BDD with Python and Behave Képzés

Az Cucumber.js az Cucumber natív JavaScript megvalósítása.

Ezen az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan kell BDD (Behavior Driven Devleopment) stílusú teszteseteket írni és végrehajtani Cucumber és Java szkript segítségével.

A képzés végére a résztvevők képesek lesznek:

• Futtasson automatizált teszteket ember által olvasható nyelven, Gherkin
• Használjon Cucumber alapú teszteseteket a technikai és nem műszaki csapatok közötti kommunikáció és együttműködés javítására
• Integrálja az Cucumber.js fájlt más tesztelési keretrendszerekkel, például a Protractor-el az Angular alkalmazások teszteléséhez

A tanfolyam formátuma

• Rész előadás, részben beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

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.

Azon oktatóvezetett, élő képzés Magyarország (online vagy helyszíni) célközönsége az a középhőmérsékű Python fejlesztők és adattudósok, akik kíváncsiak arra, hogy javítsák adatelemzési és adatmanipulációs képességeiket Pandas-vel és NumPy-val.

E képzés végén a résztvevők képesek lesznek:

• Python-t, Pandas-t és NumPy-t tartalmazó fejlesztői környezetet állítanak be.
• Pandas-vel és NumPy-val adatelemző alkalmazást hozzanak létre.
• Elvégezzenek előrehaladott adatszabályozási, rendezési és szűrési műveleteket.
• Végrehajtanak összegzési műveleteket és elemznek idősorozat-adatokat.
• Matplotlib és más vizualizációs könyvtárak segítségével adatok megjelenítését végrehajtanak.
• Hibák keresését és optimalizálják adatelemző kódjukat.

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.

Ennek a kurzusnak a célja, hogy alapvető készségeket biztosítson az Machine Learning módszerek alkalmazásában a gyakorlatban. A Python programozási nyelv és a különböző könyvtárak használatával, és számos gyakorlati példa alapján ez a kurzus tanítja, hogyan kell használni a legfontosabb építési blokkokat Machine Learning, hogyan kell adatmodellezési döntéseket hozni, értelmezni az algoritmusok kimenetelét és érvényesíteni az eredményeket.

Célunk, hogy megadjuk Önnek a készségeket, hogy megértse és használja a legalapvetőbb eszközöket a Machine Learning szerszámdobozban bizalommal, és elkerüljék a közönséges csapások a Data Science alkalmazások.

a kurzus célja, hogy általános jártasságot biztosítson a gépi tanulási módszerek gyakorlati alkalmazásában. Segítségével a Python programozási nyelv és a különböző könyvtárak, és számos gyakorlati példa alapján ez a tanfolyam azt tanítja, hogyan kell használni a legfontosabb építőkövei a gépi tanulás, hogyan lehet az adatok modellezés döntéseket, értelmezni a az algoritmusok kimeneteit, és validálja az eredményeket.

célunk, hogy megadja a készségeket, hogy megértsék és használja a legalapvetőbb eszközöket a Machine learning eszközkészleten magabiztosan és elkerülni a közös buktatóit Data Sciences alkalmazások.

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.

Ebben az oktatóvezetett élő képzésen Magyarország-ben a résztvevők megtanulják, hogyan használják a Python-t, hogy saját NLG rendszert építsenek fel és minőségi természetes nyelvű szöveget hozzanak létre. A tanfolyam során vizsgálnak is esettanulmányokat és a megfelelő koncepciókat alkalmazzák élő laborprojektekben a tartalomgeneráláshoz.

A képzés végére a résztvevők képesek lesznek:

• NLG segítségével automatizált tartalomgenerálásra különböző iparágakban, újságírásban, ingatlanpiacon, időjárás- és sportriportolásban.
• Forrásanyag kiválasztására és rendezésére, mondatok tervezésére, és a rendszer előkészítésére a saját tartalom generálására.
• Az NLG folyamatlancot megértése és a megfelelő technikák alkalmazása minden lépésen.
• Az Natural Language Generation (NLG) rendszer architektúrájának megértése.
• A legalkalmasabb algoritmusok és modellek alkalmazása az elemzéshez és a rendezéshez.
• Nyilvános forrásokból és kurátorált adatbázisokból való adatok begyűjtése a generált szöveg alapanyagaként.
• A kézi és munkaigényes írási folyamatok kiváltására számítógép által generált, automatizált tartalomkészítés.

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megtanulják, hogyan használhatják a PyTestet rövid, karbantartható, elegáns, kifejező és olvasható tesztek írásához.

