Introduction to Data Science and AI using Python Treningskurs

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot dataforskere som ønsker å bruke Anaconda-økosystemet til å fange opp, administrere og distribuere pakker og dataanalysearbeidsflyter på én enkelt plattform.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Anaconda komponenter og biblioteker.
• Forstå kjernekonseptene, funksjonene og fordelene ved Anaconda.
• Administrer pakker, miljøer og kanaler ved hjelp av Anaconda Navigator.
• Bruk Conda-, R- og Python-pakker for datavitenskap og maskinlæring.
• Bli kjent med noen praktiske brukstilfeller og teknikker for å administrere flere datamiljøer.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og programvareingeniører som ønsker å bruke Dask med Python-økosystemet for å bygge, skalere og analysere store datasett.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp miljøet for å begynne å bygge stordatabehandling med Dask og Python.
• Utforsk funksjonene, bibliotekene, verktøyene og APIene som er tilgjengelige i Dask.
• Forstå hvordan Dask akselererer parallell databehandling i Python.
• Lær hvordan du skalerer Python-økosystemet (Numpy, SciPy og Pandas) ved hjelp av Dask.
• Optimaliser Dask-miljøet for å opprettholde høy ytelse ved håndtering av store datasett.

This instructor-led, live training in Norge (online or onsite) is aimed at intermediate-level Python developers and data analysts who wish to enhance their skills in data analysis and manipulation using Pandas and NumPy.

By the end of this training, participants will be able to:

• Set up a development environment that includes Python, Pandas, and NumPy.
• Create a data analysis application using Pandas and NumPy.
• Perform advanced data wrangling, sorting, and filtering operations.
• Conduct aggregate operations and analyze time series data.
• Visualize data using Matplotlib and other visualization libraries.
• Debug and optimize their data analysis code.

I denne instruktørledede, live-opplæringen i Norge vil deltakerne lære hvordan man bygger en smart kontraktsblokkjedeapplikasjon med Monax.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Utvikle og distribuere en distribuert applikasjon ved hjelp av blockchain og smart kontraktsteknologi.
• Forstå design og funksjonalitet til "smarte kontrakter" og hvordan du oppretter en.
• Implementer beste praksis for sikker utvikling av blokkjedeapplikasjoner.
• Utnytt Monax verktøy for å strømlinjeforme distribuert applikasjonsutvikling.

Denne instruktørledede, live-opplæringen i (online eller på stedet) er rettet mot utviklere som ønsker å bruke FARM (FastAPI, React og MongoDB)-stakken for å bygge dynamiske, høyytelses- og skalerbare nettapplikasjoner.

Ved slutten av denne opplæringen vil deltakerne kunne:

Sett opp det nødvendige utviklingsmiljøet som integrerer FastAPI, React og MongoDB. Forstå nøkkelkonseptene, funksjonene og fordelene med FARM-stakken. Lær hvordan du bygger REST APIer med FastAPI. Lær hvordan du designer interaktive applikasjoner med React. Utvikle, test og distribuer applikasjoner (front-end og back-end) ved å bruke FARM-stakken.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke FastAPI med Python for å bygge, teste og distribuere RESTful APIer enklere og raskere.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sette opp det nødvendige utviklingsmiljøet for å utvikle API-er med Python og FastAPI.
• Opprette API-er raskere og enklere ved hjelp av FastAPI-biblioteket.
• Lære hvordan man oppretter datamodeller og skjemaer basert på Pydantic og OpenAPI.
• Koble API-er til en database ved hjelp av SQLAlchemy.
• Implementere sikkerhet og autentisering i API-er ved hjelp av FastAPI-verktøyene.
• Bygge container-images og distribuere web-API-er til en sky-server.

Dette praktiske kurset er adressert til Python utviklere som ønsker å opprette og vedlikeholde sine første webapplikasjoner. Det er også adressert til folk som allerede er kjent med andre Web2py som Django eller Web2py , og ønsker å lære hvordan å bruke et mikrorammeverk (dvs. et rammeverk som limer sammen tredjepartsbiblioteker i stedet for å tilby en selvstendig universell løsning). prosessen.

En betydelig del av kurset er ikke viet til selve Flask (det er lite), men til tredjeparts biblioteker og verktøy som ofte brukes i Flask-prosjekter.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke de avanserte funksjonene til Flask for å bygge skalerbare nettapplikasjoner på toppen av MongoDB.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige utviklingsmiljøet for å begynne å utvikle webapplikasjoner med Flask.
• Bli kjent med de avanserte konseptene og teknikkene for kolbeprosjekter i den virkelige verden.
• Bygg en RESTful API-server på toppen av MongoDB.
• Lær hvordan du containeriserer, tester og distribuerer mikrotjenester med Flask, Docker og Amazon EC2.
• Få litt innsikt i de avanserte Flask-integrasjonene for skalering av nettapplikasjoner.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot datavitere og utviklere som ønsker å lære og bygge karrierer i Data Science ved hjelp av Kaggle.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lær om datavitenskap og maskinlæring.
• Utforsk dataanalyse.
• Lær om Kaggle og hvordan det fungerer.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og utviklere som ønsker å bruke Modin til å bygge og implementere parallelle beregninger med Pandas for raskere dataanalyse.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige miljøet for å begynne å utvikle Pandas arbeidsflyter i skala med Modin.
• Forstå funksjonene, arkitekturen og fordelene ved Modin.
• Kjenn forskjellene mellom Modin, Dask og Ray.
• Utfør Pandas operasjoner raskere med Modin.
• Implementer hele Pandas API og funksjoner.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke PyGame til å lage og bygge spill ved å bruke Python-programmering.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige utviklingsmiljøet for å begynne å lage spillapplikasjoner med PyGame og Python.
• Lær hvordan du lager interaktive PyGame-applikasjoner integrert med animasjoner og multimediefunksjoner.
• Kjør og test spillprogrammer med PyGame testsuite og konverter dem til kjørbare filer.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot dataforskere og utviklere som ønsker å bruke RAPIDS til å bygge GPU-akselererte datapipelines, arbeidsflyter og visualiseringer, ved å bruke maskinlæringsalgoritmer, som XGBoost, cuML, etc.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige utviklingsmiljøet for å bygge datamodeller med NVIDIA RAPIDS.
• Forstå funksjonene, komponentene og fordelene ved RAPIDS.
• Utnytt GPUer for å akselerere ende-til-ende data- og analysepipelines.
• Implementer GPU-akselerert dataforberedelse og ETL med cuDF og Apache Arrow.
• Lær hvordan du utfører maskinlæringsoppgaver med XGBoost- og cuML-algoritmer.
• Bygg datavisualiseringer og utfør grafanalyse med cuXfilter og cuGraph.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot backend-utviklere som ønsker å bygge REST API-er med Python og Flask.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Implementere et REST API for å tillate en Flask-webapplikasjon å lese og skrive til en database i backend.
• Utvikle avanserte autentiseringsfunksjoner som refresh tokens.
• Bygge en gjenbrukbar backend for fremtidige Python-prosjekter.
• Forenkle lagring av data med SQLAlchemy.
• Distribuere REST API-er til en skybasert server.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke SciPy til å lage avanserte vitenskapelige databehandlingsfunksjoner med Python.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sette opp det nødvendige utviklingsmiljøet for å begynne å lage vitenskapelige databehandlingsfunksjoner.
• Få full nytte av SciPy-funksjoner ved å utføre praktiske eksempler på komplekse operasjoner.
• Implementere og optimalisere matematiske algoritmer og funksjoner for å løse vitenskapelige problemer.
• Designe datastrukturer og interpolasjonsmetoder for visualisering, prosessering og analyse.