Avancerad Python - 4 dagar Träningskurs

Denna instruktörledda, liveutbildning i Sverige (online eller på plats) är riktad till datavetare och programutvecklare som vill använda Dask med Python-ekosystemet för att bygga, skala och analysera stora datamängder.

Genom denna utbildning kommer deltagarna att kunna:

• Konfigurera miljön för att börja bygga stordata-behandling med Dask och Python.
• Förstå hur Dask accelererar parallell beräkning i Python.
• Lär sig hur man skalas med det Python-ekosystemet (Numpy, SciPy och Pandas) med hjälp av Dask.
• Optimera Dask-miljön för att behålla hög prestanda vid hantering av stora datamängder.

Denna instruktörsledd, live-träning i Sverige (online eller på plats) är riktad till mellannivå-Python-utvecklare och dataanalytiker som vill förbättra sina kunskaper i dataanalys och -manipulation med Pandas och Numpy.

Till slut av denna träning kommer deltagarna att kunna:

• Konfigurera en utvecklingsmiljö som inkluderar Python, Pandas och NumPy.
• Skapa ett dataanalysprogram med hjälp av Pandas och Numpy.
• Framföra avancerade datamanipulationer, sortering och filtrering.
• Genomföra aggregeringsoperationer och analysera tidsrader.
• Visualisera data med hjälp av Matplotlib och andra visualiseringsbibliotek.
• Felsöka och optimera deras dataanalyskod.

Denna instruktörsvägda, liveutbildning (online eller på plats) riktas till utvecklare som vill använda FARM-stacken (FastAPI, React och MongoDB) för att bygga dynamiska, prestandarika och skalbara webbapplikationer.

Genom denna utbildning kommer deltagarna att kunna:

• Konfigurera den nödvändiga utvecklingsmiljön som integrerar FastAPI, React och MongoDB.
• Förstå de viktigaste koncepten, funktionerna och fördelarna med FARM-stacken.
• Lära sig hur man bygger REST-API:er med FastAPI.
• Lära sig hur man designar interaktiva applikationer med React.
• Utveckla, testa och distribuera applikationer (frontend och backend) med FARM-stacken.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) är riktad till utvecklare som vill använda FastAPI med Python för att enklare och snabbare bygga, testa och distribuera RESTful APIs.

Genom denna utbildning kommer deltagarna att kunna:

• Sätta upp den nödvändiga utvecklingsmiljön för att utveckla APIs med Python och FastAPI.
• Skapa APIs snabbare och enklare med hjälp av FastAPI-biblioteket.
• Lära sig hur man skapar datamodeller och scheman baserat på Pydantic och OpenAPI.
• Ansluta APIs till en databas med hjälp av SQLAlchemy.
• Implementera säkerhet och autentisering i APIs med hjälp av FastAPI-verktyg.
• Skapa containrar och distribuera webb-APIer till en molnserver.

Syftet med denna kurs är att ge en grundläggande kompetens i tillämpningen av Machine Learning metoder i praktiken. Genom användningen av Python programmeringsspråket och dess olika bibliotek, och baserat på en mängd praktiska exempel, lär denna kurs hur man använder de viktigaste byggblockarna av Machine Learning, hur man gör data modellering beslut, tolkar utgångarna av algoritmerna och validerar resultaten.

Vårt mål är att ge dig färdigheterna att förstå och använda de mest grundläggande verktygen från verktygsfönstret med förtroende och undvika de vanliga bristerna i Data Science-applikationer.

syftet med kursen är att ge allmän färdighet i att tillämpa maskin inlärnings metoder i praktiken. Genom att använda programmeringsspråket python och dess olika bibliotek, och baserat på en mängd praktiska exempel lär den här kursen Hur man använder de viktigaste Bygg stenarna i Machine Learning, hur man fattar beslut om data modellering, tolkar utdata från algoritmerna och validera resultaten.

vårt mål är att ge dig färdigheter att förstå och använda de mest grundläggande verktygen från verktygs lådan Machine Learning tryggt och säkert och undvika de vanliga fallgroparna i data Sciences applikationer.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare och utvecklare som vill använda Modin för att bygga och implementera parallella beräkningar med Pandas för snabbare dataanalys.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera den miljö som krävs för att börja utveckla Pandas arbetsflöden i stor skala med Modin.
• Förstå funktionerna, arkitekturen och fördelarna med Modin.
• Känn till skillnaderna mellan Modin, Dask och Ray.
• Utför Pandas operationer snabbare med Modin.
• Implementera hela Pandas API:et och funktionerna.

