GPU programozás CUDA és Python használatával Képzés

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) kezdő szintű rendszergazdáknak és IT szakembereknek szól, akik szeretnék telepíteni, konfigurálni, kezelni és hibaelhárítani a CUDA környezeteket.

A képzés végén a résztvevők képesek lesznek:

• Megérteni a CUDA architektúráját, összetevőit és képességeit.
• Telepíteni és konfigurálni CUDA környezeteket.
• Kezelni és optimalizálni a CUDA erőforrásokat.
• Hibakeresést végezni és gyakori CUDA problémákat elhárítani.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszínen) adattudósok és szoftvermérnökök számára készült, akik a Dask-et szeretnék használni a Python ökoszisztémával nagy adathalmazok felépítéséhez, skálázásához és elemzéséhez.

A képzés végén a résztvevők képesek lesznek:

• Beállítani a környezetet a nagy adatfeldolgozás megkezdéséhez Dask és Python segítségével.
• Felfedezni a Dask-ben elérhető funkciókat, könyvtárakat, eszközöket és API-kat.
• Megérteni, hogyan gyorsítja fel a Dask a párhuzamos számításokat Pythonban.
• Megtanulni, hogyan lehet skálázni a Python ökoszisztémát (Numpy, SciPy és Pandas) a Dask segítségével.
• Optimalizálni a Dask környezetet a nagy adathalmazok kezelésében való magas teljesítmény fenntartásához.

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.

Ennek a kurzusnak a célja, hogy alapvető jártasságot nyújtson a gépi tanulási módszerek gyakorlati alkalmazásában. A Python programozási nyelv és annak különféle könyvtárainak felhasználásával, valamint számos gyakorlati példa alapján a kurzus megtanítja, hogyan kell használni a gépi tanulás legfontosabb építőköveit, hogyan kell döntéseket hozni az adatmodellezés során, hogyan kell értelmezni az algoritmusok kimeneteit és ellenőrizni az eredményeket.

Célunk, hogy olyan készségekkel ruházzon fel, amelyekkel magabiztosan megérti és használja a gépi tanulás eszköztárának legfontosabb eszközeit, és elkerülje az adattudományi alkalmazások gyakori buktatóit.

Ennek a kurzusnak a célja, hogy általános jártasságot nyújtson a gépi tanulási módszerek gyakorlati alkalmazásában. A Python programozási nyelv és annak különféle könyvtárainak használatával, valamint számos gyakorlati példán keresztül ez a kurzus megtanítja, hogyan használhatók a gépi tanulás legfontosabb építőelemei, hogyan hozhatunk döntéseket az adatmodellezés során, hogyan értelmezzük az algoritmusok kimeneteit és hogyan ellenőrizzük az eredményeket.

Célunk, hogy olyan készségekkel ruházzunk fel, amelyekkel magabiztosan megértheti és használhatja a gépi tanulás eszköztárának legfontosabb eszközeit, és elkerülheti az adattudományi alkalmazások gyakori buktatóit.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik a Modin használatával párhuzamos számításokat szeretnének létrehozni és implementálni a Pandas segítségével a gyorsabb adatelemzés érdekében.

A képzés végén a résztvevők képesek lesznek:

• Beállítani a szükséges környezetet a nagy léptékű Pandas munkafolyamatok fejlesztéséhez a Modin segítségével.
• Megérteni a Modin jellemzőit, architektúráját és előnyeit.
• Ismerni a Modin, a Dask és a Ray közötti különbségeket.
• Gyorsabban végrehajtani Pandas műveleteket a Modin segítségével.
• Implementálni a teljes Pandas API-t és funkciókat.

Ebben az oktató által vezetett, élő képzésen Magyarország, a résztvevők megtanulják, hogyan használhatják a Pythont kiváló minőségű természetes nyelvű szöveg előállítására, saját NLG rendszerüket felépítve a nulláról. Esettanulmányokat is megvizsgálunk, és a releváns fogalmakat alkalmazzuk a tartalomgenerálásra szolgáló élő laborprojektekben.

