Bevezetés az adattudományba és mesterséges intelligenciába Python használatával Képzés

A LangGraph egy keretrendszer állapottal rendelkező, több szereplős LLM alkalmazások építéséhez, amelyek komponálható gráfokként működnek, állandó állapottal és végrehajtási ellenőrzéssel.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) haladó szintű AI platformmérnökök, AI DevOps szakemberek és ML architektusok számára készült, akik szeretnék optimalizálni, hibakeresni, monitorozni és üzemeltetni a LangGraph rendszereket éles környezetben.

A képzés végére a résztvevők képesek lesznek:

• Tervezni és optimalizálni összetett LangGraph topológiákat sebesség, költség és skálázhatóság szempontjából.
• Megbízhatóságot tervezni újrapróbálkozások, időkorlátok, idempotencia és ellenőrzőpont-alapú helyreállítás segítségével.
• Hibakeresni és nyomon követni gráf-végrehajtásokat, állapotokat ellenőrizni és rendszeresen reprodukálni éles problémákat.
• Gráfokat ellátni naplókkal, metrikákkal és nyomkövetésekkel, éles környezetbe telepíteni és monitorozni az SLA-kat és a költségeket.

A képzés formátuma

• Interaktív előadás és megbeszélés.
• Sok gyakorlat és gyakorlati feladat.
• Gyakorlati implementáció élő laboratóriumi környezetben.

Kurzus testreszabási lehetőségek

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk.

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

A képzés végére a résztvevők képesek lesznek:

• Az Anaconda komponensek és könyvtárak telepítésére és konfigurálására.
• Megérteni az Anaconda alapvető fogalmait, jellemzőit és előnyeit.
• Csomagok, környezetek és csatornák kezelésére az Anaconda Navigator segítségével.
• A Conda, R és Python csomagok használatára adattudományban és gépi tanulásban.
• Megismerni néhány gyakorlati használati esetet és technikát több adatkörnyezet kezelésére.

A Devstral egy nyílt forráskódú keretrendszer, amely kódolási ügynökök építésére és futtatására szolgál, amelyek képesek kapcsolatba lépni kódbázisokkal, fejlesztői eszközökkel és API-kkal a mérnöki hatékonyság növelése érdekében.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középhaladó és haladó szintű ML mérnökök, fejlesztői eszközökkel foglalkozó csapatok és SRE-k számára készült, akik szeretnének kódolási ügynököket tervezni, implementálni és optimalizálni a Devstral segítségével.

A képzés végére a résztvevők képesek lesznek:

• A Devstral beállítása és konfigurálása kódolási ügynökök fejlesztéséhez.
• Ügynökmunkafolyamatok tervezése kódbázisok feltárásához és módosításához.
• Kódolási ügynökök integrálása fejlesztői eszközökkel és API-kkal.
• Biztonságos és hatékony ügynök üzembe helyezésének legjobb gyakorlatainak implementálása.

A kurzus formátuma

• Interaktív előadás és megbeszélés.
• Számos gyakorlat és gyakorlati feladat.
• Gyakorlati implementáció élő laboratóriumi környezetben.

Kurzus testreszabási lehetőségek

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) középhaladó szintű Python fejlesztőknek és adatelemzőknek szól, akik szeretnék fejleszteni készségeiket a Pandas és NumPy használatával történő adatelemzés és -manipuláció terén.

A képzés végére a résztvevők képesek lesznek:

• Beállítani egy fejlesztői környezetet, amely magában foglalja a Python, Pandas és NumPy használatát.
• Létrehozni egy adatelemző alkalmazást Pandas és NumPy segítségével.
• Speciális adatfeldolgozást, rendezést és szűrést végrehajtani.
• Aggregált műveleteket végezni és idősoros adatokat elemezni.
• Adatokat vizualizálni a Matplotlib és más vizualizációs könyvtárak segítségével.
• Hibakeresést és optimalizálást végezni adatelemző kódjaikon.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a FARM (FastAPI, React, és MongoDB) verem használatával szeretnének dinamikus, nagy teljesítményű és skálázható webalkalmazásokat építeni.

