BEGIN:VCALENDAR VERSION:2.0 PRODID:IEEE vTools.Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:America/Argentina/Buenos_Aires BEGIN:DAYLIGHT DTSTART:20380119T001407 TZOFFSETFROM:-0300 TZOFFSETTO:-0300 RRULE:FREQ=YEARLY;BYDAY=3TU;BYMONTH=1 TZNAME:-03 END:DAYLIGHT BEGIN:STANDARD DTSTART:20090314T230000 TZOFFSETFROM:-0200 TZOFFSETTO:-0300 RRULE:FREQ=YEARLY;BYDAY=2SA;BYMONTH=3 TZNAME:-03 END:STANDARD END:VTIMEZONE BEGIN:VEVENT DTSTAMP:20240312T144918Z UID:70EC9CFB-E8D1-4A47-AD48-97F81A7598C5 DTSTART;TZID=America/Argentina/Buenos_Aires:20221205T190000 DTEND;TZID=America/Argentina/Buenos_Aires:20221207T200000 DESCRIPTION:La rama estudiantil de la UTN.BA junto con MUTT.DATA se complac e a presentar el siiguiente curso destinado a dar una introducción a tema s de Machine Learning (ML) a cargo de Pablo Lorenzatto CTO de Mutt Data.\n \nCantidad de clases: 2\nFechas: 28 y 30 de Noviembre\nModalidad: 100% rem ota.\nDuracion: Cada clase consistirá en 1 hora sincrónica\n\nSpeaker(s) : Pablo Lorenzatto\, \n\nAgenda: \nClase 1: Introducción a ML\nTeoria:\n - ¿Qué es Machine Learning?\n- Tipos de algoritmos: supervisados (clasif icación y regresión)\, no supervisados (clustering\, reducción de dimen sionalidad) y semi-supervisados.\n- ¿Qué es deep learning? Transfer lear ning.\n- ¿Qué son las métricas de ML? Evaluación básica de modelos.\n Práctica: Demostraciones de modelos de ML usando Scikit Learn.\n\nClase 2 : ML productivo\nTeoria:\n- Lifecycle de modelos productivos de ML: MLOps\ n- Intro a reglas de ML de Google\n- Predicciones Batch y Online\n- Arquit ecturas Realtime\n- Mención de temas varios: Data Quality\, Airflow\, Mod el Tracking\, Feature stores\n\nVirtual: https://events.vtools.ieee.org/m/ 333764 LOCATION:Virtual: https://events.vtools.ieee.org/m/333764 ORGANIZER:macevedo@inti.gob.ar SEQUENCE:15 SUMMARY:Curso Machine Learning Aplicado URL;VALUE=URI:https://events.vtools.ieee.org/m/333764 X-ALT-DESC:Description: <br /><p><span style="font-weight: 400\; font-size: 18pt\;">La rama estudiantil de la UTN.BA junto con MUTT.DATA se complace a presentar el siiguiente curso destinado a dar una introducci&oacute\;n a temas de Machine Learning (ML) a cargo de Pablo Lorenzatto CTO de Mutt Da ta.</span></p>\n<p><span style="font-size: 18pt\;"><strong>Cantidad de cla ses: </strong>2</span><br /><span style="font-size: 18pt\;"><strong>Fechas :</strong> 28 y 30 de Noviembre</span><br /><span style="font-size: 18pt\; "><strong>Modalidad:</strong> 100% remota. </span><br /><span style="font- size: 18pt\;"><strong>Duracion:</strong> Cada clase consistir&aacute\; en 1 hora sincr&oacute\;nica</span></p>\n<p>&nbsp\;</p><br /><br />Agenda: <b r /><p><span style="font-size: 18pt\;"><strong>Clase 1: Introducci&oacute\ ;n a ML</strong></span><br /><strong>Teoria:</strong><br />- &iquest\;Qu&e acute\; es Machine Learning?<br />- Tipos de algoritmos: supervisados (cla sificaci&oacute\;n y regresi&oacute\;n)\, no supervisados (clustering\, re ducci&oacute\;n de dimensionalidad) y semi-supervisados.<br />- &iquest\;Q u&eacute\; es deep learning? Transfer learning.<br />- &iquest\;Qu&eacute\ ; son las m&eacute\;tricas de ML? Evaluaci&oacute\;n b&aacute\;sica de mod elos.<br /><strong>Pr&aacute\;ctica: </strong>Demostraciones de modelos de ML usando Scikit Learn.</p>\n<p><strong><span style="font-size: 18pt\;">C lase 2: ML productivo</span></strong><br /><strong>Teoria:</strong><br />- Lifecycle de modelos productivos de ML: MLOps<br />- Intro a reglas de ML de Google<br />- Predicciones Batch y Online<br />- Arquitecturas Realtim e<br />- Menci&oacute\;n de temas varios: Data Quality\, Airflow\, Model T racking\, Feature stores</p> END:VEVENT END:VCALENDAR