Intelixencia artificial en Oracle: introdución a Oracle Machine Learning con SQL « Atrás
Metodoloxía Presencial
Tipo SEMINARIO
Data inicio 16/04/2026
Data fin 16/04/2026
Datos da edición
  • Período de inscrición : 30/03/2026 - 15/04/2026
  • Horario : O 16/04/2026 de 16:30 a 20:30 horas.
  • Número de prazas : 232
  • Período de docencia : 16/04/2026 - 16/04/2026

Oracle Machine Learning permite aplicar técnicas de IA directamente sobre os datos, sen necesidade de movelos fóra da base de datos. Nesta sesión exploraremos como adestrar modelos preditivos, realizar segmentacións ou detectar anomalías utilizando SQL e as funcións nativas de Oracle. Traballaremos con casos reais aplicados a negocio, como predición de comportamento de clientes ou detección de fraude, utilizando datasets directamente sobre Oracle. Unha forma accesible de achegar a intelixencia artificial a equipos de datos que xa coñecen Oracle e queren avanzar sen reinventar o seu stack tecnolóxico.

O relator será Esteban Váquez, profesional con máis de 20 anos de experiencia en diferentes tecnoloxías e roles, que ademais compaxina os seus labores profesionais con labores docentes. Nos últimos 10 anos realizou todo tipo de proxectos con tecnoloxías baseadas en Python, machine learning, Deep learning etc.., e un dos retos máis habituais é como combinar correctamente as diferentes tecnoloxías coas novas formas de despregar código.

Obxectivos :

Coñecer as capacidades de Oracle Machine Learning e aprender a construír, adestrar e executar modelos directamente dentro de Oracle mediante SQL e sen mover os datos.

Dirixido a :

Dirixido a analistas de datos, científicos de datos e técnicos con experiencia en Oracle que queiran introducir intelixencia artificial nos seus procesos sen saír da contorna SQL.

  • Duración :
    4 horas
  • Metodoloxía :
    Presencial
  • Tecnoloxía :
    • IA
    • Oracle
  • Beneficios :
    • Certificado de asistencia
  • Introdución a Oracle Machine Learning
  • Tipos de modelos dispoñibles e casos de uso
  • Preparación de datos e creación de datasets
  • Adestramento e avaliación de modelos con SQL
  • Aplicación de modelos a problemas reais de negocio
  • Interpretación de resultados e seguimento de modelos