A képzés végére a résztvevők képesek lesznek:

• Beállítani a szükséges fejlesztői környezetet, amely integrálja a FastAPI-t, a Reactot és a MongoDB-t.
• Megérteni a FARM verem kulcsfogalmait, jellemzőit és előnyeit.
• Megtanulni, hogyan kell REST API-kat építeni a FastAPI-val.
• Megtanulni, hogyan kell interaktív alkalmazásokat tervezni a React segítségével.
• Fejleszteni, tesztelni és üzembe helyezni alkalmazásokat (frontend és backend) a FARM verem használatával.

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

A képzés végére a résztvevők képesek lesznek:

• Beállítani a szükséges fejlesztői környezetet API-k fejlesztéséhez Pythonnal és FastAPI-val.
• Gyorsabban és egyszerűbben létrehozni API-kat a FastAPI könyvtár használatával.
• Megtanulni, hogyan készítsenek adatmodelleket és sémákat Pydantic és OpenAPI alapján.
• API-kat csatlakoztatni egy adatbázishoz SQLAlchemy segítségével.
• Biztonsági és hitelesítési megoldások implementálása API-kban a FastAPI eszközeivel.
• Tárolóképek készítése és webes API-k üzembe helyezése egy felhő szerveren.

Ez az oktató által vezetett, élőben tartott képzés Magyarország (online vagy helyszíni) kezdő és középhaladó szintű kutatóknak és laboratóriumi szakembereknek szól, akik hisztológiai szövetek, vérsejtek, algák és más biológiai minták kapcsán szeretnének képeket feldolgozni és elemezni.

A képzés végére a résztvevők képesek lesznek:

• Navigálni a Fiji felületén és az ImageJ alapfunkcióit használni.
• Tudományos képeket előfeldolgozni és javítani a jobb elemzés érdekében.
• Képeket mennyiségileg elemezni, beleértve a sejtszámlálást és a területmérést.
• Ismétlődő feladatokat automatizálni makrók és bővítmények segítségével.
• Munkafolyamatokat testreszabni a biológiai kutatásokban előforduló képfeldolgozási igényekhez.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik szeretnének tanulni és karriert építeni az adattudományban a Kaggle használatával.

A képzés végére a résztvevők képesek lesznek:

• Megismerni az adattudományt és a gépi tanulást.
• Felfedezni az adatelemzést.
• Megismerni a Kagglet és annak működését.

A LangGraph egy keretrendszer állapottal rendelkező, több szereplős LLM alkalmazások építéséhez, amelyek összetett gráfokként működnek, állandó állapottal és végrehajtási ellenőrzéssel.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középhaladó és haladó szintű szakembereknek szól, akik szeretnék tervezni, implementálni és üzemeltetni LangGraph-alapú pénzügyi megoldásokat, megfelelő irányítás, megfigyelhetőség és megfelelőség mellett.

A képzés végére a résztvevők képesek lesznek:

• Pénzügyi szempontokra szabott LangGraph munkafolyamatokat tervezni, amelyek megfelelnek a szabályozási és auditkövetelményeknek.
• Pénzügyi adatszabványokat és ontológiákat integrálni a gráf állapotába és eszközeibe.
• Megbízhatósági, biztonsági és emberi felügyeleti ellenőrzéseket implementálni kritikus folyamatokhoz.
• LangGraph rendszerek üzembe helyezése, monitorozása és optimalizálása teljesítmény, költség és SLA-k szempontjából.

A képzés formátuma

• Interaktív előadás és vita.
• Számos gyakorlat és gyakorlati feladat.
• Gyakorlati implementáció élő laboratóriumi környezetben.

Képzés testreszabási lehetőségei

• Ha testreszabott képzést szeretne kérni erre a kurzusra, kérjük, lépjen kapcsolatba velünk.

A LangGraph egy keretrendszer gráf-struktúrájú LLM alkalmazások építéséhez, amely támogatja a tervezést, elágazást, eszközhasználatot, memóriát és vezérelhető végrehajtást.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) kezdő szintű fejlesztőknek, prompt mérnököknek és adatszakembereknek szól, akik megbízható, többlépéses LLM munkafolyamatokat szeretnének tervezni és építeni a LangGraph segítségével.

A képzés végére a résztvevők képesek lesznek:

• Megmagyarázni a LangGraph alapfogalmait (csomópontok, élek, állapot) és azt, mikor érdemes őket használni.
• Olyan prompt láncokat építeni, amelyek elágaznak, eszközöket hívnak és memóriát tartanak fenn.
• Integrálni a lekérdezés és külső API-kat a gráf munkafolyamatokba.
• Tesztelni, hibakeresni és értékelni a LangGraph alkalmazásokat a megbízhatóság és biztonság szempontjából.

A képzés formátuma

• Interaktív előadás és moderált vita.
• Vezetett laborok és kód bemutatók egy sandbox környezetben.
• Forgatókönyv alapú gyakorlatok a tervezés, tesztelés és értékelés terén.

Képzés Testreszabási Lehetőségek

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk.

A LangGraph lehetővé teszi állapottal rendelkező, több szereplős munkafolyamatokat, amelyeket LLM-ek hajtanak meg, pontos vezérléssel a végrehajtási útvonalak és az állapotmegőrzés felett. Az egészségügyben ezek a képességek elengedhetetlenek a megfelelőség, az együttműködés és az orvosi munkafolyamatokkal összhangban lévő döntéstámogató rendszerek kialakításához.

Ez az oktató által vezetett, élő képzés (online vagy helyszínen) középhaladó és haladó szintű szakembereknek szól, akik LangGraph-alapú egészségügyi megoldásokat szeretnének tervezni, implementálni és kezelni, miközben a szabályozási, etikai és működési kihívásokkal foglalkoznak.

A képzés végére a résztvevők képesek lesznek:

• Egészségügyi szempontokkal összhangban lévő LangGraph munkafolyamatokat tervezni, figyelemmel a megfelelőségre és a naplózhatóságra.
• LangGraph alkalmazásokat integrálni orvosi ontológiákkal és szabványokkal (FHIR, SNOMED CT, ICD).
• Ajánlott gyakorlatokat alkalmazni a megbízhatóság, a nyomon követhetőség és az érthetőség terén érzékeny környezetekben.
• LangGraph alkalmazásokat üzembe helyezni, monitorozni és érvényesíteni egészségügyi termelési környezetekben.

A képzés formátuma

• Interaktív előadás és vita.
• Gyakorlati feladatok valós esettanulmányokkal.
• Implementációs gyakorlat élő laboratóriumi környezetben.

Képzés testreszabási lehetőségei

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk.

A LangGraph egy keretrendszer állapottal rendelkező, több szereplős LLM alkalmazások építéséhez, amelyek komponálható gráfokként működnek, állandó állapottal és pontos végrehajtási irányítással.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középhaladó és haladó szintű szakembereknek szól, akik LangGraph alapú jogi megoldásokat szeretnének tervezni, implementálni és üzemeltetni a szükséges megfelelőségi, nyomonkövethetőségi és irányítási ellenőrzésekkel.

A képzés végére a résztvevők képesek lesznek:

• Jogi célú LangGraph munkafolyamatokat tervezni, amelyek megőrzik az auditálhatóságot és a megfelelőséget.
• Jogi ontológiákat és dokumentum szabványokat integrálni a gráf állapotába és feldolgozásába.
• Biztonsági korlátokat, emberi belefogást igénylő jóváhagyásokat és nyomonkövethető döntési útvonalakat implementálni.
• LangGraph szolgáltatásokat üzembe helyezni, monitorozni és karbantartani éles környezetben, megfigyelhetőséggel és költségellenőrzéssel.

A képzés formátuma

• Interaktív előadás és vita.
• Sok gyakorlat és gyakorlás.
• Gyakorlati megvalósítás élő laboratóriumi környezetben.

Kurzus testreszabási lehetőségek

• Egyedi képzés igényléséhez kérjük, lépjen kapcsolatba velünk.

A LangGraph egy keretrendszer gráfstruktúrájú LLM munkafolyamatok összeállításához, amelyek támogatják az elágazást, eszközhasználatot, memóriát és vezérelhető végrehajtást.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középhaladó szintű mérnökök és termékcsapatok számára készült, akik szeretnék kombinálni a LangGraph gráf logikáját LLM agens hurkokkal dinamikus, kontextusérzékeny alkalmazások, például ügyfélszolgálati agensek, döntési fák és információkereső rendszerek létrehozásához.

A képzés végére a résztvevők képesek lesznek:

• Gráfalapú munkafolyamatokat tervezni, amelyek koordinálják az LLM agenseket, eszközöket és memóriát.
• Feltételes útválasztást, újrapróbálkozásokat és tartalék megoldásokat implementálni a robusztus végrehajtás érdekében.
• Integrálni a lekérdezést, API-kat és strukturált kimeneteket az agens hurkokba.
• Az agens viselkedés kiértékelése, monitorozása és megerősítése a megbízhatóság és biztonság érdekében.

A képzés formátuma

• Interaktív előadás és moderált vita.
• Irányított laborok és kód bemutatók egy sandbox környezetben.
• Forgatókönyv alapú tervezési gyakorlatok és peer review-k.

Képzés Testreszabási Lehetőségei

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk.

A LangGraph egy gráfalapú orchestrációs keretrendszer, amely lehetővé teszi a feltételes, többlépcsős LLM és eszköz munkafolyamatokat, ideális a tartalmi folyamatok automatizálásához és személyre szabásához.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középhaladó szintű marketereknek, tartalomstratégiák tervezőinek és automatizálás fejlesztőknek szól, akik dinamikus, elágazó e-mail kampányokat és tartalomgenerálási folyamatokat szeretnének megvalósítani a LangGraph segítségével.

A képzés végére a résztvevők képesek lesznek:

• Gráfstruktúrájú tartalmi és e-mail munkafolyamatokat tervezni feltételes logikával.
• LLM-ek, API-k és adatforrások integrálása az automatizált személyre szabás érdekében.
• Állapot, memória és kontextus kezelése a többlépcsős kampányok során.
• Munkafolyamatok teljesítményének és kézbesítési eredményeinek értékelése, monitorozása és optimalizálása.

A képzés formátuma

• Interaktív előadások és csoportos megbeszélések.
• Gyakorlati laborok e-mail munkafolyamatok és tartalmi folyamatok megvalósításával.
• Szcenárióalapú gyakorlatok a személyre szabás, szegmentálás és elágazó logika területén.

Kurzus testreszabási lehetőségek

• Egyedi képzés igényléséhez kérjük, lépjen kapcsolatba velünk.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) adattudósok és fejlesztők számára készült, akik a RAPIDS segítségével GPU-gyorsított adatfolyamatokat, munkafolyamatokat és vizualizációkat szeretnének létrehozni, olyan gépi tanulási algoritmusokat alkalmazva, mint az XGBoost, a cuML stb.

A képzés végére a résztvevők képesek lesznek:

• Beállítani a szükséges fejlesztői környezetet adatmodellek létrehozásához az NVIDIA RAPIDS segítségével.
• Megismerni a RAPIDS funkcióit, összetevőit és előnyeit.
• Kihasználni a GPU-kat a teljes körű adat- és elemzési folyamatok gyorsítására.
• GPU-gyorsított adatelőkészítést és ETL-t implementálni a cuDF és az Apache Arrow segítségével.
• Megtanulni gépi tanulási feladatok végrehajtását az XGBoost és cuML algoritmusokkal.
• Adatvizualizációk készítését és gráfelemzést végrehajtani a cuXfilter és a cuGraph segítségével.