Natural Language Processing (NLP) med Python spaCy Träningskurs
Denna handledning, som leder av en instruktör och ges live (online eller på plats), är riktad till utvecklare och datavetare som vill använda spaCy för att bearbeta stora mängder text för att hitta mönster och få insikter.
När kursen är avslutad kommer deltagarna kunna:
- Installera och konfigurera spaCy.
- Förstå spaCys tillvägagångssätt inom Natural Language Processing (NLP).
- Hämta mönster och få affärsmässiga insikter från stora datamängder.
- Integrera spaCy-biblioteket med existerande webb- och arvslagrade appar.
- Distribuera spaCy till produktionsmiljöer för att förutsäga människors beteende.
- Använda spaCy för att förbearbeta text för djupinlärning.
Kursformat
- Interaktiv föreläsning och diskussion.
- Många övningar och praktiska övningar.
- Händer implementering i en live-labbmiljö.
Tillpassningsalternativ för kursen
- För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna.
- För att läsa mer om spaCy, besök: https://spacy.io/
Kursplan
Introduktion
- Definiera "Industrial-Strength Natural Language Processing".
Installera spaCy
spaCys komponenter
- Delvis taggare (Part-of-speech tagger)
- Namngivningsentitetsigenkännare (Named entity recognizer)
- Beroendeanalysator (Dependency parser)
Översikt över spaCys funktioner och syntax
Förstå spaCy-modellering
- Statistisk modellering och förutsägelse.
Använda spaCys kommandoradssgränssnitt (CLI)
- Grundläggande kommandon.
Skapa ett enkelt program för att förutsäga beteende
Träna en ny statistisk modell
- Data (för träning).
- Etiketter (taggar, namngivningsentiteter, etc.).
Ladda modellen
- Blanda och loopa.
Spara modellen
Ange återkoppling till modellen
- Felgradient.
Uppdatera modellen
- Uppdatera entitetsigenkännaren.
- Hämta token med regelbaserad matchare.
Utveckla en generell teori för förväntade resultat
Fallstudie
- Distingera produktnamn från företagsnamn.
Förfining av träningsdata
- Välj representativa data.
- Ställ in dropout-hastighet.
Annan träningsstil
- Passa rå text.
- Passa dictionärer med anmärkningar.
Använd spaCy för att förbearbeta text för djupinlärning
Integrera spaCy med äldre appar
Testa och felsöka spaCy-modellen
- Betydelsen av iteration.
Distribuera modellen till produktion
Övervaka och justera modellen
Felsökning
Sammanfattning och slutsats
Krav
- Erfarenhet av Python-programmering.
- En grundläggande förståelse för statistik.
- Erfarenhet av kommandoraden.
Målgrupp
- Utvecklare
- Datavetare
Öppna Utbildningskurser kräver 5+ deltagare.
Natural Language Processing (NLP) med Python spaCy Träningskurs - Bokning
Natural Language Processing (NLP) med Python spaCy Träningskurs - Fråga
Natural Language Processing (NLP) med Python spaCy - Konsultfråga
Vittnesmål (2)
Exempel/övningar perfekt anpassade till vår domän
Luc - CS Group
Kurs - Scaling Data Analysis with Python and Dask
Maskintolkat
Tränaren var mycket tillgänglig för att svara på alla typer av frågor jag ställde
Caterina - Stamtech
Kurs - Developing APIs with Python and FastAPI
Maskintolkat
Kommande Kurser
Relaterade Kurser
Avancerad LangGraph: Optimering, Felsökning och Övervakning av Komplexa Grafer
35 TimmarLangGraph är ett ramverk för att bygga tillståndsbaserade, multi-aktörs LLM-applikationer som sammansatta grafer med bestående tillstånd och kontroll över exekvering.
Denna instruktörsledda, levande utbildning (online eller på plats) riktar sig till avancerade AI-plattformingenjörer, DevOps för AI och ML-arkitekter som vill optimera, felsöka, övervaka och driva produktionsklara LangGraph-system.
