje de máquina, aprendizaje profundo, etc.) Para construir un robot inteligente.
Los filtros de implementación (Kalman y Particle) permiten al robot localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno desconocido.
Extender la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Testar y resolver problemas a un robot en escenarios realistas.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para personalizar cualquier parte de este curso (linguaje de programación, modelo de robots, etc.) Por favor, póngase en contacto con nosotros para organizar.
[category_overview] =>
En esta formación en directo dirigida por un instructor en <loc> (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 6 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Amplíe la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Pruebe y solucione problemas de un robot en escenarios realistas.
[outline] =>
Week 01
Introduction
What Makes a Robot smart?
Physical vs Virtual Robots
Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA), etc.
The Role of Artificial Intelligence (AI) in Robotics
Beyond "if-then-else" and the learning machine
The algorithms behind AI
Machine learning, computer vision, natural language processing (NLP), etc.
Cognitive robotics
The Role of Big Data in Robotics
Decision-making based on data and patterns
The Cloud and Robotics
Linking robotics with IT
Building more functional robots that access more information and collaborate
Architecture: workspace, topics, messages, services, nodes, actionlibs, tools, etc.
Languages for Programming a Robot
C++ for low level controlling
Python for orchestration
Programming ROS nodes in Python and C ++
Other languages
Tools for Simulating a Physical Robot
Commercial and open source 3D simulation and visualization software
Week 02
Preparing the Development Environment
Software installation and setup
Useful packages and utilities
Case Study: Mechanical Robots
Robots in the nuclear technology field
Robots in environmental systems
Programming the Robot
Programming a node in Python and C ++
Understanding ROS node
Messages and topics in ROS
Publication / subscription paradigm
Project: Bump & Go with real robot
Troubleshooting
Simulation of robots with Gazebo / ROS
Frames in ROS and reference changes
2D information processing of cameras with OpenCV
Information processing of a laser
Project: Safe tracking of objects by color
Troubleshooting
Week 03
Programming the Robot (Continued...)
Services in ROS
3D information processing of RGB-D sensors with PCL
Maps and Navigation with ROS
Project: Search for objects in the environment
Troubleshooting
Programming the Robot (Continued...)
ActionLib
Speech Recognition and Speech Generation
Controlling robotic arms with MoveIt!
Controlling robotic neck for active vision
Project: Search and collection of objects
Troubleshooting
Testing Your Robot
Unit testing
Week 04
Extending a Robot's Capabilities with Deep Learning
Perception -- vision, audio, and haptics
Knowledge representation
Voice recognition through NLP (natural language processing)
Computer vision
Crash Course in Deep Learning
Artificial Neural Networks (ANNs)
Artificial Neural Networks vs. Biological Neural Networks
Feedforward Neural Networks
Activation Functions
Training Artificial Neural Networks
Crash Course in Deep Learning (Continued...)
Deep Learning Models
Convolutional Networks and Recurrent Networks
Convolutional Neural Networks (CNNs or ConvNets)
Convolution Layer
Pooling Layer
Convolutional Neural Networks Architecture
Week 05
Crash Course in Deep Learning (Continued...)
Recurrent Neural Networks (RNN)
Training an RNN
Stabilizing gradients during training
Long short-term memory networks
Deep Learning Platforms and Software Libraries
Deep Learning in ROS
Using Big Data in Your Robot
Big data concepts
Approaches to data analysis
Big Data tooling
Recognizing patterns in the data
Exercise: NLP and Computer Vision on large data sets
Using Big Data in Your Robot (Continued...)
Distributed processing of large data sets
Coexistence and cross-fertilization of Big Data and Robotics
The robot as a generator of data
Range measuring sensors, position, visual, tactile sensors, and other modalities
Making sense of sensory data (sense-plan-act loop)
Exercise: Capturing streaming data
Programming an Autonomous Deep Learning Robot
Deep Learning robot components
Setting up the robot simulator
Running a CUDA-accelerated neural network with Cafe
Troubleshooting
Week 06
Programming an Autonomous Deep Learning Robot (Continued...)
Recognizing objects in photographs or video streams
Enabling computer vision with OpenCV
Troubleshooting
Data Analytics
Using the robot to collect and organize new data
Tools and processes for making sense of the data
Deploying a Robot
Transitioning a simulated robot to physical hardware
Deploying the robot in the physical world
Monitoring and servicing robots in the field
Securing Your Robot
Preventing unauthorized tampering
Preventing hackers from viewing and stealing sensitive data
Building a Robot Collaboratively
Building a robot in the cloud
Joining the robotics community
Future Outlook for Robots in the Science and Energy Field
Summary and Conclusion
[language] => en
[duration] => 120
[status] => published
[changed] => 1700037744
[source_title] => AI and Robotics for Nuclear - Extended
[source_language] => en
[cert_code] =>
[weight] => 0.3
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => airoboticsfornuclear
)
[airoboticsnuclear] => stdClass Object
(
[course_code] => airoboticsnuclear
[hr_nid] => 361295
[title] => AI and Robotics for Nuclear
[requirements] =>
Programming experience in C or C++
Programming experience in Python (useful but not necessary; can be taught as part of course)
Experience with Linux command line
Audience
Developers
Engineers
Scientists
Technicians
[overview] =>
Robotics y Artificial Intelligence (AI) son poderosas herramientas para el
desarrollo de sistemas de seguridad en instalaciones nucleares.
En este entrenamiento guiado por instructores, en vivo (online o on-site), los
participantes aprenderán las diferentes tecnologías, marco y técnicas para la
programación de diferentes tipos de robots que se utilizarán en el campo de la
tecnología nuclear y los sistemas ambientales.
El curso de 4 semanas se lleva a cabo 5 días a la semana. Cada día es de 4
horas y consiste en conferencias, discusiones y desarrollo práctico de robots
en un entorno de laboratorio en vivo. Los participantes completarán diversos
proyectos del mundo real aplicables a su trabajo con el fin de practicar sus
conocimientos adquiridos.
El hardware objetivo para este curso será simulado en 3D a través de software
de simulación. El código se cargará luego en hardware físico (Arduino o otro)
para la prueba de implementación final. El ROS (Robot Operating System) marco
de código abierto, C++ y Python se utilizará para la programación de los
robots.
Al final de este curso, los participantes podrán:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre software y hardware en un
sistema robótico.
Comprender y implementar los componentes de software que sustentan la
robótica.
Construir y operar un robot mecánico simulado que pueda ver, sentir,
procesar, navegar y interactuar con los humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial
(aprendizaje de máquina, aprendizaje profundo, etc.) Para construir un robot
inteligente.
Los filtros de implementación (Kalman y Particle) permiten al robot
localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot
dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno
desconocido.
Testar y resolver problemas a un robot en escenarios realistas.
Formato del curso
Lecciones y discusiones interactivas. Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Sobre el hardware
Los kites de hardware serán confirmados por el instructor antes del
entrenamiento. Los kitos contendrán más o menos los siguientes componentes:
Arduino El Consejo
Controlador Motor
Sensor de distancia
El esclavo Bluetooth
El prototipo de la placa y los cables
Cable USB
El vehículo kit
Los participantes tendrán que proporcionar su propio hardware.
Opciones de Customización de Curso
Para personalizar cualquier parte de este curso (linguaje de programación,
modelo de robots, microcontroller, etc.) Por favor, póngase en contacto con
nosotros para organizar.
[category_overview] =>
En esta formación en directo dirigida por un instructor en <loc> (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 4 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. A continuación, el código se cargará en el hardware físico (Arduino u otro) para realizar las pruebas finales de implementación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Pruebe y solucione problemas de un robot en escenarios realistas.
[outline] =>
Week 01
Day 01
Introduction
What Makes a Robot smart?
Physical vs Virtual Robots
Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA), etc.
The Role of Artificial Intelligence (AI) in Robotics
Beyond "if-then-else" and the learning machine
The algorithms behind AI
Machine learning, computer vision, natural language processing (NLP), etc.
Cognitive robotics
Day 02
The Role of Big Data in Robotics
Decision-making based on data and patterns
The Cloud and Robotics
Linking robotics with IT
Building more functional robots that access more information and collaborate
Architecture: workspace, topics, messages, services, nodes, actionlibs, tools, etc.
Languages for Programming a Robot
C++ for low level controlling
Python for orchestration
Programming ROS nodes in Python and C ++
Other languages
Day 05
Tools for Simulating a Physical Robot
Commercial and open source 3D simulation and visualization software
Tools for Designing the Physical Characteristics of a Robot
Commercial and open source CAD software
Case Study: Mechanical Robots
Robots in the nuclear technology field
Robots in environmental systems
Week 02
Day 06
Crash Course in Python
Software installation and setup
Useful packages and utilities
Working with Python data structures, operators, loops, conditionals, functions, methods, etc.