I denna instruktörsledda, liveutbildning i Sverige kommer deltagarna att lära sig hur man använder Python för att producera högkvalitativ naturlig språktext genom att bygga sitt eget NLG-system från grunden. Även fallstudier kommer att undersökas och de relevanta koncepten kommer att tillämpas på levande labbprojekt för att generera innehåll.

Efter avslutad utbildning kommer deltagarna att kunna:

• Använda NLG för att automatiskt generera innehåll för olika branscher, från journalistik till fastigheter, väder och sportrapportering.
• Välja och organisera källinnehåll, planera meningar och förbereda ett system för automatisk generering av originalinnehåll.
• Förstå NLG-pipelinen och tillämpa rätt teknik i varje steg.
• Förstå arkitekturen i ett Natural Language Generation (NLG)-system.
• Implementera de mest lämpliga algoritmerna och modellerna för analys och ordning.
• Hämta data från offentligt tillgängliga datasamlingar och samlade databaser för att använda som material för genererad text.
• Ersätta manuella och krävande skrivprocesser med datorgenererat, automatiserat innehållsskapande.

I denna instruktörsvetade, liveutbildning i Sverige, lär sig deltagarna de mest aktuella och framgångsrika maskininlärningsmetoderna i Python genom att bygga en serie demonstrationsapplikationer som innehåller bilder, musik, text och finansiell data.

När denna utbildning är avslutad kommer deltagarna kunna:

• Implementera maskininlärningsalgoritmer och tekniker för att lösa komplexa problem.
• Tillämpa djupinlärning och halvövervakad inlärning på applikationer som involverar bilder, musik, text och finansiell data.
• Utveckla Pythonalgoritmer till det maximala potentiella.
• Använd bibliotek och paket som NumPy och Theano.

Denna instruktörledd, liveutbildning i Sverige baseras på den populära boken "Automate the Boring Stuff with Python" av Al Sweigart. Den är riktad till nybörjare och täcker grundläggande Python-programmeringskoncept genom praktiska övningar och diskussioner. Fokus ligger på att lära sig skriva kod för att dramatiskt öka kontorsproduktiviteten.

När denna utbildning är avslutad kommer deltagarna att kunna programmera i Python och använda den här nya färdigheten till:

• Automatisera uppgifter genom att skriva enkla Python-program.
• Skriva program som kan identifiera textmönster med "regular expressions".
• Generera och uppdatera Excel-ark programmässigt.
• Tolka PDF-filer och Word-dokument.
• Crawl webbplatser och hämta information från onlinekällor.
• Skriva program som skickar ut e-postmeddelanden.
• Använd Pythons felsökningsverktyg för att snabbt lösa buggar.
• Kontrollera musen och tangentbordet programmässigt för att klicka och skriva åt dig.

Python är ett högnivå programmeringsspråk som är berömt för sin tydliga syntax och kodläsbarhet.

I denna instruktörsvägleda, liveutbildning kommer deltagarna att lära sig hur man använder Python för kvantitativ finans.

När denna utbildning är avslutad kommer deltagarna att kunna:

• Förstå grunderna i Python-programmering
• Använda Python för finansiella tillämpningar, inklusive implementering av matematiska tekniker, stokastik och statistik
• Implementera finansiella algoritmer med prestandaoptimerat Python

Målgrupp

• Utvecklare
• Kvantitativa analytiker

Kursformat

• Del föreläsning, del diskussion, övningar och mycket praktisk handledning

Python är ett programmeringsspråk som har fått stort genomslag i finansindustrin. Antaget av de största investeringsbankerna och hedgefonderna används det för att skapa en bred uppsättning finansiella program, från grundläggande handelssystem till riskhanteringssystem.

