Introduction to Data Science and AI using Python Képzés

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adatkutatóknak szól, akik a Anaconda ökoszisztémát szeretnék használni csomagok és adatelemzési munkafolyamatok egyetlen platformon történő rögzítésére, kezelésére és üzembe helyezésére.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a Anaconda összetevőket és könyvtárakat.
• Ismerje meg a Anaconda alapfogalmait, szolgáltatásait és előnyeit.
• Csomagok, környezetek és csatornák kezelése a Anaconda Navigátor segítségével.
• Használja a Conda, R és Python csomagokat az adattudományhoz és a gépi tanuláshoz.
• Ismerjen meg néhány gyakorlati felhasználási esetet és technikát több adatkörnyezet kezeléséhez.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és szoftvermérnököknek szól, akik a Dask-ot a Python ökoszisztémával kívánják használni nagy adatkészletek létrehozására, méretezésére és elemzésére.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a környezetet a nagy adatfeldolgozás felépítéséhez a Dask és Python segítségével.
• Fedezze fel a Dask szolgáltatásban elérhető szolgáltatásokat, könyvtárakat, eszközöket és API-kat.
• Ismerje meg, hogyan gyorsítja fel a Dask a párhuzamos számítást Pythonban.
• Ismerje meg, hogyan méretezheti a Python ökoszisztémát (Numpy, SciPy és Pandas) a Dask segítségével.
• Optimalizálja a Dask környezetet, hogy megőrizze a nagy teljesítményt a nagy adatkészletek kezelésében.

This instructor-led, live training in Magyarország (online or onsite) is aimed at intermediate-level Python developers and data analysts who wish to enhance their skills in data analysis and manipulation using Pandas and NumPy.

By the end of this training, participants will be able to:

• Set up a development environment that includes Python, Pandas, and NumPy.
• Create a data analysis application using Pandas and NumPy.
• Perform advanced data wrangling, sorting, and filtering operations.
• Conduct aggregate operations and analyze time series data.
• Visualize data using Matplotlib and other visualization libraries.
• Debug and optimize their data analysis code.

Ez az oktató által vezetett, élő (online vagy helyszíni) képzés azoknak a fejlesztőknek szól, akik a FARM (FastAPI, React és MongoDB) stacket szeretnék használni dinamikus, nagy teljesítményű és méretezhető webalkalmazások létrehozására.

A képzés végére a résztvevők képesek lesznek:

Állítsa be a szükséges fejlesztői környezetet, amely integrálja a FastAPI-t, a React-t és a MongoDB-t. Ismerje meg a FARM verem legfontosabb fogalmait, jellemzőit és előnyeit. Ismerje meg, hogyan hozhat létre REST API-kat a FastAPI segítségével. Ismerje meg, hogyan tervezhet interaktív alkalmazásokat a React segítségével. Alkalmazások fejlesztése, tesztelése és üzembe helyezése (front end és back end) a FARM verem segítségével.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a FastAPI-t Python-vel szeretnék használni a RESTful API-k egyszerűbb és gyorsabb létrehozásához, teszteléséhez és üzembe helyezéséhez.

A képzés végére a résztvevők képesek lesznek:

• Beállítani a szükséges fejlesztői környezetet az API-k fejlesztéséhez Python-gyel és FastAPI-gyel.
• Gyorsabban és egyszerűbben API-kat létrehozni a FastAPI könyvtár segítségével.
• Megtanulni adatmodelleket és sémákat létrehozni a Pydantic és az OpenAPI alapján.
• API-kat csatlakoztatni egy adatbázishoz a SQLAlchemy használatával.
• Biztonságot és hitelesítést implementálni az API-kban a FastAPI eszközök segítségével.
• Konténerképeket létrehozni és web API-kat üzembe helyezni egy felhő szerverre.

Ez a gyakorlati kurzus azoknak a Python fejlesztőknek szól, akik szeretnének létrehozni és karbantartani első webböngésző alkalmazásaikat. Azoknak is célcsoportja, akik már ismerősök más webböngésző keretrendszerek, mint Django vagy Web2py, és szeretnék megtudni, hogyan változik a folyamat, ha egy mikrokeretrendszerrel (azaz olyan keretrendszerrel, amely harmadik féltől származó könyvtárakat köt össze, és nem egy önálló, univerzális megoldást kínál) dolgoznak.

A tanfolyam jelentős részét nem magának a lombnak (ez apró), hanem harmadik fél könyvtáraira és eszközöire fordítják, amelyeket gyakran használnak a lombik projektekben.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik szeretnék használni a Flask fejlett funkcióit, hogy méretezhető webalkalmazásokat építsenek a MongoDB tetejére.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet, hogy elkezdhesse webalkalmazások fejlesztését a Flask segítségével.
• Ismerje meg a valós Flask projektek fejlett koncepcióit és technikáit.
• Építsen egy RESTful API szervert a MongoDB tetejére.
• Ismerje meg a mikroszolgáltatások konténerbe helyezését, tesztelését és üzembe helyezését a Flask, Docker és Amazon EC2 segítségével.
• Szerezzen betekintést a fejlett Flask integrációkba a webalkalmazások méretezéséhez.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik szeretnének tanulni és karrierjüket a Data Science-ban az Kaggle segítségével építeni.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az adattudományt és a gépi tanulást.
• Fedezze fel az adatelemzést.
• További információ a Kaggle-ről és annak működéséről.

