Sobre o Treinamento

O treinamento passa uma visão fundamental e prática de como trabalhar com Inteligência Artificial, Machine Learning e Data Mining e o uso de ferramentas de mineração, os benefícios e os estudos sobre os dados, assim como a descoberta de conhecimento sobre bases de dados. Será apresentado como o Data Mining através da Inteligência Artificial (IA) e do Aprendizado de Máquina pode ajudar na melhoria dos negócios nas corporações e em suas estratégias.

Calendário de turmas abertas

Objetivo

Apresentar conceitos importantes sobre Inteligência Artificial (IA), Machine Learning (ML) e como aplicá-los nas principais funcionalidades e técnicas de mineração de dados usando o Weka (Pentaho Data Mining).

Público Alvo

DBAs, gestores, desenvolvedores de sistemas, cientistas de dados, analistas de negocio, analistas de suporte e estatísticos.

Conteúdo Programático:

Conceitual:

• O que é Inteligência?
• Natureza do Conhecimento Humano.
• Distinção entre dados, Informação e Conhecimento.
• Os Sistemas Inteligentes.
• Introdução a Inteligência Artificial.
• Introdução a Machine Learning / Aprendizado de Máquina.
• Introdução a Data Mining / Mineração de dados.
• Motivações para Data Mining.
• Cadeia de valores.
• KDD.
• KDD X Data Mining.
• Seleção e Pré-Processamento.
• Sumarização.
• Classificação.
• Regressão.
• Associação.
• Agrupamento.
• Aprendizagem Não Supervisionada
• Aprendizagem Supervisionada
• Aprendizagem por Reforço
• Extração de características
• MBA - Market Basket Analysis.
• Web Mining.
• Uso do Data Mining na gestão estratégica de empresas.
• Terminologia para classificação.
• Matriz de confusão.
• Acurácia, Probabilidade.
• Recall.
• Bases de Treinamento.

O Software - Weka Data Mining

• Histórico do Weka (Pentaho Data Mining).
• Instalando o Weka.
• Interface e funcionalidades do Weka.
• Os algoritmos do Weka.
• Conhecendo o formato de arquivo ARRF.
• Atributos e tipos de de atributos do formato ARFF.
• Interpretação e Visualização de resultados.
• Técnicas de apresentação de resultados.

Tratamento de Dados com o Software Pentaho Data Integration e Pentaho Machine Intelligence.

• Introdução ao Software Pentaho Data Integration - PDI
• Instalando o Pentaho Data Integration.
• Integrações entre Pentaho Data Integration os plugins do Weka.
• Pentaho Machine Intelligence.
• Gerando ARRF através do Pentaho Data Integration (Kettle).
• Formado de dados em ARFF.
• Automação do processo de Data Mining.

    
Hand Ons - Machine Learning e Data Mining.

• Usando o algoritmo de classificação j48 (árvores de decisão).
• Praticando a seleção e remoção de campos para encontrar insights interessantes e relevantes.
• Executando algoritmos de classificação de forma supervisionada e não supervisionada.
• Clusterizando dados com o Algoritmo SimpleKMeans.
• Realizando uma regressão Linear com o Algoritmo LinearRegression.
• Usando o algoritmo de associação APRIORI.
• APRIORI para analise de carinho de compra (MBA).
• Erros comuns e como evita-los
• Executando algoritmos por linha de comando.
• Realizando um trabalho prático com dados abertos.

Pré-Requisitos.

• Ter afinidade com gerenciamento de dados ( Planilhas Eletrônicas, Banco de Dados , CSVs , etc )
• Lógica de programação pode ajudar em alguns pontos do treinamento, mas é opcional.

Requisitos dos Alunos.

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware

• Memória RAM : 3GB
• Espaço em Disco: 2GB
• Processador: Dual-core AMD 64, EM64T
• Sistemas Operacionais : Linux, Windows , MacOS.

Carga Horária

• 16 Horas de Duração.

