Python Programozás a Pénzügyekben Képzés

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.

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.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) felhőadminisztrátorok, felhőarchitektusok, technológiai vezetők és pénzügyi elemzők számára készült, akik szeretnék rögzíteni, kezelni, monitorozni és feldolgozni egy szervezet pénzügyi eszközeit a felhőben.

A képzés végére a résztvevők képesek lesznek FinOps gyakorlatokat alkalmazni egy szervezetben a költségek előrejelzésére, folyamatok optimalizálására és pénzügyi menedzsment műveletek végrehajtására a felhőben.

Ez az oktató által vezetett, élőben zajló képzés Magyarország (online vagy helyszíni) középszintű pénzügyi szakembereknek szól, akik átfogó ismereteket szeretnének szerezni a FinOps elveiről és módszertanairól, beleértve a felhőalapú pénzügyi menedzsmentet, optimalizálási stratégiákat, valamint a pénzügyi, mérnöki és üzleti csapatok közötti együttműködést.

A képzés végén a résztvevők képesek lesznek:

• Megérteni a FinOps keretrendszert, elveit és fázisait.
• Hatékonyan kezelni a felhőköltségeket adatelemzés és irányítás segítségével.
• Együttműködni a pénzügyi, mérnöki és üzleti egységek között a felhőköltségek összehangolása érdekében.
• FinOps eszközök használata költségallokáció, előrejelzés és optimalizálás céljából.
• Felkészülni a FinOps Certified FOCUS Analyst vizsgára.

Ez az oktató által vezetett, élőben zajló képzés Magyarország (online vagy helyszíni) haladó szintű felhőalapú pénzügyi menedzsment szakembereknek szól, akik szeretnék igazolni szakértelmüket a felhőalapú költségkezeléssel kapcsolatos pénzügyi műveletek (FinOps) területén.

A képzés végére a résztvevők képesek lesznek:

• Megszerezni a FinOps Certified Professional vizsgához szükséges haladó tudást.
• Megérteni a komplex FinOps gyakorlatokat, beleértve a költségoptimalizálást, költségvetés-kezelést és jelentéskészítést.
• Gyakorlati készségeket fejleszteni a FinOps stratégiák valós helyzetekben történő alkalmazásában.
• Felkészülni a FinOps Certified Professional vizsga sikeres letételére.

A GnuCash egy nyílt forráskódú, többplatformos, kettős könyvelésen alapuló számviteli rendszer, amely személyes és kisvállalkozási pénzügyi menedzsmentre tervezett. Számlázást, költségkövetést, egyeztetést és pénzügyi jelentéskészítést is támogató átfogó számviteli funkciókkal rendelkezik. A GnuCash integrálható online bankolással, támogatja a több devizát, és lehetővé teszi az adatok exportálását és importálását különböző formátumokban, például QIF, OFX és CSV.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) kezdő és középhaladó szintű vállalati szakembereknek szól, akik hatékonyan szeretnék kezelni és automatizálni a számviteli, számlázási és jelentéskészítési folyamatokat a GnuCash segítségével.

A képzés végére a résztvevők képesek lesznek:

• A GnuCash telepítése, konfigurálása és testreszabása vállalati használatra.
• Üzleti számlák beállítása és tranzakciók kezelése a kettős könyvelés elvei alapján.
• Pénzügyi kimutatások és jelentések generálása elemzésre és auditálásra.
• A GnuCash integrálása bankokkal, külső rendszerekkel és online adatforrásokkal.
• Ismétlődő tranzakciók automatizálása és többdevizás műveletek kezelése.

A képzés formátuma

• Interaktív előadás és megbeszélés.
• Gyakorlati feladatok és valós üzleti példák.
• Gyakorlati konfigurálás és adatbevitel élő laboratóriumi környezetben.

Képzés testreszabási lehetőségei

• Egyedi képzés igényléséhez kérjük, lépjen kapcsolatba velünk.

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.

Ez az oktató által vezetett, élő képzés (helyszíni vagy távoli) könyvelők és könyvvizsgálók számára készült, akik szeretnék használni a Xerot a könyveléshez.

A képzés végére a résztvevők képesek lesznek:

• Valós idejű áttekintést kapni a pénzforgalomról.
• Banki számlákat összekapcsolni a Xeroval a banki egyeztetéshez.
• ÁFA (Általános Forgalmi Adó) bevallásokat előkészíteni és ellenőrizni a Xeroban.
• Jelentéseket készíteni a csapat tagjai közötti megosztáshoz.

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.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) azoknak a fejlesztőknek szól, akik az Open Bank Project API-t szeretnék használni decentralizált alkalmazások fejlesztésére és tesztelésére, amelyek könnyen integrálhatók digitális bankrendszerekbe.

A képzés végére a résztvevők képesek lesznek:

• Beállítani a szükséges fejlesztői környezetet az alkalmazások fejlesztéséhez az OBP API-val.
• Megérteni az Open Bank Project architektúráját, technológiáját és fogalmait.
• Megtanulni, hogyan használják és szabják testre az OBP API-t banki alkalmazások fejlesztéséhez és építéséhez.
• Felfedezni az OBP funkcióit, eszközeit, API-jait és sandbox-jait.
• Biztonsági és integrációs megoldások implementálása az OBP API csatlakozókban és adapterekben.

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.