Kivy egy nyílt forráskódú cross-platform grafikus felhasználói felület könyvtár íródott Python, amely lehetővé teszi a multi-touch alkalmazás fejlesztése széles választékú eszközök.

Ebben az oktató által vezetett, élő képzési résztvevők megtanulják, hogyan kell telepíteni és telepíteni Kivy a különböző platformokon, személyre szabni és manipulálni widgetek, ütemezés, indítás és reagálni az események, módosítani a grafika multi-touching, átalakítani a képernyőt, csomagolási alkalmazások Android, és így tovább.

A képzés végéig a résztvevők képesek lesznek

• Összekapcsolni a Python kódot és a Kivy nyelvet.
• Szilárdan megérteni, hogyan működik a Kivy, és kihasználni a legfontosabb elemeit, mint például a widget-ek, események, tulajdonságok, grafika stb.
• Zökkenőmentesen fejleszteni és üzembe helyezni Android alkalmazásokat a különböző üzleti és tervezési igényeknek megfelelően.

A kurzus formázása

• Előadás, vitafórum, gyakorlatok és intenzív gyakorlati foglalkozások.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik az Modin segítségével párhuzamos számításokat kívánnak készíteni és megvalósítani a Pandas-vel a gyorsabb adatelemzés érdekében.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges környezetet a Pandas munkafolyamatok nagyarányú fejlesztésének megkezdéséhez az Modin segítségével.
• Ismerje meg az Modin szolgáltatásait, felépítését és előnyeit.
• Ismerje meg a különbségeket Modin, Dask és Ray között.
• Hajtsa végre a Pandas műveletet gyorsabban az Modin segítségével.
• Valósítsa meg a teljes Pandas API-t és funkciókat.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a PyGame segítségével szeretnének játékokat létrehozni és elkészíteni Python programozással.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet a játékalkalmazások létrehozásához a PyGame és Python segítségével.
• Ismerje meg, hogyan hozhat létre interaktív PyGame alkalmazásokat animációkkal és multimédiás funkciókkal integrálva.
• Futtassa és tesztelje a játékprogramokat a PyGame tesztcsomaggal, és konvertálja őket futtatható fájlokká.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik a RAPIDS segítségével GPU gyorsított adatfolyamokat, munkafolyamatokat és vizualizációkat kívánnak készíteni, gépi tanulási algoritmusokat alkalmazva, mint például az XGBoost, a cuML stb.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet az adatmodellek NVIDIA-val való felépítéséhez RAPIDS.
• Ismerje meg a RAPIDS szolgáltatásait, összetevőit és előnyeit.
• Használja ki az GPU-eket a végpontok közötti adat- és elemzési folyamatok felgyorsításához.
• Valósítson meg GPU-gyorsított adat-előkészítést és ETL-t cuDF-el és Apache Arrow-val.
• Ismerje meg, hogyan hajthat végre gépi tanulási feladatokat XGBoost és cuML algoritmusokkal.
• Készítsen adatvizualizációkat és hajtson végre grafikonelemzést a cuXfilter és cuGraph segítségével.

Ez az oktató vezetésű, élő képzés Magyarország (online vagy helyszíni) formában a backend fejlesztők számára készült, akik REST API-kat szeretnének építeni Python-gyel és Flask-mal.

A képzés végére a résztvevők képesek lesznek:

• Implementáljanak egy REST API-t, amely lehetővé teszi egy Flask webalkalmazás számára az adatbázis olvasását és írását a backendben.
• Fejlesszenek ki fejlett hitelesítési funkciókat, mint például a frissítő tokenek.
• Építsenek egy újrahasználható backendet a jövőbeli Python projektekhez.
• Egyszerűsítsék az adatok tárolását SQLAlchemy segítségével.
• Telepítsenek REST API-kat egy felhőalapú szerverre.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a SciPy segítségével kívánnak fejlett tudományos számítási funkciókat létrehozni Python segítségével.

A képzés végére a résztvevők képesek lesznek:

• Beállítani a szükséges fejlesztői környezetet a tudományos számítási funkciók létrehozásának megkezdéséhez.
• Teljes mértékben kihasználni a SciPy funkcióit komplex műveletek gyakorlati példáin keresztül.
• Implementálni és optimalizálni matematikai algoritmusokat és függvényeket tudományos problémák megoldásához.
• Tervezni adatstruktúrákat és interpolációs módszereket a vizualizációhoz, feldolgozáshoz és elemzéshez.