Modalidade do Treinamento:

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• Online Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Pentaho Data Integration e Weka Data Mining e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Caneta, Pasta e Bloco de Anotações.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos Pentaho e cursos Pentaho. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

A marca Pentaho é uma marca registrada pelos seus respectivos proprietários.

Próxima Turma

Solicite Informações e Valores

Fotos dos treinamentos Pentaho Data Mining - Pentaho Machine Intelligence - Weka

Instrutor

Administrar os dados de sua empresa com metodologias, técnicas e ferramentas ideais pode colocar sua empresa em outro patamar. Em busca da produtividade dos serviços e produtos atuais, assim como inovação para criação de novos serviços e novos produtos. O Big Data é uma abordagem para armazenamento de um grande volume de dados de tipos variados, para que possam ser processados com alta velocidade mesmo com alto volume. O Data Science ou Ciência dos Dados é a ciência que busca encontrar insights relevantes e úteis para seus negócios. 

O treinamento mlFlow foi elaborado para apresentar e conceituar toda plataforma e o ciclo de vida do machine learning, e atende as necessidades da mlOps, sendo o cientista de dados o profissional mais atuante nesta ferramenta. O MLflow é uma plataforma para otimizar o desenvolvimento de aprendizado de máquina, incluindo experimentos de rastreamento, código de empacotamento em execuções reproduzíveis e compartilhamento e implantação de modelos. O MLflow oferece um conjunto de APIs leves que podem ser usadas com qualquer aplicativo ou biblioteca de aprendizado de máquina existente (TensorFlow, PyTorch, XGBoost etc.), onde quer que você execute o código ML (por exemplo, em notebooks, aplicativos autônomos ou na nuvem).

Calendário de turmas.

Somente no modelo corporativo no momento.

Conteúdo Programático

Conceitual.

• Introdução a Data Science.
• O profissional Data Scientist.
• O Software mlFlow.
• Software Livre x Open Source.
• Licenciamento.
• Databricks.
• Histórico do mlFlow.
• Empresas usando mlFlow no Mundo.
• Empresas usando mlFlow no Brasil.
• Comunidade mlFlow.
• Versões do mlFlow.
• Casos de Uso.

mlFlow fundamentos.

• Machine Learning Workflow.
• componentes do mlFlow.
• Arquitetura do mlFlow.
• Escalabilidade e Big Data.
• A plataforma mlFlow.
• O Workflow.
• Linguagens suportadas.
• Bibliotecas suportadas.
• Jupyter Notebook.

 Linguagem Python.

• Apresentando Python.
• Escrevendo scripts Python.
• Básico em Python.
• Tipos Básicos Python.
• Definindo Funções.
• IDE para Python.
• mlFlow Python API.

Instalação.

• Instalando o Python.
• Instalando o mlFlow.
• Instalando o Jupyter.
• Instalando o Numpy.
• Instalando Pandas.

mlFlow Tracking.

• Scikit-learn autologging.
• Local Tracking com SQLite.
• Tracking Server.
• Remore Tracking Server.
• Artifact Stores.
• Fast.ia
• Tracking UI.
• MLflowClinet.
• Bibliotecas suportadas.

mlFlow Models.

• Model Schemas.
• Input examples.
• Input Schema.
• Output Schema.
• Validate inputs.
• Storage Format.
• MLmodel Format.
• Model Signature.
• Spark MLlib.
• Python Function.
• Spacy Model.
• Deployment com Docker.
• Deployment com Apache Spark.
• Deployment Plugins.
• Model API.
• Model Customization.

mlFlow Projects.

• Backend plugins
• YARN.
• Arquivo MLproject.
• Empacotando projetos.
• Executando com Conda.
• Executando com Docker.

mlFlow Model Registry.

• UI Workflow.
• Adicionado Modelos no Registry.
• CRUD Models.
• Tags.
• Versionamento.
• Arquivamento.
• Lyfecyle.
• API Workflow.

mlFlow na Cloud.

• Deployment no Azure ML.
• Deployment no AWS SageMaker.

Gerais.

• Como criar um plugin para mlFlow.

Carga Horária.

• 24 Horas.

Modalidade do Treinamento.

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Pré-Requisitos.

• Conhecimento Básico em algum Sistema Operacional (Windows, Linux ou MAC)
• Conhecimento Básico de Machine Learning e Data Science.
• Conhecimento em alguma linguagem de programação.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 15 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: 8GB.
• Espaço em Disco: 20GB.
• Processador: 64 bits (chipsets de x64).
• CPU: 2 núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou Mac OS.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares mlFlow e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas com exercícios práticos (hacks) desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Brindes: Caneta, Pasta e Bloco de Anotações. (Somente em presenciais)

Metodologia.

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos mlFlow e cursos mlFlow . caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor

O treinamento Kubeflow foi elaborado para apresentar e conceituar a plataforma de aprendizado de máquina Kubeflow, conhecido como Machine Learning Toolkit para Kubernetes a plataforma é de código aberto e projetada para permitir o uso de pipelines de aprendizado de máquina orquestrados em fluxos de trabalho complicados em execução no Kubernetes. Atende as necessidades da MLOps, sendo o cientista de dados o profissional mais atuante nesta ferramenta com apoio das facilidades de deploy do Kubernetes.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Avançado.

Aplicabilidade.

Este treinamento foi desenvolvido usando o Kubeflow 1.6.1 e foi modificado pela última vez em 7 de Janeiro de 2023.

Conteúdo Programático

Conceitual.

• Introdução a Data Science.
• O profissional Data Scientist.
• Pipeline de dados.
• Kubernetes.
• O Software Kubeflow.
• Software Livre x Open Source.
• Licenciamento.
• Histórico do Kubeflow.
• Empresas usando Kubeflow no Mundo.
• Empresas usando Kubeflow no Brasil.
• Comunidade Kubeflow.
• Versões do Kubeflow.
• Casos de Uso com Kubeflow.

Introdução as Ferramenta de Machine Learning no Kubeflow.

• Linguagem Python.
• Jupyter Notebook.
• Chainer.
• Scikit-learn.
• PyTork.
• MPI.
• TensorFlow.
• XGBoost.

Kubeflow Applications e Scaffolding

• Chainer Operator.
• MPI Operator.
• pyTork Operator.
• XGBoost Operator.
• Fainring.
• TensorFlow batch prediction.

Instalação e arquitetura.

• Arquitetura do Kubernetes.
• Arquitetura do Kubeflow.
• Requisitos de instalação.
• Instalando o Kubeflow.
• Configurando o Kubeflow.

Distribuições Kubeflow.

• Kubeflow no Google Cloud.
• Kubeflow no AWS.
• Kubeflow no Azure.
• Kubeflow no OpenShift.

Kubeflow.

• Kubeflow UI.
• Central Dashboard.
• Kubeflow Notebooks.
• Models.
• Volumes.
• Experiments (AutoML).
• Experiments (KFP).
• Kubeflow Pipelines.
• KFServing.
• Katib.
• Training Operators.
• Runs.
• Recurring Runs.
• Artifacts.
• kubeflow API.
• Kubeflow SDK.
• Multi-Tenancy.

ML Kubeflow.

• Fase Experimental.
• Fase em Produção.

Ferramentas Kubeflow.

• Kfctl.
• Kustomize.
• KFServiing.
• Kubeflow pipeline.

Add-Ons.

• Elyra.
• Istio.
• Kale.
• Fairing.
• Feature Store.
• Tools for serving

Carga Horária.

• 24 Horas.

Modalidade do Treinamento.

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Pré-Requisitos.

• Conhecimento Básico containers.
• Conhecimento Básico de Machine Learning e Data Science.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 15 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: ideal 16GB e mínimo : 10GB
• Espaço em Disco: Ideal 45GB e mínimo 30 GB.
• Processadores: 64 bits (chipsets de x64).
• CPU: 6 CPUs/núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou Mac OS.
• Virtualbox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Kubeflow e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas com exercícios práticos (hacks) desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Brindes: Caneta, Pasta e Bloco de Anotações. (Somente em presenciais)

Metodologia.