Writing a sample program
Team project
Day 07
Preparing for Robot Development
Setting up the development environment (e.g., Arduino IDE)
Exploring the Arduino language (C/C++) syntax
Coding, compiling, and uploading to the microcontroller
Assembling the hardware components of an Arduino robot
Day 08
Working with Arduino Components
Analog sensors
Digital sensors
Working with Arduino Communication Modules
Bluetooth Modules
Wi-Fi Modules
RFID Modules
I2C and SPI
Mobile internet
Day 09
Constructing a Robot
Planning the features and characteristics of a robot
Implementing robot movement
Team project
Discussion and review
Day 10
Controlling the Robot
Implementing the controller
Connecting to the robot (wired and wirelessly)
Team Project
Discussion and review
Week 03
Day 11
Programming the Robot
Simulating a robot with Gazebo / ROS
Understanding ROS node
Programming a node in Python and C ++
Messages and topics in ROS
Publication / subscription paradigm
Team Project
Bump & Go with real robot
Discussion and review
Day 12
Programming the Robot (continued...)
Frames in ROS and reference changes
2D information processing of cameras with OpenCV
Information processing of a laser
Team Project
Safe tracking of objects by color
Discussion and review
Day 13
Testing the Robot
Tools for testing your code
Unit testing
Creating a test suite
Automating your tests
Troubleshooting
Team Project
Safe tracking of objects by color
Discussion and review
Day 14
Programming the Robot (Continued...)
Services in ROS
3D information processing of RGB-D sensors with PCL
Maps and Navigation with ROS
Day 15
Programming the Robot (Continued...)
Completing tasks with ActionLib
Team Project
Search for objects in the environment
Week 04
Day 16
Programming the Robot (Continued...)
Completing tasks with ActionLib
Day 17
Programming the Robot (Continued...)
Speech Recognition and Speech Generation
Troubleshooting
Team Project
Controlling a robot using voice
Day 18
Programming the Robot (Continued...)
Controlling robotic arms with MoveIt!
Controlling robotic neck for active vision
Troubleshooting
Team Project
Search and collection of objects
Day 19
Deploying the Robot
Deploying the robot in the physical world
Monitoring and servicing robots in the field
Using a mobile app to control a robot
Securing the Robot
Preventing unauthorized tampering
Preventing hackers from viewing and stealing sensitive data
Day 20
Data Analytics
Collecting and organizing data generated by the robot
Making sense of the data through visualization tools and processes
Building a Robot Collaboratively
Building a robot in the cloud
Building a mobile app to interact with your robot
Joining the robotics community
Future Outlook for Robots in the Science and Energy Field
Summary and Conclusion
[language] => en
[duration] => 80
[status] => published
[changed] => 1700037743
[source_title] => AI and Robotics for Nuclear
[source_language] => en
[cert_code] =>
[weight] => 0.2
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => airoboticsnuclear
)
[aisoc_lbg] => stdClass Object
(
[course_code] => aisoc_lbg
[hr_nid] => 281710
[title] => AI en los negocios y la sociedad y el futuro de la IA - AI / Robótica
[requirements] =>
No hay requisitos específicos necesarios para asistir a este curso.
[overview] =>
Esta es una sesión de capacitación basada en el aula en una presentación y formato de preguntas y respuestas
[category_overview] =>
[outline] =>
1. Introducción
Impactos de las tecnologías de IA en la sociedad humana
Expectativas y preocupaciones con respecto a las tecnologías de IA
Las características de las tecnologías de IA difieren de las tecnologías anteriores
AI y Macroeconomía: tecnología y crecimiento de la productividad
2. Trabajo y automatización
Investigación por sector y tarea
AI y la naturaleza del trabajo
Desigualdad y redistribución
Impacto en el empleo y la fuerza de trabajo
Diversificar los efectos potenciales
3. Sesgo e inclusión
De dónde proviene el sesgo
El campo de IA no es diverso
Desarrollos recientes en Bias Research
Estrategias emergentes para abordar el sesgo
4. Derechos y libertades
Registros de población y poder computacional
Enredos Corporativos y Gubernamentales
AI y el sistema legal
AI y privacidad
5. Ética y gobernabilidad
Preocupaciones éticas en la IA
AI refleja sus orígenes
Códigos éticos
Desafíos e inquietudes que siguen adelante
6. Resumen de las cuestiones que se abordarán
Cuestiones éticas
Asuntos legales
Problemas económicos
Problemas educativos
Problemas sociales
Problemas de investigación y desarrollo
7. El futuro y los desafíos de la IA
Economía de la automatización controlada por AI
AI y el mercado laboral
Mal uso
Impredecibilidad
[language] => es
[duration] => 7
[status] => published
[changed] => 1700037416
[source_title] => AI in business and Society & The future of AI - AI/Robotics
[source_language] => en
[cert_code] =>
[weight] => 0
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] => 1
[field_prerequisits] => 1
[field_overview_in_category] =>
)
[cc] => aisoc_lbg
)
[aitrism] => stdClass Object
(
[course_code] => aitrism
[hr_nid] => 477915
[title] => Introduction to AI Trust, Risk, and Security Management (AI TRiSM)
[requirements] =>
An understanding of basic AI concepts and applications
Experience with data management and IT security principles is beneficial
Audience
IT professionals and managers
Data scientists and AI developers
Business leaders and policymakers
[overview] =>
AI TRiSM es un campo emergente que aborda la necesidad de confiabilidad, gestión de riesgos y seguridad en los sistemas de IA.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
[outline] =>
Understanding AI TRiSM
Introduction to AI TRiSM
The importance of trust and security in AI
Overview of AI risks and challenges
Foundations of Trustworthy AI
Principles of AI trustworthiness
Ensuring fairness, reliability, and robustness in AI systems
AI ethics and governance
Risk Management in AI
Identifying and assessing AI risks
Mitigation strategies for AI-related risks
AI risk management frameworks
Security Aspects of AI
AI and cybersecurity
Protecting AI systems from attacks
Secure AI development lifecycle
Compliance and Data Protection
Regulatory landscape for AI
AI compliance with data privacy laws
Data encryption and secure storage in AI systems
AI Model Governance
Governance structures for AI
Monitoring and auditing AI models
Transparency and explainability in AI
Implementing AI TRiSM
Best practices for implementing AI TRiSM
Case studies and real-world examples
Tools and technologies for AI TRiSM
Future of AI TRiSM
Emerging trends in AI TRiSM
Preparing for the future of AI in business
Continuous learning and adaptation in AI TRiSM
Summary and Next Steps
[language] => en
[duration] => 21
[status] => published
[changed] => 1713560667
[source_title] => Introduction to AI Trust, Risk, and Security Management (AI TRiSM)
[source_language] => en
[cert_code] =>
[weight] => -1004
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aitrism
)
[bingai] => stdClass Object
(
[course_code] => bingai
[hr_nid] => 438055
[title] => Introduction to Bing AI: Enhancing Search with Artificial Intelligence
[requirements] =>
No prerequisites required.
Basic knowledge of search engines and artificial intelligence concepts would be beneficial.
Audience
Digital marketers
Content creators
Web developers
Data analysts
[overview] =>
Bing AI es la integración de inteligencia artificial de Microsoft en su motor de búsqueda, Bing. Este curso proporciona una introducción a Bing AI y cómo aprovecha las tecnologías de AI para mejorar los resultados de búsqueda y las experiencias de los usuarios. Los participantes obtendrán información sobre las diversas características y funcionalidades impulsadas por IA disponibles en Bing, incluido Bing AI Chatbot.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que desean comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones. .
Al finalizar esta capacitación, los participantes podrán:
Comprenda los principios y beneficios de Bing AI.
Identifique las funciones impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice Bing AI para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenido.
Explore las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que deseen comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los principios y las ventajas de Bing AI.
Identifique las características impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice la IA de Bing para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenidos.
Explora las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
[outline] =>
Introduction
What is Bing AI and its significance in search engines?
Bing AI vs. traditional search engines
Overview of Bing AI features and architecture
Exploring the impact of AI on search engine technology
Understanding Bing AI
The lifecycle of a search query in Bing
How Bing AI integrates artificial intelligence into the search process
Key AI technologies utilized by Bing, such as natural language processing and machine learning
Getting Started
Accessing Bing AI: Web browser-based search
Exploring AI-powered search enhancements in Bing
Understanding the role of AI in delivering relevant search results
Bing AI Features and Functionalities
Intelligent Answers: Providing concise answers to user queries
Intelligent Image Search: Leveraging AI for visual search and image recognition
Intelligent Video Search: Enhancing video search capabilities with AI algorithms
Intelligent Autocomplete: Utilizing AI to suggest search queries in real-time
Intelligent Indexing: Enhancing search relevance and retrieval through AI-driven indexing
Bing AI Chatbot
Introduction to chatbot technologies
Overview of Bing AI Chatbot
Building conversational interactions with Bing AI Chatbot
Applications of Bing AI Chatbot in customer support, information retrieval, and more
Integrating Bing AI with SEO and Content Creation
Optimizing web content for Bing AI
Leveraging AI-powered features for search engine optimization
Creating content that aligns with Bing AI's capabilities
Evaluating the impact of Bing AI on search engine marketing strategies
Troubleshooting and Best Practices
Common issues and challenges when working with Bing AI
Troubleshooting techniques for improving search results
Best practices for leveraging Bing AI effectively
Summary and Next Steps
Recap of key learnings and takeaways from the course
Resources for further exploration and learning opportunities in Bing AI, chatbot technologies, and related topics
[language] => en
[duration] => 14
[status] => published
[changed] => 1700037932
[source_title] => Introduction to Bing AI: Enhancing Search with Artificial Intelligence
[source_language] => en
[cert_code] =>
[weight] => -1001
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => bingai
)
[ibmcloudpak] => stdClass Object
(
[course_code] => ibmcloudpak
[hr_nid] => 341811
[title] => IBM Cloud Pak for Data
[requirements] =>
Experience with data processing and AI concepts
Audience
Data Scientists
Business Analysts
Data Engineers
Developers
System Administrators
[overview] =>
IBM Cloud Pak for Data es una plataforma de software multi-cloud para la recopilación, organización y análisis de datos para uso en la IA.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a científicos de datos que desean utilizar IBM Cloud Pak para preparar los datos para su uso en soluciones de inteligencia artificial.
Al final de este curso, los participantes podrán:
Instalar y configurar Cloud Pak para datos.
Unificar la recopilación, organización y análisis de datos.
Integrar Cloud Pak for Data con una variedad de servicios para resolver problemas comerciales comunes.
Implementar flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta formación en vivo dirigida por un instructor en <loc> (en línea o in situ) está dirigida a científicos de datos que deseen utilizar IBM Cloud Pak para preparar datos para su uso en soluciones de IA.
Al final de esta capacitación, los participantes serán capaces de:
Instale y configure Cloud Pak for Data.
Unificar la recopilación, organización y análisis de datos.
Integre Cloud Pak for Data con una variedad de servicios para resolver problemas empresariales comunes.
Implemente flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
[outline] =>
Introduction
Overview of Cloud Pac for Data Features and Architecture
Red Hat OpenShift Container Platform
Containers, Kubernetes, and Helm
Red Hat OpenShift security
Setting up Cloud Pac for Data
Pre-installation tasks
Installation
Post-installation tasks
Setting up a Workflows
Setting up roles and permissions for collaboration
Creating a workflow
Searching and requesting data
Collecting Data
Connecting to a data source
Adding data to a project
Organizing Data
Working with catalogs
Curating catalog data
Governing data to comply with regulations
Automating the discovery process
Preparing Data
Transforming data
Refining data
Virtualizing data
Analyzing Data
Analyzing data using notebooks
Analyzing data using other tools
Analyzing data automatically using AutoAI
Implementing an AI Solution
Building a machine learning model
Deploying the model
Validating the model
Monitoring the model
Integrating Cloud Data Pac with Other Services
Finding services in a catalog
Finding services outside a catalog
Integrating IBM Cloud Pak for Data with other applications
Administering Cloud Data Pac
Managing an IBM Cloud Pak for Data cluster
Managing an IBM Cloud Pak for Data web client
Uninstalling Cloud Pak for Data
Troubleshooting
Summary and Conclusion
[language] => en
[duration] => 14
[status] => published
[changed] => 1700037632
[source_title] => IBM Cloud Pak for Data
[source_language] => en
[cert_code] =>
[weight] => -982
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => ibmcloudpak
)
[intelligentdriving] => stdClass Object
(
[course_code] => intelligentdriving
[hr_nid] => 474087
[title] => Fundamentals of Intelligent Driving
[requirements] =>
An understanding of artificial intelligence (AI) concepts and principles
Experience with 3D design software such as AutoCAD, Revit, or 3ds Max
Basic programming experience (optional)
Audience
Developers
Architects
[overview] =>
La conducción inteligente es un tipo de conducción que utiliza la IA y la fusión de información multisensor para proporcionar orientación y comentarios a los conductores que desean conducir de forma segura y eficiente en entornos complejos y dinámicos.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
[outline] =>
Introduction
What is intelligent driving and why use it?
Intelligent driving vs traditional driving
Overview of intelligent driving features and architecture
Navigating the intelligent driving interface and workspace
Understanding AI and Multi-Sensor Information Fusion
Intelligent driving session lifecycle
AI and multi-sensor information fusion for intelligent driving
Creating and importing 3D files for intelligent driving
Driving Skills and Techniques
Practicing driving skills and techniques
Adjusting the driving settings
Measuring, tagging, commenting, and markup
Driving Scenarios and Situations
Practicing driving scenarios and situations
Identifying and responding to potential hazards and risks
Following and applying the road rules and regulations
Dealing with complex and dynamic driving environments
Driving Performance and Evaluation
Analyzing and evaluating driving performance, behavior, and feedback
Creating and demonstrating animations of driving sessions
Creating and viewing images and videos of driving sessions
Performing clash detection tests and checking the integrity of driving sessions
Driving Integration and Application
Integrating the knowledge and skills learned with real-world driving situations and challenges
Connecting and collaborating with other drivers and instructors
Obtaining and creating material estimates for driving sessions
Creating and animating driving timelines and checking the validity of driving schedules
An understanding of the importance of software testing
Audience
Software Testers
[overview] =>
Las pruebas de software son el proceso de evaluar la validez de la funcionalidad de una aplicación de software. La integración de la inteligencia artificial en el entorno de pruebas de software permite que el proceso se prome de IA, acelerando la creación, la ejecución y el mantenimiento de las pruebas.
Este instructor de formación en vivo (in situ o remoto) está dirigido a los probadores de software que desean tener un entorno de pruebas de software impulsado por IA.
Al final de esta formación, los participantes podrán:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatice la generación y el mantenimiento de pruebas de API con IA.
Utilice métodos de aprendizaje automático para autocurar la ejecución de pruebas de Selenium.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a probadores de software que desean tener un entorno de prueba de software impulsado por IA.
Al final de esta capacitación, los participantes serán capaces de:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatiza la generación y el mantenimiento de las pruebas de API con IA.
Utilice métodos de aprendizaje automático para reparar automáticamente la ejecución de Selenium pruebas.
[outline] =>
Day One:
Introduction
What is AI
Computational Psychology
Computational Philosophy
Machine Learning
Computational learning theory
Computer algorithms for computational experience
Deep Learning
Artificial neural networks
Deep learning vs. machine learning
Day Two:
Preparing the Development Environment
Installing and configuring Parasoft Jtest
Installing and configuring Parasoft SOATest's Smart API Test Generator
No se requiere experiencia previa en la creación de imágenes de IA
Audiencia
Artistas y diseñadores digitales
Creadores de contenido de imágenes
Diseñadores gráficos
Entusiastas de la IA interesados en la creación de imágenes y retratos parlantes
[overview] =>
Leonardo AI es un potente generador de texto a imágenes impulsado por IA. Puede resultar beneficioso en diversos campos, incluidos el arte, el diseño, la publicidad y el entretenimiento.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a artistas digitales y entusiastas de la inteligencia artificial que deseen utilizar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al finalizar esta capacitación, los participantes podrán:
Genere imágenes impresionantes usando Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con modelos ajustados existentes en Leonardo AI.
Realice la generación de imagen a imagen y la generación de mensajes complejos.
Utilice el lienzo AI para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes usando D-ID.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a artistas digitales y entusiastas de la IA que deseen usar Leonardo AI para crear contenido visual complejo y retratos parlantes realistas.
Al final de esta capacitación, los participantes serán capaces de:
Genere imágenes impresionantes con Leonardo AI.
Entrene conjuntos de datos para sus propios modelos y experimente con la creación de modelos ajustados en Leonardo AI.
Lleve a cabo la generación de imagen
a imagen y la generación de mensajes complejos.
Utilice AI Canvas para combinar imágenes y agregar fondo en Leonardo AI.
Crea retratos parlantes con D-ID.
[outline] =>
Introducción
¿Qué es Leonardo AI?
El beneficio de usar Leonardo AI
Descripción general de Leonardo AI características y arquitectura
Comprensión Leonardo AI
Explorando Leonardo AI herramientas y recursos
Cómo funciona el generador de texto a imagen con IA
Ejemplo de imágenes generadas en Leonardo AI
Escribir indicaciones precisas y efectivas
Empezar
Configuración de las herramientas necesarias
Creación de una Leonardo AI cuenta
Exploración de todas las funciones en el panel de control Leonardo AI
Entrenamiento de sus propios modelos
Entrene conjuntos de datos para crear sus propios modelos
Exploración de modelos ajustados existentes
Generación de imágenes con Leonardo AI
Generación de imágenes en Leonardo AI
Generación de imágenes mediante conjuntos de datos entrenados
Realización de la generación de imagen a imagen
Generación de mensajes complejos
Llevar a cabo la edición avanzada de imágenes
Combinación de imágenes con AI Canvas
Comprender los retratos parlantes de IA
Introducción a D-ID
Registrarse en D-ID
Creación de retratos parlantes de IA
Producción de imágenes para retratos parlantes de IA
Creación de un script con ChatGPT para generar contenido
Transformación de texto en audio con Bigspeak AI
Creación de retratos parlantes con D-ID
Implementación de Leonardo AI en sus flujos de trabajo
Identificación de casos de uso para Leonardo AI en varios campos
Desarrollo de flujos de trabajo para su uso Leonardo AI en sus proyectos
Optimización del rendimiento y la eficiencia
Mejores prácticas y consideraciones éticas
Consejos para usar Leonardo AI de manera efectiva
Evitar el sesgo y garantizar el uso ético de Leonardo AI
Desarrollos y tendencias futuros en la generación de imágenes de IA
An understanding of software development processes and methodologies
Experience with programming in Python
Basic knowledge of machine learning concepts
Audience
Software developers
Software engineers
Technical leads and managers
[overview] =>
AI-Augmented Software Engineering (AIASE) es la aplicación de la inteligencia artificial para mejorar y automatizar tareas dentro del proceso de ingeniería de software.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
Implemente herramientas de IA para generar código, pruebas y documentación.
Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.
[outline] =>
Introduction to AIASE
Overview of AI in software engineering
History and evolution of AIASE
Key concepts and terminology
AI Technologies in Software Development
Machine learning basics
Natural language processing (NLP) for code
Neural networks and deep learning models
Automating Software Development with AI
AI tools for generating boilerplate code
Automated code refactoring and optimization
Functional and unit test code generation
AI-assisted test case design and optimization
Enhancing Code Quality with AI
AI for bug detection and code reviews
Predictive analytics for software maintenance
AI-powered static and dynamic analysis tools
Automated debugging techniques
AI-driven fault localization and repair
AI in DevOps and Continuous Integration/Continuous Deployment (CI/CD)
AI for build optimization and deployment
AI in monitoring and log analysis
Predictive models for CI/CD pipelines
AI-based test automation in CI/CD workflows
AI for real-time error detection and resolution
AI for Documentation and Knowledge Management
Automated generation of docstrings and documentation
Knowledge extraction from codebases
AI for code search and reuse
Ethical Considerations and Challenges
Bias and fairness in AI tools
Intellectual property and licensing issues
Future of AI in software engineering
Hands-On Projects and Case Studies
Working with popular AI tools in software engineering
Case studies of AIASE in industry
Capstone project: Developing an AI-augmented software application
An understanding of basic software development concepts
Experience with a programming language (e.g., Python, JavaScript)
Familiarity with integrated development environments (IDEs)
Audience
Software developers
Technical team leads
Product managers
[overview] =>
Los asistentes de codificación de IA son herramientas diseñadas para mejorar la eficiencia y la creatividad de los desarrolladores de software.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.
Al final de esta capacitación, los participantes serán capaces de:
Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.
[outline] =>
Introduction to AI Coding Assistants
Overview of AI in software engineering
History and evolution of AI coding assistants
Key features and capabilities
Technologies Behind AI Coding Assistants
Machine learning and natural language processing
Code analysis and generation algorithms
Integration with development environments
Popular AI Coding Assistant Tools
Comparative study of different tools
Hands-on sessions with tools like GitHub Copilot, IntelliCode, etc.
Community contributions and extensions
Best Practices and Workflow Integration
Incorporating AI assistants into daily workflows
Collaboration with AI assistants
Customizing and training your AI assistant
Case Studies and Real-World Applications
Success stories of AI assistants in development projects
Limitations and challenges
Future trends and developments
Ethical Considerations and Responsible Use
Addressing bias and fairness in AI tools
Intellectual property and code ownership
Privacy and security implications
Project Work
Developing a mini project with the aid of an AI coding assistant
Peer reviews and feedback sessions
Summary and Next Steps
[language] => en
[duration] => 7
[status] => published
[changed] => 1714660961
[source_title] => AI Coding Assistants: Enhancing Developer Productivity
[source_language] => en
[cert_code] =>
[weight] => -1006
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aicodingassistants
)
[aidatascience] => stdClass Object
(
[course_code] => aidatascience
[hr_nid] => 330263
[title] => Introduction to Data Science and AI using Python
[requirements] =>
None
[overview] =>
Esta es una introducción de 5 días a Data Science y AI.
El curso se entrega con ejemplos y ejercicios con Python
[category_overview] =>
[outline] =>
Introduction to Data Science/AI
Knowledge acquisition through data
Knowledge representation
Value creation
Data Science overview
AI ecosystem and new approach to analytics
Key technologies
Data Science workflow
Crisp-dm
Data preparation
Model planning
Model building
Communication
Deployment
Data Science technologies
Languages used for prototyping
Big Data technologies
End to end solutions to common problems
Introduction to Python language
Integrating Python with Spark
AI in Business
AI ecosystem
Ethics of AI
How to drive AI in business
Data sources
Types of data
SQL vs NoSQL
Data Storage
Data preparation
Data Analysis – Statistical approach
Probability
Statistics
Statistical modeling
Applications in business using Python
Machine learning in business
Supervised vs unsupervised
Forecasting problems
Classfication problems
Clustering problems
Anomaly detection
Recommendation engines
Association pattern mining
Solving ML problems with Python language
Deep learning
Problems where traditional ML algorithms fails
Solving complicated problems with Deep Learning
Introduction to Tensorflow
Natural Language processing
Data visualization
Visual reporting outcomes from modeling
Common pitfalls in visualization
Data visualization with Python
From Data to Decision – communication
Making impact: data driven story telling
Influence effectivnes
Managing Data Science projects
[language] => en
[duration] => 35
[status] => published
[changed] => 1700037561
[source_title] => Introduction to Data Science and AI using Python
[source_language] => en
[cert_code] =>
[weight] => -985
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aidatascience
)
[aidm] => stdClass Object
(
[course_code] => aidm
[hr_nid] => 335719
[title] => AI in Digital Marketing
[requirements] =>
An understanding of digital marketing
Audience
Marketers
[overview] =>
La inteligencia artificial (AI) es la inteligencia para las máquinas para realizar tareas específicas mediante el reconocimiento de patrones en los datos. AI permite a los usuarios hacerse el éxito de las campañas de marketing digital.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a los marketingers que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de este curso, los participantes podrán:
Leverage software AI para mejorar la forma en que las marcas se conectan con los usuarios.
Use chatbots para optimizar la experiencia del usuario.
Aumentar la productividad y los ingresos a través de la automatización de tareas.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a especialistas en marketing que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.
Al final de esta capacitación, los participantes serán capaces de:
Aproveche el software de IA para mejorar la forma en que las marcas se conectan con los usuarios.
Utiliza chatbots para optimizar la experiencia del usuario.
Aumente la productividad y los ingresos a través de la automatización de tareas.
[outline] =>
Introduction
AI in Digital Marketing
What is AIDM?
The application of AIDM
Content Curation and Creation
Streamlining content with AI tools
Working with Curata, BuzzSumo, Crayon, and Scoop-It
Google Cloud AI
Creating and scaling chatbots
Integrating chatbots on a web application
SEO Optimization
Working with Market Brew
Email Task Automation
Automating email tasks with Siftrock
Tracking and Reporting
Tracking and reporting user behavior with BlueShift
Tracking and reporting data from social media platforms with Zoomph
Summary and Conclusion
[language] => en
[duration] => 7
[status] => published
[changed] => 1700037602
[source_title] => AI in Digital Marketing
[source_language] => en
[cert_code] =>
[weight] => 0
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aidm
)
[aiformanagers] => stdClass Object
(
[course_code] => aiformanagers
[hr_nid] => 356467
[title] => Inteligencia Artificial (IA) para Directivos
[requirements] =>
Familiarity with programming
Basic understanding of algorithms
Audience
Business leaders
Project managers
[overview] =>
Es la simulación de la inteligencia humana en las máquinas que están programadas para pensar y actuar como los humanos. Cubre una variedad de tecnologías, como el aprendizaje de máquina y el aprendizaje profundo, y se utiliza para diversas aplicaciones empresariales y corporativas para resolver los desafíos y necesidades de la organización.
Este entrenamiento dirigido por instructores, en vivo (online o on-site) está dirigido a los gerentes y líderes de negocios que desean aprender sobre los fundamentos de la inteligencia artificial y gestionar proyectos de inteligencia artificial para su organización.
Al final de esta formación, los participantes podrán entender la IA a nivel técnico y estratégizar utilizando los datos y los recursos de su organización para gestionar con éxito proyectos de IA.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes y líderes empresariales que deseen aprender sobre los fundamentos de la inteligencia artificial y administrar proyectos de IA para su organización.
Al final de esta formación, los participantes serán capaces de entender la IA a nivel técnico y elaborar estrategias utilizando los datos y recursos de su organización para gestionar con éxito los proyectos de IA.
[outline] =>
Introduction
Overview of Artificial Intelligence (AI)
Machine learning systems
Exploring Applications for AI
AI in the corporate context
Learning About the Technology of AI
Underfit and overfit, classification, and regularization
Basic understanding of computer science and engineering
Familiarity with probability concepts and linear algebra
Audience
Engineers
[overview] =>
Robotics es un área de inteligencia artificial (AI) que se ocupa de la programación y el diseño de máquinas inteligentes y eficientes.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean programar y crear robots a través de métodos básicos de inteligencia artificial.
Al final de este curso, los participantes podrán:
Implementación de filtros (Kalman y partículas) para que el robot pueda localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno desconocido.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros que desean programar y crear robots a través de métodos básicos de IA.
Al final de esta capacitación, los participantes serán capaces de:
Implemente filtros (Kalman y partículas) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
[outline] =>
Introduction
Overview of Artificial Intelligence (AI) and Robotics
Computer-simulated versus physical
Robotics as a branch of AI
Applications for AI in robotics
Understanding Localization
Locating your robot
Using sensors to assess location and environment
Probability exercises
Learning About Robot Motion
Exact and inexact motions
Sense and move functions
Using Probability Tools
Bayes’ rule
Theorem of total probability
Estimating Vehicle State Using Kalman Filter
Gaussian processes
Measurement and motion
Kalman filtering (code, prediction, design, and matrices)
Artificial Intelligence (AI) es una rama de la informática que se centra en el desarrollo de máquinas inteligentes capaces de realizar tareas que normalmente requieren inteligencia humana y tiene como objetivo simular procesos cognitivos similares a los humanos.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo utilizarla de manera efectiva y responsable.
Al finalizar esta capacitación, los participantes podrán:
Aprenda el concepto de Artificial Intelligence (AI).
Comprenda los límites y peligros de la IA y utilícela de manera responsable.
Sepa cómo utilizar eficazmente la IA en escenarios del mundo real.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en el sitio o remota) está dirigida a profesionales que desean aprender y comprender el concepto de IA y cómo usarlo de manera efectiva y responsable.
Al final de esta capacitación, los participantes podrán:
Aprende el concepto de Artificial Intelligence (AI). Comprenda los límites y los peligros de la IA y utilícela de manera responsable. Sepa cómo usar efectivamente la IA en escenarios del mundo real.
[outline] =>
Introduction
Definition and scope of Artificial Intelligence (AI)
Historical and key milestones
Ethical Considerations and Future Trends in AI
Ethical challenges in AI development and deployment
Bias and fairness in AI algorithms
Explainable AI and interpretability
Future trends and advancements in AI research
Overview of the Uses of AI
Problem-solving using AI techniques
Machine learning and its applications
Basics of artificial neural networks
Deep learning
Natural Language Processing (NLP)
Computer vision
Robotics
AI in healthcare
AI in finance
Effective uses and impact of AI
Privacy Protection and Compliant use of AI
Importance of data privacy and protection in AI applications
Laws and regulations related to data privacy
Importance of transparency and explainability in AI systems
Consent and user rights
Security risks and vulnerabilities in AI applications
Overview of regulatory frameworks governing AI
Compliance requirements for AI systems in specific industries
Impact of AI regulations on privacy protection and compliant use
Best practices for ensuring compliant use of AI and privacy protection
Summary and next steps
[language] => en
[duration] => 35
[status] => published
[changed] => 1700037953
[source_title] => Introduction to Artificial Intelligence (AI)
[source_language] => en
[cert_code] =>
[weight] => -1002
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aiintroduction
)
[airoboticsfornuclear] => stdClass Object
(
[course_code] => airoboticsfornuclear
[hr_nid] => 361343
[title] => AI and Robotics for Nuclear - Extended
[requirements] =>
Programming experience in C or C++
Programming experience in Python (useful but not necessary; can be taught as part of course)
Experience with Linux command line
Audience
Developers
Engineers
Scientists
Technicians
[overview] =>
Robotics y Artificial Intelligence (AI) son poderosas herramientas para el desarrollo de sistemas de seguridad en instalaciones nucleares.
En este entrenamiento guiado por instructores, en vivo (online o on-site), los participantes aprenderán las diferentes tecnologías, marco y técnicas para la programación de diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas ambientales.
El curso de 6 semanas se lleva a cabo 5 días por semana. Cada día es de 4 horas y consiste en conferencias, discusiones y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán diversos proyectos del mundo real aplicables a su trabajo con el fin de practicar sus conocimientos adquiridos.
El hardware objetivo para este curso será simulado en 3D a través de software de simulación. El ROS (Robot Operating System) marco de código abierto, C++ y Python se utilizará para la programación de los robots.
Al final de este curso, los participantes podrán:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre software y hardware en un sistema robótico.
Comprender y implementar los componentes de software que sustentan la robótica.
Construir y operar un robot mecánico simulado que pueda ver, sentir, procesar, navegar y interactuar con los humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (aprendizaje de máquina, aprendizaje profundo, etc.) Para construir un robot inteligente.
Los filtros de implementación (Kalman y Particle) permiten al robot localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno desconocido.
Extender la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Testar y resolver problemas a un robot en escenarios realistas.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para personalizar cualquier parte de este curso (linguaje de programación, modelo de robots, etc.) Por favor, póngase en contacto con nosotros para organizar.
[category_overview] =>
En esta formación en directo dirigida por un instructor en <loc> (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 6 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Amplíe la capacidad de un robot para realizar tareas complejas a través de Deep Learning.
Pruebe y solucione problemas de un robot en escenarios realistas.
[outline] =>
Week 01
Introduction
What Makes a Robot smart?
Physical vs Virtual Robots
Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA), etc.
The Role of Artificial Intelligence (AI) in Robotics
Beyond "if-then-else" and the learning machine
The algorithms behind AI
Machine learning, computer vision, natural language processing (NLP), etc.
Cognitive robotics
The Role of Big Data in Robotics
Decision-making based on data and patterns
The Cloud and Robotics
Linking robotics with IT
Building more functional robots that access more information and collaborate
Architecture: workspace, topics, messages, services, nodes, actionlibs, tools, etc.
Languages for Programming a Robot
C++ for low level controlling
Python for orchestration
Programming ROS nodes in Python and C ++
Other languages
Tools for Simulating a Physical Robot
Commercial and open source 3D simulation and visualization software
Week 02
Preparing the Development Environment
Software installation and setup
Useful packages and utilities
Case Study: Mechanical Robots
Robots in the nuclear technology field
Robots in environmental systems
Programming the Robot
Programming a node in Python and C ++
Understanding ROS node
Messages and topics in ROS
Publication / subscription paradigm
Project: Bump & Go with real robot
Troubleshooting
Simulation of robots with Gazebo / ROS
Frames in ROS and reference changes
2D information processing of cameras with OpenCV
Information processing of a laser
Project: Safe tracking of objects by color
Troubleshooting
Week 03
Programming the Robot (Continued...)
Services in ROS
3D information processing of RGB-D sensors with PCL
Maps and Navigation with ROS
Project: Search for objects in the environment
Troubleshooting
Programming the Robot (Continued...)
ActionLib
Speech Recognition and Speech Generation
Controlling robotic arms with MoveIt!
Controlling robotic neck for active vision
Project: Search and collection of objects
Troubleshooting
Testing Your Robot
Unit testing
Week 04
Extending a Robot's Capabilities with Deep Learning
Perception -- vision, audio, and haptics
Knowledge representation
Voice recognition through NLP (natural language processing)
Computer vision
Crash Course in Deep Learning
Artificial Neural Networks (ANNs)
Artificial Neural Networks vs. Biological Neural Networks
Feedforward Neural Networks
Activation Functions
Training Artificial Neural Networks
Crash Course in Deep Learning (Continued...)
Deep Learning Models
Convolutional Networks and Recurrent Networks
Convolutional Neural Networks (CNNs or ConvNets)
Convolution Layer
Pooling Layer
Convolutional Neural Networks Architecture
Week 05
Crash Course in Deep Learning (Continued...)
Recurrent Neural Networks (RNN)
Training an RNN
Stabilizing gradients during training
Long short-term memory networks
Deep Learning Platforms and Software Libraries
Deep Learning in ROS
Using Big Data in Your Robot
Big data concepts
Approaches to data analysis
Big Data tooling
Recognizing patterns in the data
Exercise: NLP and Computer Vision on large data sets
Using Big Data in Your Robot (Continued...)
Distributed processing of large data sets
Coexistence and cross-fertilization of Big Data and Robotics
The robot as a generator of data
Range measuring sensors, position, visual, tactile sensors, and other modalities
Making sense of sensory data (sense-plan-act loop)
Exercise: Capturing streaming data
Programming an Autonomous Deep Learning Robot
Deep Learning robot components
Setting up the robot simulator
Running a CUDA-accelerated neural network with Cafe
Troubleshooting
Week 06
Programming an Autonomous Deep Learning Robot (Continued...)
Recognizing objects in photographs or video streams
Enabling computer vision with OpenCV
Troubleshooting
Data Analytics
Using the robot to collect and organize new data
Tools and processes for making sense of the data
Deploying a Robot
Transitioning a simulated robot to physical hardware
Deploying the robot in the physical world
Monitoring and servicing robots in the field
Securing Your Robot
Preventing unauthorized tampering
Preventing hackers from viewing and stealing sensitive data
Building a Robot Collaboratively
Building a robot in the cloud
Joining the robotics community
Future Outlook for Robots in the Science and Energy Field
Summary and Conclusion
[language] => en
[duration] => 120
[status] => published
[changed] => 1700037744
[source_title] => AI and Robotics for Nuclear - Extended
[source_language] => en
[cert_code] =>
[weight] => 0.3
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => airoboticsfornuclear
)
[airoboticsnuclear] => stdClass Object
(
[course_code] => airoboticsnuclear
[hr_nid] => 361295
[title] => AI and Robotics for Nuclear
[requirements] =>
Programming experience in C or C++
Programming experience in Python (useful but not necessary; can be taught as part of course)
Experience with Linux command line
Audience
Developers
Engineers
Scientists
Technicians
[overview] =>
Robotics y Artificial Intelligence (AI) son poderosas herramientas para el
desarrollo de sistemas de seguridad en instalaciones nucleares.
En este entrenamiento guiado por instructores, en vivo (online o on-site), los
participantes aprenderán las diferentes tecnologías, marco y técnicas para la
programación de diferentes tipos de robots que se utilizarán en el campo de la
tecnología nuclear y los sistemas ambientales.
El curso de 4 semanas se lleva a cabo 5 días a la semana. Cada día es de 4
horas y consiste en conferencias, discusiones y desarrollo práctico de robots
en un entorno de laboratorio en vivo. Los participantes completarán diversos
proyectos del mundo real aplicables a su trabajo con el fin de practicar sus
conocimientos adquiridos.
El hardware objetivo para este curso será simulado en 3D a través de software
de simulación. El código se cargará luego en hardware físico (Arduino o otro)
para la prueba de implementación final. El ROS (Robot Operating System) marco
de código abierto, C++ y Python se utilizará para la programación de los
robots.
Al final de este curso, los participantes podrán:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre software y hardware en un
sistema robótico.
Comprender y implementar los componentes de software que sustentan la
robótica.
Construir y operar un robot mecánico simulado que pueda ver, sentir,
procesar, navegar y interactuar con los humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial
(aprendizaje de máquina, aprendizaje profundo, etc.) Para construir un robot
inteligente.
Los filtros de implementación (Kalman y Particle) permiten al robot
localizar objetos en movimiento en su entorno.
Implementación de algoritmos de búsqueda y planificación de movimientos.
Implementación de controles PID para regular el movimiento de un robot
dentro de un entorno.
Implementar algoritmos SLAM para permitir que un robot mapa un entorno
desconocido.
Testar y resolver problemas a un robot en escenarios realistas.
Formato del curso
Lecciones y discusiones interactivas. Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Sobre el hardware
Los kites de hardware serán confirmados por el instructor antes del
entrenamiento. Los kitos contendrán más o menos los siguientes componentes:
Arduino El Consejo
Controlador Motor
Sensor de distancia
El esclavo Bluetooth
El prototipo de la placa y los cables
Cable USB
El vehículo kit
Los participantes tendrán que proporcionar su propio hardware.
Opciones de Customización de Curso
Para personalizar cualquier parte de este curso (linguaje de programación,
modelo de robots, microcontroller, etc.) Por favor, póngase en contacto con
nosotros para organizar.
[category_overview] =>
En esta formación en directo dirigida por un instructor en <loc> (online o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de robots que se utilizarán en el campo de la tecnología nuclear y los sistemas medioambientales.
El curso de 4 semanas se lleva a cabo 5 días a la semana. Cada día tiene una duración de 4 horas y consiste en conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo con el fin de poner en práctica los conocimientos adquiridos.
El hardware objetivo de este curso se simulará en 3D a través de un software de simulación. A continuación, el código se cargará en el hardware físico (Arduino u otro) para realizar las pruebas finales de implementación. Para la programación de los robots se utilizará el marco de código abierto ROS (Robot Operating System), C++ y Python.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los conceptos clave utilizados en las tecnologías robóticas.
Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico.
Comprender e implementar los componentes de software que sustentan la robótica.
Construya y opere un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos a través de la voz.
Comprender los elementos necesarios de la inteligencia artificial (machine learning, deep learning, etc.) aplicables a la construcción de un robot inteligente.
Implemente filtros (Kalman y Particle) para permitir que el robot localice objetos en movimiento en su entorno.
Implemente algoritmos de búsqueda y planificación de movimiento.
Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.
Pruebe y solucione problemas de un robot en escenarios realistas.
[outline] =>
Week 01
Day 01
Introduction
What Makes a Robot smart?
Physical vs Virtual Robots
Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA), etc.
The Role of Artificial Intelligence (AI) in Robotics
Beyond "if-then-else" and the learning machine
The algorithms behind AI
Machine learning, computer vision, natural language processing (NLP), etc.
Cognitive robotics
Day 02
The Role of Big Data in Robotics
Decision-making based on data and patterns
The Cloud and Robotics
Linking robotics with IT
Building more functional robots that access more information and collaborate
Architecture: workspace, topics, messages, services, nodes, actionlibs, tools, etc.
Languages for Programming a Robot
C++ for low level controlling
Python for orchestration
Programming ROS nodes in Python and C ++
Other languages
Day 05
Tools for Simulating a Physical Robot
Commercial and open source 3D simulation and visualization software
Tools for Designing the Physical Characteristics of a Robot
Commercial and open source CAD software
Case Study: Mechanical Robots
Robots in the nuclear technology field
Robots in environmental systems
Week 02
Day 06
Crash Course in Python
Software installation and setup
Useful packages and utilities
Working with Python data structures, operators, loops, conditionals, functions, methods, etc.
Writing a sample program
Team project
Day 07
Preparing for Robot Development
Setting up the development environment (e.g., Arduino IDE)
Exploring the Arduino language (C/C++) syntax
Coding, compiling, and uploading to the microcontroller
Assembling the hardware components of an Arduino robot
Day 08
Working with Arduino Components
Analog sensors
Digital sensors
Working with Arduino Communication Modules
Bluetooth Modules
Wi-Fi Modules
RFID Modules
I2C and SPI
Mobile internet
Day 09
Constructing a Robot
Planning the features and characteristics of a robot
Implementing robot movement
Team project
Discussion and review
Day 10
Controlling the Robot
Implementing the controller
Connecting to the robot (wired and wirelessly)
Team Project
Discussion and review
Week 03
Day 11
Programming the Robot
Simulating a robot with Gazebo / ROS
Understanding ROS node
Programming a node in Python and C ++
Messages and topics in ROS
Publication / subscription paradigm
Team Project
Bump & Go with real robot
Discussion and review
Day 12
Programming the Robot (continued...)
Frames in ROS and reference changes
2D information processing of cameras with OpenCV
Information processing of a laser
Team Project
Safe tracking of objects by color
Discussion and review
Day 13
Testing the Robot
Tools for testing your code
Unit testing
Creating a test suite
Automating your tests
Troubleshooting
Team Project
Safe tracking of objects by color
Discussion and review
Day 14
Programming the Robot (Continued...)
Services in ROS
3D information processing of RGB-D sensors with PCL
Maps and Navigation with ROS
Day 15
Programming the Robot (Continued...)
Completing tasks with ActionLib
Team Project
Search for objects in the environment
Week 04
Day 16
Programming the Robot (Continued...)
Completing tasks with ActionLib
Day 17
Programming the Robot (Continued...)
Speech Recognition and Speech Generation
Troubleshooting
Team Project
Controlling a robot using voice
Day 18
Programming the Robot (Continued...)
Controlling robotic arms with MoveIt!
Controlling robotic neck for active vision
Troubleshooting
Team Project
Search and collection of objects
Day 19
Deploying the Robot
Deploying the robot in the physical world
Monitoring and servicing robots in the field
Using a mobile app to control a robot
Securing the Robot
Preventing unauthorized tampering
Preventing hackers from viewing and stealing sensitive data
Day 20
Data Analytics
Collecting and organizing data generated by the robot
Making sense of the data through visualization tools and processes
Building a Robot Collaboratively
Building a robot in the cloud
Building a mobile app to interact with your robot
Joining the robotics community
Future Outlook for Robots in the Science and Energy Field
Summary and Conclusion
[language] => en
[duration] => 80
[status] => published
[changed] => 1700037743
[source_title] => AI and Robotics for Nuclear
[source_language] => en
[cert_code] =>
[weight] => 0.2
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => airoboticsnuclear
)
[aisoc_lbg] => stdClass Object
(
[course_code] => aisoc_lbg
[hr_nid] => 281710
[title] => AI en los negocios y la sociedad y el futuro de la IA - AI / Robótica
[requirements] =>
No hay requisitos específicos necesarios para asistir a este curso.
[overview] =>
Esta es una sesión de capacitación basada en el aula en una presentación y formato de preguntas y respuestas
[category_overview] =>
[outline] =>
1. Introducción
Impactos de las tecnologías de IA en la sociedad humana
Expectativas y preocupaciones con respecto a las tecnologías de IA
Las características de las tecnologías de IA difieren de las tecnologías anteriores
AI y Macroeconomía: tecnología y crecimiento de la productividad
2. Trabajo y automatización
Investigación por sector y tarea
AI y la naturaleza del trabajo
Desigualdad y redistribución
Impacto en el empleo y la fuerza de trabajo
Diversificar los efectos potenciales
3. Sesgo e inclusión
De dónde proviene el sesgo
El campo de IA no es diverso
Desarrollos recientes en Bias Research
Estrategias emergentes para abordar el sesgo
4. Derechos y libertades
Registros de población y poder computacional
Enredos Corporativos y Gubernamentales
AI y el sistema legal
AI y privacidad
5. Ética y gobernabilidad
Preocupaciones éticas en la IA
AI refleja sus orígenes
Códigos éticos
Desafíos e inquietudes que siguen adelante
6. Resumen de las cuestiones que se abordarán
Cuestiones éticas
Asuntos legales
Problemas económicos
Problemas educativos
Problemas sociales
Problemas de investigación y desarrollo
7. El futuro y los desafíos de la IA
Economía de la automatización controlada por AI
AI y el mercado laboral
Mal uso
Impredecibilidad
[language] => es
[duration] => 7
[status] => published
[changed] => 1700037416
[source_title] => AI in business and Society & The future of AI - AI/Robotics
[source_language] => en
[cert_code] =>
[weight] => 0
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] => 1
[field_prerequisits] => 1
[field_overview_in_category] =>
)
[cc] => aisoc_lbg
)
[aitrism] => stdClass Object
(
[course_code] => aitrism
[hr_nid] => 477915
[title] => Introduction to AI Trust, Risk, and Security Management (AI TRiSM)
[requirements] =>
An understanding of basic AI concepts and applications
Experience with data management and IT security principles is beneficial
Audience
IT professionals and managers
Data scientists and AI developers
Business leaders and policymakers
[overview] =>
AI TRiSM es un campo emergente que aborda la necesidad de confiabilidad, gestión de riesgos y seguridad en los sistemas de IA.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprenda los conceptos clave y la importancia de la gestión de la confianza, el riesgo y la seguridad de la IA.
Identifique y mitigue los riesgos asociados con los sistemas de IA.
Implemente las mejores prácticas de seguridad para la IA.
Comprenda el cumplimiento normativo y las consideraciones éticas de la IA.
Desarrollar estrategias para una gobernanza y gestión eficaces de la IA.
[outline] =>
Understanding AI TRiSM
Introduction to AI TRiSM
The importance of trust and security in AI
Overview of AI risks and challenges
Foundations of Trustworthy AI
Principles of AI trustworthiness
Ensuring fairness, reliability, and robustness in AI systems
AI ethics and governance
Risk Management in AI
Identifying and assessing AI risks
Mitigation strategies for AI-related risks
AI risk management frameworks
Security Aspects of AI
AI and cybersecurity
Protecting AI systems from attacks
Secure AI development lifecycle
Compliance and Data Protection
Regulatory landscape for AI
AI compliance with data privacy laws
Data encryption and secure storage in AI systems
AI Model Governance
Governance structures for AI
Monitoring and auditing AI models
Transparency and explainability in AI
Implementing AI TRiSM
Best practices for implementing AI TRiSM
Case studies and real-world examples
Tools and technologies for AI TRiSM
Future of AI TRiSM
Emerging trends in AI TRiSM
Preparing for the future of AI in business
Continuous learning and adaptation in AI TRiSM
Summary and Next Steps
[language] => en
[duration] => 21
[status] => published
[changed] => 1713560667
[source_title] => Introduction to AI Trust, Risk, and Security Management (AI TRiSM)
[source_language] => en
[cert_code] =>
[weight] => -1004
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => aitrism
)
[bingai] => stdClass Object
(
[course_code] => bingai
[hr_nid] => 438055
[title] => Introduction to Bing AI: Enhancing Search with Artificial Intelligence
[requirements] =>
No prerequisites required.
Basic knowledge of search engines and artificial intelligence concepts would be beneficial.
Audience
Digital marketers
Content creators
Web developers
Data analysts
[overview] =>
Bing AI es la integración de inteligencia artificial de Microsoft en su motor de búsqueda, Bing. Este curso proporciona una introducción a Bing AI y cómo aprovecha las tecnologías de AI para mejorar los resultados de búsqueda y las experiencias de los usuarios. Los participantes obtendrán información sobre las diversas características y funcionalidades impulsadas por IA disponibles en Bing, incluido Bing AI Chatbot.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que desean comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones. .
Al finalizar esta capacitación, los participantes podrán:
Comprenda los principios y beneficios de Bing AI.
Identifique las funciones impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice Bing AI para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenido.
Explore las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a especialistas en marketing digital, creadores de contenido y desarrolladores que deseen comprender el impacto de la IA en los motores de búsqueda, explorar las capacidades de Bing AI y aprender sobre las tecnologías de chatbot y sus aplicaciones.
Al final de esta capacitación, los participantes serán capaces de:
Comprender los principios y las ventajas de Bing AI.
Identifique las características impulsadas por IA dentro de Bing y sus aplicaciones.
Utilice la IA de Bing para mejorar los resultados de búsqueda y las experiencias de los usuarios.
Evaluar el potencial de la IA en la optimización de motores de búsqueda (SEO) y la creación de contenidos.
Explora las tecnologías de chatbot y sus aplicaciones, incluido Bing AI Chatbot.
[outline] =>
Introduction
What is Bing AI and its significance in search engines?
Bing AI vs. traditional search engines
Overview of Bing AI features and architecture
Exploring the impact of AI on search engine technology
Understanding Bing AI
The lifecycle of a search query in Bing
How Bing AI integrates artificial intelligence into the search process
Key AI technologies utilized by Bing, such as natural language processing and machine learning
Getting Started
Accessing Bing AI: Web browser-based search
Exploring AI-powered search enhancements in Bing
Understanding the role of AI in delivering relevant search results
Bing AI Features and Functionalities
Intelligent Answers: Providing concise answers to user queries
Intelligent Image Search: Leveraging AI for visual search and image recognition
Intelligent Video Search: Enhancing video search capabilities with AI algorithms
Intelligent Autocomplete: Utilizing AI to suggest search queries in real-time
Intelligent Indexing: Enhancing search relevance and retrieval through AI-driven indexing
Bing AI Chatbot
Introduction to chatbot technologies
Overview of Bing AI Chatbot
Building conversational interactions with Bing AI Chatbot
Applications of Bing AI Chatbot in customer support, information retrieval, and more
Integrating Bing AI with SEO and Content Creation
Optimizing web content for Bing AI
Leveraging AI-powered features for search engine optimization
Creating content that aligns with Bing AI's capabilities
Evaluating the impact of Bing AI on search engine marketing strategies
Troubleshooting and Best Practices
Common issues and challenges when working with Bing AI
Troubleshooting techniques for improving search results
Best practices for leveraging Bing AI effectively
Summary and Next Steps
Recap of key learnings and takeaways from the course
Resources for further exploration and learning opportunities in Bing AI, chatbot technologies, and related topics
[language] => en
[duration] => 14
[status] => published
[changed] => 1700037932
[source_title] => Introduction to Bing AI: Enhancing Search with Artificial Intelligence
[source_language] => en
[cert_code] =>
[weight] => -1001
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => bingai
)
[ibmcloudpak] => stdClass Object
(
[course_code] => ibmcloudpak
[hr_nid] => 341811
[title] => IBM Cloud Pak for Data
[requirements] =>
Experience with data processing and AI concepts
Audience
Data Scientists
Business Analysts
Data Engineers
Developers
System Administrators
[overview] =>
IBM Cloud Pak for Data es una plataforma de software multi-cloud para la recopilación, organización y análisis de datos para uso en la IA.
Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a científicos de datos que desean utilizar IBM Cloud Pak para preparar los datos para su uso en soluciones de inteligencia artificial.
Al final de este curso, los participantes podrán:
Instalar y configurar Cloud Pak para datos.
Unificar la recopilación, organización y análisis de datos.
Integrar Cloud Pak for Data con una variedad de servicios para resolver problemas comerciales comunes.
Implementar flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
Formato del curso
Lecciones y discusiones interactivas.
Muchos ejercicios y prácticas.
Implementación de manos en un entorno de laboratorio en vivo.
Opciones de Customización de Curso
Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.
[category_overview] =>
Esta formación en vivo dirigida por un instructor en <loc> (en línea o in situ) está dirigida a científicos de datos que deseen utilizar IBM Cloud Pak para preparar datos para su uso en soluciones de IA.
Al final de esta capacitación, los participantes serán capaces de:
Instale y configure Cloud Pak for Data.
Unificar la recopilación, organización y análisis de datos.
Integre Cloud Pak for Data con una variedad de servicios para resolver problemas empresariales comunes.
Implemente flujos de trabajo para colaborar con los miembros del equipo en el desarrollo de una solución de IA.
[outline] =>
Introduction
Overview of Cloud Pac for Data Features and Architecture
Red Hat OpenShift Container Platform
Containers, Kubernetes, and Helm
Red Hat OpenShift security
Setting up Cloud Pac for Data
Pre-installation tasks
Installation
Post-installation tasks
Setting up a Workflows
Setting up roles and permissions for collaboration
Creating a workflow
Searching and requesting data
Collecting Data
Connecting to a data source
Adding data to a project
Organizing Data
Working with catalogs
Curating catalog data
Governing data to comply with regulations
Automating the discovery process
Preparing Data
Transforming data
Refining data
Virtualizing data
Analyzing Data
Analyzing data using notebooks
Analyzing data using other tools
Analyzing data automatically using AutoAI
Implementing an AI Solution
Building a machine learning model
Deploying the model
Validating the model
Monitoring the model
Integrating Cloud Data Pac with Other Services
Finding services in a catalog
Finding services outside a catalog
Integrating IBM Cloud Pak for Data with other applications
Administering Cloud Data Pac
Managing an IBM Cloud Pak for Data cluster
Managing an IBM Cloud Pak for Data web client
Uninstalling Cloud Pak for Data
Troubleshooting
Summary and Conclusion
[language] => en
[duration] => 14
[status] => published
[changed] => 1700037632
[source_title] => IBM Cloud Pak for Data
[source_language] => en
[cert_code] =>
[weight] => -982
[excluded_sites] =>
[use_mt] => stdClass Object
(
[field_overview] =>
[field_course_outline] =>
[field_prerequisits] =>
[field_overview_in_category] =>
)
[cc] => ibmcloudpak
)
[intelligentdriving] => stdClass Object
(
[course_code] => intelligentdriving
[hr_nid] => 474087
[title] => Fundamentals of Intelligent Driving
[requirements] =>
An understanding of artificial intelligence (AI) concepts and principles
Experience with 3D design software such as AutoCAD, Revit, or 3ds Max
Basic programming experience (optional)
Audience
Developers
Architects
[overview] =>
La conducción inteligente es un tipo de conducción que utiliza la IA y la fusión de información multisensor para proporcionar orientación y comentarios a los conductores que desean conducir de forma segura y eficiente en entornos complejos y dinámicos.
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y arquitectos de nivel principiante a intermedio que deseen aprender los fundamentos de la conducción inteligente y cómo aplicarlos a escenarios del mundo real.
Al final de esta capacitación, los participantes serán capaces de:
Explicar los conceptos y principios básicos de la IA y cómo se puede aplicar a la conducción.
Comprender la arquitectura y los componentes de los sistemas de conducción inteligentes.
Cree y visualice un modelo de conducción compuesto de diferentes disciplinas de diseño.
Comunique y anote los problemas y comentarios dentro del modelo.
Realice la detección y resolución de conflictos entre escenarios de conducción.
Simule y controle los horarios y costos de conducción.
[outline] =>
Introduction
What is intelligent driving and why use it?
Intelligent driving vs traditional driving
Overview of intelligent driving features and architecture
Navigating the intelligent driving interface and workspace
Understanding AI and Multi-Sensor Information Fusion
Intelligent driving session lifecycle
AI and multi-sensor information fusion for intelligent driving
Creating and importing 3D files for intelligent driving
Driving Skills and Techniques
Practicing driving skills and techniques
Adjusting the driving settings
Measuring, tagging, commenting, and markup
Driving Scenarios and Situations
Practicing driving scenarios and situations
Identifying and responding to potential hazards and risks
Following and applying the road rules and regulations
Dealing with complex and dynamic driving environments
Driving Performance and Evaluation
Analyzing and evaluating driving performance, behavior, and feedback
Creating and demonstrating animations of driving sessions
Creating and viewing images and videos of driving sessions
Performing clash detection tests and checking the integrity of driving sessions
Driving Integration and Application
Integrating the knowledge and skills learned with real-world driving situations and challenges
Connecting and collaborating with other drivers and instructors
Obtaining and creating material estimates for driving sessions
Creating and animating driving timelines and checking the validity of driving schedules
An understanding of the importance of software testing
Audience
Software Testers
[overview] =>
Las pruebas de software son el proceso de evaluar la validez de la funcionalidad de una aplicación de software. La integración de la inteligencia artificial en el entorno de pruebas de software permite que el proceso se prome de IA, acelerando la creación, la ejecución y el mantenimiento de las pruebas.
Este instructor de formación en vivo (in situ o remoto) está dirigido a los probadores de software que desean tener un entorno de pruebas de software impulsado por IA.
Al final de esta formación, los participantes podrán:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatice la generación y el mantenimiento de pruebas de API con IA.
Utilice métodos de aprendizaje automático para autocurar la ejecución de pruebas de Selenium.
Formato del curso
Conferencia interactiva y discusión.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
[category_overview] =>
Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a probadores de software que desean tener un entorno de prueba de software impulsado por IA.
Al final de esta capacitación, los participantes serán capaces de:
Automatice la generación y parametrización de pruebas unitarias con IA.
Aplique el aprendizaje automático en un caso de uso del mundo real.
Automatiza la generación y el mantenimiento de las pruebas de API con IA.
Utilice métodos de aprendizaje automático para reparar automáticamente la ejecución de Selenium pruebas.
[outline] =>
Day One:
Introduction
What is AI
Computational Psychology
Computational Philosophy
Machine Learning
Computational learning theory
Computer algorithms for computational experience
Deep Learning
Artificial neural networks
Deep learning vs. machine learning
Day Two:
Preparing the Development Environment
Installing and configuring Parasoft Jtest
Installing and configuring Parasoft SOATest's Smart API Test Generator