A képzés végére a résztvevők képesek lesznek:

• Az NLG használatával automatikusan tartalmat generálni különböző iparágakban, újságírástól ingatlanig, időjárás- és sportjelentésekig.
• Forrástartalmak kiválasztása és szervezése, mondatok tervezése és a rendszer előkészítése az eredeti tartalom automatikus generálására.
• A NLG folyamatának megértése és a megfelelő technikák alkalmazása minden szakaszban.
• A Természetes Nyelv Generálás (NLG) rendszer architektúrájának megértése.
• A legmegfelelőbb algoritmusok és modellek implementálása az elemzéshez és rendezéshez.
• Adatok lekérése nyilvánosan elérhető adatforrásokból, valamint kurált adatbázisokból a generált szöveg anyagaként való felhasználásra.
• A manuális és fáradságos írási folyamatok cseréje számítógép által generált, automatizált tartalomkészítésre.

Ezen oktatóvezetésű, élő képzés során Magyarországben a résztvevők a legfontosabb és legmodernebb gépi tanulási technikákat sajátítják el Pythonban, miközben sorozatot készítenek bemutató alkalmazásokból, amelyek képekkel, zenével, szöveggel és pénzügyi adatokkal foglalkoznak.

A képzés végére a résztvevők képesek lesznek:

• Gépi tanulási algoritmusokat és technikákat implementálni komplex problémák megoldására.
• Mély tanulást és félig felügyelt tanulást alkalmazni olyan alkalmazásokban, amelyek képekkel, zenével, szöveggel és pénzügyi adatokkal foglalkoznak.
• A Python algoritmusokat maximális potenciáljukig kihasználni.
• Olyan könyvtárakat és csomagokat használni, mint a NumPy és a Theano.

Ez az oktató által vezetett, élő képzés Magyarország-ben az Al Sweigart által írt népszerű könyv, az „Automate the Boring Stuff with Python” alapján készült. Kezdőknek szól, és a Python programozás alapvető fogalmait gyakorlati, gyakorlatokon és beszélgetéseken keresztül mutatja be. A hangsúly azon van, hogy megtanuljuk kódot írni, hogy drámai módon növeljük az irodai termelékenységet.

A képzés végén a résztvevők tudni fogják, hogyan kell Pythonban programozni, és hogyan alkalmazzák ezt az új készséget:

• Feladatok automatizálása egyszerű Python programok írásával.
• Szövegminta felismerésre képes programok írása „reguláris kifejezések” használatával.
• Excel táblázatok programozott generálása és frissítése.
• PDF és Word dokumentumok elemzése.
• Weboldalak bejárása és információk kinyerése online forrásokból.
• E-mail értesítéseket küldő programok írása.
• Python hibakereső eszközeinek használata a hibák gyors megoldásához.
• Az egér és billentyűzet programozott vezérlése, hogy kattintson és gépeljen helyetted.

A Python egy olyan programozási nyelv, amely hatalmas népszerűségre tett szert a pénzügyi iparágban. A legnagyobb befektetési bankok és hedge alapok által alkalmazva, széles körű pénzügyi alkalmazások fejlesztésére használják, a kereskedelmi programoktól kezdve a kockázatkezelő rendszerekig.

Ezen oktatóvezetésű, élő képzés során a résztvevők megtanulják, hogyan használják a Python-t gyakorlati alkalmazások fejlesztésére, hogy megoldják a pénzügyi területen felmerülő számos specifikus problémát.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a Python programozási nyelv alapjait
• Letölteni, telepíteni és karbantartani a legjobb fejlesztői eszközöket pénzügyi alkalmazások létrehozásához Pythonban
• Kiválasztani és alkalmazni a legmegfelelőbb Python csomagokat és programozási technikákat, hogy szervezzék, ábrázolják és elemezzék a pénzügyi adatokat különböző forrásokból (CSV, Excel, adatbázisok, web, stb.)
• Olyan alkalmazásokat építeni, amelyek megoldják az eszközallokációval, kockázatelemzéssel, befektetési teljesítménnyel kapcsolatos problémákat
• Hibakeresést, integrációt, üzembe helyezést és optimalizálást végezni egy Python alkalmazáson

Közönség

• Fejlesztők
• Elemzők
• Kvantok

A képzés formátuma

• Részben előadás, részben vita, gyakorlatok és intenzív gyakorlati munka

Megjegyzés

• Ez a képzés célja, hogy megoldásokat nyújtson a pénzügyi szakemberek által szembesülő főbb problémákra. Amennyiben van egy konkrét téma, eszköz vagy technika, amelyet szeretne hozzáadni vagy részletesebben kidolgozni, kérjük, lépjen kapcsolatba velünk, hogy megbeszéljük.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) fejlesztőknek szól, akik szeretnének haladó Python programozási technikákat tanulni, beleértve, hogyan alkalmazzák ezt a sokoldalú nyelvet problémák megoldására olyan területeken, mint a elosztott alkalmazások, adatelemzés és vizualizáció, felhasználói felület programozás és karbantartási szkriptelés.

Ez a kurzus azoknak szól, akik szeretnének megismerkedni a Python programozási nyelvvel. A hangsúly a Python nyelven, az alapvető könyvtárakon, valamint a Python közösség által kifejlesztett legjobb és leghasznosabb könyvtárak kiválasztásán van. A Python vállalkozásokat hajt és a tudósok használják szerte a világon – ez az egyik legnépszerűbb programozási nyelv.

A kurzus a legújabb Python 3.x verzióval tartható, gyakorlati feladatokkal, amelyek kihasználják a nyelv teljes erejét. A kurzus bármely operációs rendszeren tartható (minden UNIX változat, beleértve a Linuxot és a Mac OS X-et, valamint a Microsoft Windows-t).

A gyakorlati feladatok a kurzusidő mintegy 70%-át teszik ki, körülbelül 30% pedig bemutatók és előadások. A kurzus során bármikor feltehetők kérdések és vita folytatható.

Megjegyzés: a képzés az igényeknek megfelelően testreszabható, ha a javasolt kurzusdátum előtt kérés érkezik.

A Selenium egy nyílt forráskódú keretrendszer, amelyet webböngészőkön keresztül történő webalkalmazás-tesztelés automatizálására használnak. A Selenium 4 továbbfejlesztett WebDriver API-kat, natív relatív lokátorokat és javított grid támogatást kínál. A Python egyszerűsége és erős integrációja olyan tesztelési keretrendszerekkel, mint a Pytest, hatékony választássá teszi skálázható és karbantartható teszt automatizálási csomagok fejlesztéséhez.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) kezdő és középhaladó szintű tesztelők és fejlesztők számára készült, akik a Selenium és Python kombinációját szeretnék használni webalkalmazások tesztelésének automatizálására valós környezetekben.

A képzés végére a résztvevők képesek lesznek:

• A Selenium és Python telepítése és konfigurálása tesztkörnyezetben.
• Robusztus teszt automatizálási szkriptek készítése a Selenium WebDriver és a Pytest segítségével.
• Az Oldal Objektum Modell (POM) alkalmazása karbantartható teszt keretrendszerekhez.
• Több böngészőn történő tesztek futtatása a Selenium Grid segítségével.
• Automatizált tesztek integrálása CI/CD folyamatokba.
• Gyakori hibák elhárítása és ajánlott eljárások alkalmazása az automatizálás stabilitása érdekében.

A képzés formátuma

• Interaktív előadás és vita.
• Számos gyakorlat és gyakorlás.
• Gyakorlati alkalmazás élő laboratóriumi környezetben.

Képzés testreszabási lehetőségei

• Egyedi képzés igényléséhez kérjük, lépjen kapcsolatba velünk.