Efter avslutad utbildning kommer deltagarna att kunna:
- Designa och optimera komplexa LangGraph-topologier för hastighet, kostnad och skalbarhet.
- Utveckla pålitlighet med upprepningar, tidsgränser, idempotens och återhämtning baserad på kontrollpunkter.
- Felsöka och spåra grafexekveringar, inspektera tillstånd och systematiskt återskapa produktionsproblem.
- Instrumentera grafer med loggar, mätvärden och spår, distribuera till produktion och övervaka SLAs och kostnader.
Utbildningsformat
- Interaktiv föreläsning och diskussion.
- Många övningar och praktik.
- Hands-on-implementering i en levande laboratoriemiljö.
Anpassningsalternativ för kursen
- För att be om en anpassad utbildning för denna kurs, kontakta oss för att ordna.
Byggande av kodningsagenter med Devstral: Från agentdesign till verktyg
14 TimmarDevstral är ett öppet källkodsramverk som är utformat för att bygga och köra kodningsagenter som kan interagera med kodbaser, utvecklarverktyg och API:er för att förbättra ingenjörsproduktivitet.
Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till ML-ingenjörer på mellan- till avancerad nivå, utvecklarverktygslag, och SRE:s som vill designa, implementera och optimera kodningsagenter med hjälp av Devstral.
Vid utbildningens slut kommer deltagarna att kunna:
- Installera och konfigurera Devstral för utveckling av kodningsagenter.
- Designa agentbaserade arbetsflöden för utforskning och modifiering av kodbaser.
- Integrera kodningsagenter med utvecklarverktyg och API:er.
- Implementera bästa praxis för säker och effektiv agentdistribuering.
Utbildningens format
- Interaktiv föreläsning och diskussion.
- Många övningar och praktik.
- Hands-on implementation i en live-lab-miljö.
Alternativ för kursanpassning
- För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.
Skala dataanalys med Python och Dask
14 TimmarDenna 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.
Dataanalys med Python, Pandas och Numpy
14 TimmarDenna 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.
Open-Source Model Ops: Självhospade, Anpassade och Reglerade Miljöer med Devstral & Mistral Modeller
14 TimmarDevstral och Mistral modeller är öppna källkods AI-teknologier utformade för flexibel distribution, finjustering och skalbar integration.
Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till ML-ingenjörer, plattformsteam och forskningsingenjörer på mellannivå till avancerad nivå som vill självhosta, finjustera och styra Mistral och Devstral modeller i produktionsmiljöer.
Efter avslutad utbildning kommer deltagarna att kunna:
- Installera och konfigurera självhostade miljöer för Mistral och Devstral modeller.
- Använda finjusteringstekniker för domänspecifika prestanda.
- Implementera versionering, övervakning och livscykelstyrning.
- Säkerställa säkerhet, efterlevnad och ansvarsfull användning av öppna källkodsmodeller.
Kursformat
- Interaktiv föreläsning och diskussion.
- Praktiska övningar i självhosting och finjustering.
- Live-labimplementering av styr- och övervakningspipeliner.
Anpassningsalternativ för kursen
- För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna.
FARM (FastAPI, React och MongoDB) Full Stack-utveckling
14 TimmarDenna 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.
Utveckla APIs med Python och FastAPI
14 TimmarDenna 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.
LangGraph Applications in Finance
35 TimmarLangGraph är ett ramverk för att bygga tillståndsbaserade, multi-aktörs LLM-applikationer som sammansatta grafer med bestående tillstånd och kontroll över utförandet.
Denna instruktörsledda, levande utbildning (online eller på plats) riktar sig till professionella på mellan- till avancerad nivå som vill designa, implementera och driva LangGraph-baserade finansiella lösningar med rätt styrning, observerbarhet och överensstämmelse.
Vid utbildningens slut kommer deltagarna att kunna:
- Designa finansiella LangGraph-arbetsflöden som överensstämmer med regler och revisionskrav.
- Integrera finansiella datastandarder och ontologier i graftillstånd och verktyg.
- Implementera pålitlighet, säkerhet och människor-i-loop-kontroller för kritiska processer.
- Distribuera, övervaka och optimera LangGraph-system för prestanda, kostnad och SLA:er.
Utbildningsformat
- Interaktiv föreläsning och diskussion.
- Många övningar och praktik.
- Hands-on-implementering i en levande labbmiljö.
Alternativ för kursanpassning
- För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna.
LangGraph Foundations: Grafbaserad LLM-prompting och kedjebildning
14 TimmarLangGraph är ett ramverk för att bygga grafstrukturerade LLM-applikationer som stöder planering, förgrening, verktygsanvändning, minne och kontrollerbar exekvering.
Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till utvecklare, prompt-engineers och dataexperter på grundnivå som vill designa och bygga pålitliga, flerstegs-LLM-arbetsflöden med hjälp av LangGraph.
Vid slutet av denna utbildning kommer deltagarna att kunna:
- Förklara grundläggande LangGraph-begrepp (noder, kanter, tillstånd) och när de ska användas.
- Bygga promptkedjor som förgrenas, kallar på verktyg och behåller minne.
- Integrera hämtning och externa API:er i grafarbetsflöden.
- Testa, felsöka och utvärdera LangGraph-appar för pålitlighet och säkerhet.
Utbildningens format
- Interaktiva föreläsningar och facklig diskussion.
- Guidade laborationer och kodgenomgångar i en sandbox-miljö.
- Scenariebaserade övningar i design, testning och utvärdering.
Alternativ för anpassning av kursen
- För att beställa en anpassad utbildning för denna kurs, kontakta oss för att ordna.
LangGraph in Healthcare: Workflow Orchestration for Regulated Environments
35 TimmarLangGraph gör det möjligt att hantera statiska, multi-aktörsarbetsflöden som drivs av LLMs med exakt kontroll över körningsvägar och statispersistens. Inom hälsovården är dessa funktioner avgörande för att uppfylla kraven, säkerställa interoperabilitet och bygga beslutstödssystem som överensstämmer med medicinska arbetsflöden.
Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till professionella på mellan- till avancerad nivå som vill designa, implementera och hantera LangGraph-baserade lösningar inom hälsovården samt hantera regelverks-, etiska och operativa utmaningar.
Efter avslutad utbildning kommer deltagarna att kunna:
- Designa LangGraph-arbetsflöden inom hälsovården med fokus på att uppfylla kraven och möjliggöra granskning.
- Integrera LangGraph-applikationer med medicinska ontologier och standarder (FHIR, SNOMED CT, ICD).
- Tillämpa bästa praxis för pålitlighet, spårbarhet och förklarbarhet i känsliga miljöer.
- Distribuera, övervaka och validera LangGraph-applikationer i produktionsmiljöer inom hälsovården.
Utbildningens format
- Interaktiv föreläsning och diskussion.
- Hands-on-övningar med verkliga fallstudier.
- Implementationsövning i en live-labbmiljö.
Anpassningsalternativ för kursen
- För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna.
LangGraph för juridiska tillämpningar
35 TimmarLangGraph är ett ramverk för att bygga tillståndskänsliga, fleraktörerdrivna LLM-applikationer som komponerbara grafer med persistent tillstånd och noggrann kontroll över utförandet.
Detta instruktörsledda, liveutbildning (online eller på plats) är riktad till mellan- och avancerade professionella som önskar designa, implementera och driftsätta LangGraph-baserade juridiska lösningar med nödvändiga komplians-, spårbarhets- och styrningskontroller.
Vid slutet av denna utbildning kommer deltagarna att kunna:
- Designa juridiska specifika LangGraph-arbetsflöden som bevarar spårbarhet och komplians.
- Integrera juridiska ontologier och dokumentstandarder i grafens tillstånd och bearbetning.
- Implementera säkerhetsåtgärder, mänskliga godkännanden och spårbara beslutsbanor.
- Distribuera, övervaka och underhålla LangGraph-tjänster i produktion med observabilitet och kostnadskontroll.
Kursformat
- Interaktiv föreläsning och diskussion.
- Många övningar och praktik.
- Handson-implementation i en live-labbmiljö.
Kursanpassningsalternativ
- För att begära anpassad utbildning för denna kurs, kontakta oss för att schemalägga.
Dynamiska Arbetsflöden med LangGraph och LLM Agents
14 TimmarLangGraph är ett ramverk för att sammansätta grafstrukturerade LLM-arbetsflöden som stöder förgrening, verktygsanvändning, minne och kontrollerad exekvering.
Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till ingenjörer och produktteam på mellannivå som vill kombinera LangGraphs graflogik med LLM-agentloopar för att bygga dynamiska, kontextmedvetna applikationer såsom kundsupportagenter, beslutsträd och informationshämtningsystem.
Vid utbildningens slut kommer deltagarna att kunna:
- Designa grafbaserade arbetsflöden som samordnar LLM-agenter, verktyg och minne.
- Implementera villkorsstyrd vägledning, omstart och återfall för robust exekvering.
- Integra hämtning, API:er och strukturerade utdata i agentloopar.
- Utvärdera, övervaka och hårdna agentbeteende för pålitlighet och säkerhet.
Kursformat
- Interaktiv föreläsning och ledd diskussion.
- Guidade labbar och kodgenomgångar i en sandlåde-omgivning.
- Scenariebaserade designövningar och kollegiala granskningar.
Alternativ för kursanpassning
- För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna.
LangGraph för Marknadsföringsautomatisering
14 TimmarLangGraph är ett grafbaserat orchestrationssramverk som möjliggör villkorliga, flerstegs LLM- och verktygsarbetsflöden, idealiskt för att automatisera och personanpassa innehållspipeliner.
Denna instruktörsledd, liveutbildning (online eller på plats) är riktad till mellannivån marknadsförare, innehållsstrateger och automatiseringsutvecklare som vill implementera dynamiska, grenande e-postkampanjer och innehållsgenererande pipeliner med hjälp av LangGraph.
Efter denna utbildning kommer deltagarna att kunna:
- Designa grafbaserade innehålls- och e-postarbetsflöden med villkorlig logik.
- Integrera LLM:er, API:er och datakällor för automatiserad personanpassning.
- Hantera status, minne och kontext över flerstegs kampanjer.
- Utvärdera, övervaka och optimera arbetsflödens prestanda och leveransresultat.
Kursformat
- Interaktiva föreläsningar och gruppdiskussioner.
- Praktiska laborationer för att implementera e-postarbetsflöden och innehållspipeliner.
- Scenario-baserade övningar om personanpassning, segmentering och grenad logik.
Kursanpassningsalternativ
- För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna det.
Le Chat Enterprise: Privat ChatOps, integreringar & adminkontroller
14 TimmarLe Chat Enterprise är en privat ChatOps-lösning som erbjuder säkra, anpassningsbara och styrda konversations-AI-kapaciteter för organisationer, med stöd för RBAC, SSO, anslutningar och integreringar med företagsappar.
Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till produktchefer, IT-ledare, lösningsingenjörer och säkerhets-/kompatibilitetsteam på mellannivå som vill distribuera, konfigurera och styra Le Chat Enterprise i företagsmiljöer.
Vid slutet av denna utbildning kommer deltagarna att kunna:
- Installera och konfigurera Le Chat Enterprise för säkra distribueringar.
- Aktivera RBAC, SSO och kontrollerna som drivs av kompatibilitet.
- Integrera Le Chat med företagsappar och datalagringsplatser.
- Designa och implementera styrnings- och administrativa handboksmönster för ChatOps.
Kursformat
- Interaktiv föreläsning och diskussion.
- Många övningar och praktik.
- Hands-on-implementering i en live-lab-miljö.
Alternativ för anpassning av kursen
- För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna.
Accelerating Python Pandas Workflows with Modin Accelerera Python Pandas-arbetsflöden med Modin
14 TimmarDenna 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.