A képzés végére a résztvevők képesek lesznek:

• Írjon olvasható és karbantartható teszteket anélkül, hogy szükség lenne a rendszerkódra.
• Kis tesztek írásához használja a fixture modellt.
• A teszteket az alkalmazások, csomagok és könyvtárak komplex funkcionális teszteléséig méretezheti.
• A PyTest olyan funkcióinak megértése és alkalmazása, mint a hoook, az érvényesítés átírása és a beépülő modulok.
• Csökkentse a tesztelési időt a tesztek párhuzamos és több processzoron történő futtatásával.
• Futtasson teszteket folyamatos integrációs környezetben, más segédprogramokkal együtt, mint például a tox, a mock, a coverage, a unittest, a doctest és a Selenium.
• A Python használatával tesztelheti a nem Python-alkalmazásokat.

A tan oktatóvezetésű, élő képzésen Magyarország-ban a résztvevők a legrelevánsabb és legmodernebb gépi tanulási technikákkal fogják megismerkedni Python-ban, miközben egy sorozat demóalkalmazást építenek fel, amely képeket, zenét, szövegeket és pénzügyi adatokkal foglalkozik.

Ezen képzés végére a résztvevők képesek lesznek:

• Gépi tanulási algoritmusokat és technikákat valósítsanak meg bonyolult problémák megoldására.
• Mélytanulást és félfelügyelt tanulást alkalmazzanak képek, zene, szöveg és pénzügyi adatokkal kapcsolatos alkalmazásokhoz.
• A Python algoritmusokat maximalizálják.
• Használják a NumPy és Theano könyvtárakat és csomagokat.

Ez az oktató által vezetett, élő képzés a Magyarország-ban Al Sweigart "Automatize the Boring Stuff with Python" című népszerű könyvén alapul. Kezdőknek szól, és alapvető Python programozási koncepciókat fed le gyakorlati, gyakorlati gyakorlatokon és beszélgetéseken keresztül. A hangsúly a kódírás megtanulásán van az irodai termelékenység drámai növelése érdekében.

A képzés végére a résztvevők tudni fogják, hogyan kell programozni Python-ben, és hogyan kell alkalmazni ezt az új készséget:

• Egyszerű Python programok írásával feladatok automatizálása.
• Programok írása "reguláris kifejezésekkel" szövegmintázat felismerésére.
• Excel táblázatok programozott létrehozása és frissítése.
• PDF-ek és Word dokumentumok elemzése.
• Weboldalak átkutatása és információk kinyerése online forrásokból.
• Programok írása e-mail értesítések küldésére.
• Python hibakereső eszközeinek használata a hibák gyors elhárítására.
• Egér és billentyűzet programozott vezérlése a kattintások és gépelés automatizálására.

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők haladó Python programozási technikákat sajátítanak el, beleértve e sokoldalú nyelv alkalmazását olyan területeken problémák megoldására, mint az elosztott alkalmazások, adatelemzés és vizualizáció, felhasználói felület programozás és karbantartási szkriptek. .

Ez a kurzus azok számára készült, akik meg szeretnék tanulni a Python programozási nyelvet. A hangsúly a Python nyelvén, a központi könyvtárakon, valamint a Python közösség által kifejlesztett legjobb és leghasznosabb könyvtárak kiválasztásán van. Python vezeti a vállalkozásokat, és világszerte a tudósok használják - ez az egyik legnépszerűbb programozási nyelv.

A kurzus a legújabb Python 3.x verzióval valósítható meg, gyakorlati feladatokkal, amelyek kiaknázolják a teljes potenciált. A kurzus bármilyen operációs rendszeren (az összes UNIX-változatban, beleértve a Linux-at és a Mac OS X-et, valamint a Microsoft Windowst) megtartható.

A gyakorlati gyakorlatok a tanfolyam időtartamának mintegy 70% -át teszik ki, és mintegy 30% -a demonstrációk és előadások. A megbeszélések és kérdések a tanfolyam egész folyamán kérhetők.

Megjegyzés: a képzést a tervezett kurzus időpontját megelőzően előzetes kérésre a speciális igényekhez lehet igazítani.

Ebben az oktató által vezetett, élő képzésben a Magyarország programban a résztvevők a Python erejét az Selenium-vel kombinálják, hogy automatizálják egy webes minta alkalmazás tesztelését. Az elmélet és a gyakorlat élő laborkörnyezetben való kombinálásával a résztvevők megszerezhetik a saját webes tesztelési projektjeik Python és Selenium használatával történő automatizálásához szükséges ismereteket és gyakorlatokat.