Python Programozás a Pénzügyekben 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 iránytató által vezetett élő képzés Magyarország (online vagy helyszíni) data scientisteknek és szoftvermérnököknek szól, akik a Dask-et szeretnék használni a Python-egyérből nagy adathalmazokat építeni, skálázni és elemezni.

E képzés végére az résztvevők képesek lesznek:

• Környezet beállítása nagy adathalmazok feldolgozásának megkezdéséhez a Dask és Python használatával.
• A Dask rendelkezésének, könyvtárának, eszközeinek és API-jainak ismerete.
• Értékelje meg, hogyan gyorsítja a Dask a Python párhuzamos számításait.
• Megismerik, hogyan skálázható a Python-ekoszisztéma (Numpy, SciPy és Pandas) a Dask segítségével.
• A Dask környezet optimalizálása a nagy adathalmazok kezelése során magas teljesítmény fenntartásához.

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 instruktor vezetésű élő képzés (online vagy helyszíni) fejlesztők számára készült, akik a FARM (FastAPI, React és MongoDB) stack segítségével dinamikus, nagy teljesítményű és skálázható webalkalmazásokat szeretnének létrehozni.

A képzés végeztével a résztvevők képesek lesznek:

• Beállítani a FastAPI, React és MongoDB integrált fejlesztői környezetet.
• Megérteni a FARM stack alapvető fogalmait, jellemzőit és előnyeit.
• Megtudni, hogyan építsenek REST API-kat FastAPI-val.
• Megtudni, hogyan tervezzenek interaktív alkalmazásokat a Reacttal.
• Készíteni, tesztelni és üzembe helyezni alkalmazásokat (front-end és back-end) a FARM stack segítségével.

Ez a tanárvezetett élő képzés Magyarország (online vagy helyszíni) programozók számára készült, akik gyorsabban és egyszerűbben szeretnének RESTful API-kat létrehozni, tesztelni és üzembe helyezni a Python FastAPI használatával.

A képzés végére a résztvevők képesek lesznek:

• Készíteni a szükséges fejlesztői környezetet API-k Python és FastAPI használatára.
• Gyorsabban és egyszerűbben létrehozni API-kat a FastAPI könyvtár használatával.
• Megtanulni, hogyan készíthetnek adattipusokat és sémastruktúrákat a Pydantic és az OpenAPI alapján.
• Csatlakoztatni API-kat adatbázishoz a SQLAlchemy használatával.
• Biztonsági és hitelesítési funkciókat implementálni API-kban a FastAPI eszközeivel.
• Tároló images-t készíteni és webes API-kat üzembe helyezni felhőszerveren.

Ez az interaktív, életrajzi képzés Magyarország (online vagy helyszíni) felhőmenedzser, felhőarchitektúra fejlők, technológiai vezetők és pénzügyi analitikusok számára készült, akik a vállalat pénzügyi eszközeinek feljegyzésével, menedzsmentjével, figyelésével és feldolgozásával foglalkoznak a felhőben.

A képzés végére a résztvevők képesek lesznek FinOps gyakorlatokat alkalmazni egy szervezetben, költségvetést készíteni, folyamatoptimalizációt végezni és pénzügyi műveleteket elvégezni a felhőben.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű pénzügyi szakembereknek szól, akik átfogó ismereteket szeretnének szerezni FinOps alapelvekről és módszertanokról, beleértve a felhőalapú pénzügyi menedzsmentet, az optimalizálási stratégiákat és az együttműködést pénzügyi, mérnöki és üzleti csapatok.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a FinOps keretrendszert, elveket és fázisokat.
• Hatékonyan kezelheti a felhőköltségeket az adatelemzés és az irányítás révén.
• Együttműködjön a pénzügyi, mérnöki és üzleti egységek között a felhőköltségek összehangolása érdekében.
• Használjon FinOps eszközöket a költségelosztáshoz, előrejelzéshez és optimalizáláshoz.
• Készüljön fel a FinOps Certified FOCUS Analyst vizsgára.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a haladó szintű felhőalapú pénzügyi menedzsment szakembereknek szól, akik igazolni kívánják szakértelmüket a felhőalapú költségkezeléssel kapcsolatos pénzügyi műveletekben (FinOps).

A képzés végére a résztvevők képesek lesznek:

• Szerezzen magasabb szintű ismereteket a FinOps Certified Professional vizsgához.
• Ismerje meg az összetett FinOps gyakorlatokat, beleértve a költségoptimalizálást, a költségvetés-kezelést és a jelentéskészítést.
• Gyakorlati készségek fejlesztése FinOps stratégiák valós forgatókönyvekben való alkalmazásában.
• Készüljön fel a FinOps Certified Professional vizsga sikeres letételére.

A GnuCash egy nyílt forráskódú, platformfüggetlen kételemű könyvelőrendszer, amely személyes és kisvállalkozásos pénzügyi feladatkezelésre van tervezve. Támogatja a teljes könyvízeti funkciókat, beleértve a számlakibocsátást, kiadáskövetést, egyeztetést és pénzügyi jelentések készítését. A GnuCash online bankkározással is integrálható, több pénznemet támogat, és lehetővé teszi a QIF, OFX és CSV formátumú adatok importálását és exportálását.

Ez az oktatási program (online vagy személyes) alap- és középhaladó szintű üzleti szakemberekre vonatkozik, akik hatékonyan szeretnék felügyelni és automatizálni a könyvelési, számlázási és jelentéskészítési folyamatokat a GnuCash segítségével.

Az oktatás végén a résztvevők képesek lesznek:

• A GnuCash telepítésére, beállítására és testreszabására üzleti használatra.
• Vállalati fiókokat állítani fel és tranzakciókat kezelni a kételemes elvvel.
• Pénzügyi állapotleveleket és jelentéseket készíteni elemzéshez és ellenőrzéshez.
• A GnuCash integrálására bankokkal, külső rendszerekkel és online adatforrásokkal.
• Ismétlődő tranzakciókat automatizálni és több pénznemű műveleteket kezelni.

A kurzus formátuma

• Interaktív előadás és beszélgetés.
• Működésbeli gyakorlatok és valós üzleti példák.
• Működésbeli környezetben történő konfiguráció és adatbevitel.

Kurzus testreszabási lehetőségek

• Ezen kurzus testreszabott oktatásának kérelmezéséhez kérjük, lépjen kapcsolatba velünk a rendezés érdekében.

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.

Ez az oktató által vezetett, élő (helyszíni vagy távoli) képzés azoknak a könyvelőknek és könyvelőknek szól, akik a Xero-t szeretnék használni könyveléshez.

A képzés végére a résztvevők képesek lesznek:

• Valós idejű képet kaphat a pénzforgalomról.
• Kapcsolja össze a bankszámlákat a Xero-val a banki egyeztetéshez.
• Készítse el és ellenőrizze az áfa-bevallásokat Xero-ban.
• Készítsen jelentéseket a csapattagok közötti megosztáshoz.

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 Open Bank Project API-t szeretnék használni decentralizált alkalmazások fejlesztésére és tesztelésére, amelyek könnyen integrálhatók a digitális banki rendszerekkel.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet az alkalmazások fejlesztésének megkezdéséhez OBP API-val.
• Ismerje meg a Open Bank Project architektúrát, technológiát és koncepciókat.
• Tanulja meg az OBP API használatát és testreszabását banki alkalmazások fejlesztéséhez és készítéséhez.
• Fedezze fel az OBP szolgáltatásait, eszközeit, API-jait és homokozóit.
• Valósítsa meg a biztonságot és az integrációkat az OBP API csatlakozókban és adapterekben.

Ez az interaktív képzés Magyarország-ban (online vagy helyszíni) adataitudományosok és fejlesztők számára készült, akik GPU-gyorsított adatfolyamatokat, munkafolyamatozásokat és vizualizációkat szeretnének létrehozni a RAPIDS segítségével, alkalmazva gépi tanulási algoritmusokat, mint például az XGBoost-t és a cuML-ot.

A képzés végére a résztvevők képesek lesznek:

• Beállítani az adatmodellek készítéséhez szükséges fejlesztői környezetet a NVIDIA RAPIDS-szel.
• Megérteni a RAPIDS jellemzőit, összetevőit és előnyeit.
• A GPU-kat felhasználni az adat- és elemzőfolyamatok teljes folyamatának gyorsítására.
• Implementálni a GPU-gyorsított adatelőkészítést és ETL-t a cuDF-vel és az Apache Arrow-val.
• Megtanulni, hogyan végezhetnek gépi tanulási feladatokat XGBoost és cuML algoritmusokkal.
• Készíteni adatvizualizációkat és gráf elemzést a cuXfilter-ral és a cuGraph-ral.