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos Kubeflow e cursos Kubeflow. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor.

O treinamento Análise de Dados com R foi elaborado para apresentar, conceituar e colocar na pratica a linguagem R, com sua aplicabilidade para análise de grandes conjuntos de dados em diversas áreas de negócio.
O R é uma tecnologia de código aberto e tem como sua principal característica atender necessidades da analise estatística e está incorporada ou integrada a diversos outros software de analise e processamento de dados como Apache Spark, Power BI, Tableau, Pentaho, Apache Hop, Apache Nifi, entre outros, assim como conectividade aos principais bancos de dados do mercado. Cientista de dados e Analistas de dados sãos profissional atuantes nesta ferramenta, e podem aplicar seus conceitos para especializações como: People Analytics, Financial Analytics, Marketing Analytics, etc.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Intermediário.

Aplicabilidade.

Este treinamento foi desenvolvido usando a linguagem R 4.3.2 e foi modificado pela última vez em 12 de Novembro de 2023.

Conteúdo Programático

Conceitual.

• Introdução a Data Science.
• O profissional Cientista de Dados.
• People Analytics, Financial Analytics e outras especializações.
• O Software R.
• Software Livre x Open Source.
• Licenciamento do R.
• Histórico do R.
• R Foundation.
• Empresas usando R no Mundo.
• Empresas usando R no Brasil.
• Comunidade R.
• Versões do R.
• Casos de Uso com R.

Instalando o R.

• Instalando o Software R.
• Instalação do RStudio IDE.
• Instalação do software adicionais.

Fundamentos da Linguagem R.

• A linguagem R.
• Operadores.
• Tipos de Dados.
• Variáveis.
• Vetores.
• Matrizes.
• Listas
• Strings.
• Funções
• Expressões Regulares
• Pacotes.
• Principais Bibliotecas de R para análise de dados.
• NSE (Non-standard evaluation)
• Pipe.

RStudio IDE

• Interfaces.
• Atalhos.
• Projetos.
• Addins.
• Cheatsheets.
• Snippets.

Estrutura de Dados em R.

• Data Frames.
• Usando R para Importação.
• Lendo dados de arquivos (CSV).
• Limpeza de dados.
• Preparação de dados.
• Construindo Datasets.
• Outras fontes de dados (Excel, bases de dados, web).
• Manipulação de Banco de Dados.

Visualização de Dados em R.

• Graphics Package.
• plot.
• barplot.
• hist.
• boxplot
• scatter plot.
• Heat Map.
• ggplot2 package (qplot e ggplot).

Formatação de Dados.

• Formatando e Limpando os Dados com dplyr.
• Formatando e Limpando os Dados com tidyr.

Métodos estatísticos em R.

• Funções Estatísticas.
• Dealing.
• Probability distributions.
• Distributions (Binomial, Poisson, Normal).
• Grouping e loops.
• Conditional execution.
• Escrevendo suas funções.

Análise Preditiva e Machine Learning com R.

• Introdução à Machine Learning.
• Linear Regressions.
• Recommendations.
• Clusterin.
• KMeans.
• Classification.
• Naive Bayes.
• Decision Trees.
• Correlação entre causa e efeito.

Gerais.

• Big Data Ecosystem.
• Importação de Dados e Web Scraping.
• Text Mining.
• Subsetting, Séries Temporais e Análise Reproduzível.
• Documentação com R Markdown.
• Programação funcional com R.

Overview People Analytics - R para Recursos Humanos.

• Fundamentos de HR analytics.
• Interpretação de dados.
• Storytelling.
• Aquisição de dados.
• Data-Management Tools.

Carga Horária.

• 32 Horas.

Modalidade do Treinamento.

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Pré-Requisitos.

• Conhecimento Básico de Estatística é recomendável.
• Conhecimento Básico de programação é recomendável.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 15 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: 8GB.
• Espaço em Disco: 30 GB
• Processadores: 64 bits (chipsets de x64).
• CPU: 4 CPUs/núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou Mac OS.
• Virtualbox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares R e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas com exercícios práticos (hacks) desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Brindes: Caneta, Pasta e Bloco de Anotações. (Somente em presenciais)

Metodologia.

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos R e cursos R. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor.

O treinamento BentoML prepara profissionais para utilizar framework Python utilizado para servir modelos de aprendizado de máquina em produção em escala. Os modelos fornecidos são independentes de seu ambiente; todos os artefatos de modelo, código-fonte e dependências são encapsulados em um formato autocontido chamado Bento. É como ter seu modelo "como um serviço". Entenda o BentoML como o Docker para modelos de ML gerando imagens de Virtual Machines com APIs pré-programadas prontas para implantação e inclui recursos que facilitam para testar essas imagens. O BentoML pode ajudar a acelerar o esforço iniciais de desenvolvimento de projetos de Machine Learning.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Avançado.

Aplicabilidade.

Este treinamento foi desenvolvido usando o BentoML V1.0.12 e foi modificado pela última vez em 14 de Janeiro de 2023.

Conteúdo Programático

Conceitual.

• Introdução a Data Science.
• O profissional Data Scientist.
• Pipeline de dados.
• A Linguagem Python.
• O Software BentoML.
• Software Livre x Open Source.
• Licenciamento.
• Histórico do BentoML.
• Empresas usando BentoML no Mundo.
• Empresas usando BentoML no Brasil.
• Comunidade BentoML.
• Versões do BentoML.
• BentoML Cloud.
• Casos de Uso com BentoML.

Introdução as Frameworks de Machine Learning no BentoML.

• Scikit-learn.
• Pandas
• PyTork.
• TensorFlow.
• XGBoost.
• Jupyter Notebook.

Arquitetura do BentoML.

• Arquitetura do BentoML.
• Bento Client.
• Bento Server.
• Frameworks de Machine Learning suportados.

Instalação do BentoML.

• Requisitos de instalação.
• Instalando o BentoML com Docker.
• Configurando o BentoML.
• gRPC X HTTP.
• YAML.
• Docker.
• Bentoctl.

Modelos no BentoML

• Modelos
• Preparando Modelos.

Serviços.

• Services.
• Criando um Service.
• Debugging Runners.
• Route.
• Inference Context.
• IO Descriptors.
• Schema e Validação.
• Pandas DataFrame.
• JSON.
• Composite Types.
• Usando modelos em Serviços.

Building BentoML.

• Construindo Bentos.
• Gerenciando Bentos.
• Local Bento Store.
• Import and Export.
• Push and Pull.
• Bento Build Options
• Python Packages.

Generate Docker.

• Deploying Bentos.
• Containerize Bentos.
• Deploy via Web UI.
• Deploy via kubectl.
• Deploy with bentoctl

API.

• Service API.
• Bento Store APIs.
• Metric APIs.
• Framework API.
• BentoML CLI.
• Deploy API.

Integrações.

• Apache Airflow.
• Apache Flink.
• MLFlow.

Segurança

• Securing Endpoint Access.
• Server Side Authentication.
• Security Policy.

Carga Horária.

• 24 Horas.

Modalidade do Treinamento.

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Pré-Requisitos.

• Conhecimento Básico containers.
• Conhecimento Básico de Machine Learning e Data Science.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 15 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: ideal 8GB
• Espaço em Disco: 30 GB.
• Processadores: 64 bits (chipsets de x64).
• CPU: 4 CPUs/núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou Mac OS.
• Virtualbox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares BentoML e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas com exercícios práticos (hacks) desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Brindes: Caneta, Pasta e Bloco de Anotações. (Somente em presenciais)

Metodologia.

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos BentoML e cursos BentoML. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor.