Entrenamiento y colocación en Gen AI Basking Ridge

Entrenamiento y colocación en Gen AI

Tiempo completo • Basking Ridge
Buscamos candidatos para Aprendizaje Automático Aplicado e IA Generativa

Requisitos de los candidatos para el campamento de entrenamiento de IA de generación y ML aplicado:
1. Oops básicos
2. Estructuras de datos
3. Matemáticas avanzadas: estadística, álgebra,
4. Excel para la manipulación y visualización de datos
5. Base de datos y SQL
6. Formación en Ciencias de la Computación/Ingeniería
Conocimientos básicos (prerrequisito): 2 semanas
·         Python básico: variables, tipos de datos, bucles, declaraciones condicionales, funciones, clases, manejo de archivos, manejo de excepciones, etc.
·         Matemáticas y Estadística:
·         Álgebra lineal
·         Estadística descriptiva - Medida de la tendencia central (Media, Mediana, Moda), Medida de dispersión (varianza, desviación estándar)
·         Estadística inferencial - Prueba de hipótesis, correlación, covarianza, prueba Z, prueba t, prueba ANOVA, etc.
·         Probabilidad: teorema del límite central, distribución de probabilidad, teorema de Bayes, etc.
Análisis y Preparación de Datos (Análisis Exploratorio de Datos): 1 semana
·         Manejo y manipulación de datos con Numpy, Pandas, Scipy.
·         Visualización de datos mediante Matplotlib, Seaborn, Google Data Studio
·         Ingeniería de características como la imputación de valores nulos, el manejo de valores atípicos, el escalado de datos.
Proyecto: Análisis de datos de cualquier caso de uso de negocio con visualización y conclusión completas, por ejemplo, análisis de casos de Uber.Aprendizaje automático: 2 semanas
·         Introducción a frameworks como Scikit-Learn.
·         Aprendizaje supervisado
·         Introducción a los problemas de Regresión y Clasificación.
·         Entrene modelos utilizando algoritmos como regresión lineal, regresión logística, árbol de decisión, bosque aleatorio, SVC, KNN, etc.
·         Evaluación de modelos utilizando métricas como RMSE, MAE, MSE, R2, exactitud, precisión, recuperación, matriz de confusión, puntuación F1, etc.
·         Aprendizaje no supervisado
·         Introducción a los problemas de Clustering y Reducción de Dimensionalidad.
·         Aprenda algoritmos no supervisados como K-Means, PCA, LDA, etc.
·         Métricas de rendimiento como el método del codo, el coeficiente de silueta
Proyectos:
·         Regresión: casos de uso como la predicción del precio de la vivienda, etc.
·         Clasificación: casos de uso como correo electrónico no deseado o no, etc.
·         No supervisado: casos de uso como detección de anomalías, etc.
Deep Learning: 1 semana
·         Introducción a frameworks como Tensorflow, Keras for Deep Learning.
·         ¿Qué son las redes neuronales y cómo funcionan como núcleo del aprendizaje profundo?
Django (Framework para integraciones API): 1 semana
·         Conceptos básicos de Django, como la creación de proyectos, vistas de django, mapeo de urls.
·         Modelos Django para realizar operaciones CRUD.
·         Operaciones de base de datos
Proyecto: Creación de API REST para realizar todas las operaciones CRUD con Base de Datos MySQL. IA generativa: 2 semanas
·         Ingeniería de prontitud
·         Privacidad de datos - Contexto, Dominio
·         Prácticas recomendadas: optimización de tokens y solicitudes, consideraciones sobre la privacidad de los datos
·         Herramientas: ChatGPT, Vertex AI, Dall-E2, GitHub Copilot, etc.
Proyecto: Generación de Descripción de Puestos, Generación de Pólizas, etc.MLOps: 1 semana
·         Implementación de modelos utilizando plataformas basadas en la nube como GCP, Azure, etc.
·         Probar modelos y canalizaciones de datos
·         Canalizaciones de ML y flujos de trabajo de ML.
·         Mejores prácticas: costo de la nube, optimización de modelos
·         GCP/Azure creación e implementación de modelos, configuración de máquinas virtuales / GPU,
·         Proyecto: Instalar la solución de ML en GCP/Azure y actualizar los datos de prueba y volver a ejecutar modelos
Habilidades optativas: 1 semana
·         Procesamiento del lenguaje natural: Tratamiento de datos de texto utilizando NLTK, marco espacial. Introducción a algoritmos como Lematización, Stemming, NER, Word2Vec, etc.
·         Computer Vision: Manejo de datos de imágenes mediante OpenCV, PIL.
Proyecto final: 2 semanas
·         Implemente todo el aprendizaje y el conocimiento del módulo en un proyecto como entrenador de carrera, sistema de chatbot, etc.
OutcomeCertification: AZURE AI Fundamentals,Calificado para los roles de: Ingeniero de ML, Ingeniero de datos,
 

Por favor contacte para inscribirse @ 732 - 837 - 0242




(si ya tienes un currículum en Indeed)

O aplicar aquí.

* campos requeridos

Ubicación
Or
Or