I detta instruktörsledda liveutbildning kommer deltagarna att lära sig hur man använder Python för att utveckla praktiska applikationer för att lösa ett antal specifika finansrelaterade problem.

När denna utbildning är avslutad kommer deltagarna att kunna:

• Förstå grunderna i Python-programmeringsspråket
• Ladda ner, installera och underhålla de bästa utvecklingsverktygen för att skapa finansiella applikationer i Python
• Välja och använda de lämpligaste Python-paket och programmeringstekniker för att organisera, visualisera och analysera finansiell data från olika källor (CSV, Excel, databaser, webben etc.)
• Bygga applikationer som löser problem relaterade till tillgångsallokering, riskanalys, investeringsprestanda och mer
• Felsöka, integrera, distribuera och optimera en Python-applikation

Målgrupp

• Utvecklare
• Analytiker
• Kvantitativa analytiker (Quants)

Kursformat

• Del föreläsning, del diskussion, övningar och mycket praktisk övning

Notering

• Denna utbildning syftar till att erbjuda lösningar på några av de huvudsakliga problem som finansprofessorer står inför. Om du har ett specifikt ämne, verktyg eller teknik som du önskar lägga till eller utveckla mer, vänligen kontakta oss för att ordna.

Denna kurs är utformad för dem som vill lära sig Python-programmeringsspråket. Fokus ligger på Python-språket, kärnbiblioteken samt urvalet av de bästa och mest användbara biblioteken som utvecklats av Python-communityt. Python driver företag och används av forskare över hela världen – det är ett av de mest populära programmeringsspråken.

Kursen kan levereras med den senaste versionen av Python 3.x med praktiska övningar som utnyttjar full kraft. Denna kurs kan levereras på vilket operativsystem som helst (alla smaker av UNIX, inklusive Linux och Mac OS X, samt Microsoft Windows).

De praktiska övningarna utgör cirka 70% av kursens tid, och omkring 30% är demonstrationer och presentationer. Diskussioner och frågor kan ställas under hela kursen.

Anmärkning: utbildningen kan anpassas efter specifika behov vid förfrågan före den föreslagna kursdagen.

Selenium är ett öppet ramverk för automatisering av webbapplikationstestning över olika webbläsare. Med Selenium 4 finns förbättrade WebDriver API:er, inbyggda relativa lokalisatorer och förbättrat grid-stöd tillgängliga. Python erbjuder enkelhet och stark integration med testningsramverk som Pytest, vilket gör det till ett kraftfullt val för att utveckla skalbara och underhållsbara testautomatiseringskoder.

Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till testare och utvecklare på nybörjarnivå till mellannivå som vill använda Selenium med Python för att automatisera webbapplikationstestning i verkliga miljöer.

Efter denna utbildning kommer deltagarna kunna:

• Installera och konfigurera Selenium med Python i en testmiljö.
• Skapa robusta testautomatiseringskoder med Selenium WebDriver och Pytest.
• Använda Page Object Model (POM) för underhållbara testramverk.
• Köra tester över flera webbläsare med Selenium Grid.
• Integrera automatiserade tester med CI/CD-pipelines.
• Felsöka vanliga problem och tillämpa bästa praxis för stabil automatisering.

Utbildningsformat

• Interaktiv föreläsning och diskussion.
• Många övningar och praktik.
• Hands-on-implementering i en live-labmiljö.

Alternativ för kursanpassning

• För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna.

In Python Machine Learning, the Text Summarization feature is able to read the input text and produce a text summary. This capability is available from the command-line or as a Python API/Library. One exciting application is the rapid creation of executive summaries; this is particularly useful for organizations that need to review large bodies of text data before generating reports and presentations.

In this instructor-led, live training, participants will learn to use Python to create a simple application that auto-generates a summary of input text.

I slutet av denna utbildning kommer deltagarna att kunna:

• Use a command-line tool that summarizes text.
• Design and create Text Summarization code using Python libraries.
• Evaluate three Python summarization libraries: sumy 0.7.0, pysummarization 1.0.4, readless 1.0.17

Publik

• Utvecklare
• Datavetare

Kursens upplägg

• Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning