Wprowadzenie do nauki o danych i sztucznej inteligencji za pomocą Pythona - Plan Szkolenia

LangGraph jest ramą do budowy aplikacji z wieloma aktorami o stanie, jako skomponowanych grafów z trwałym stanem i kontrolą nad wykonaniem.

To prowadzone przez instruktora, żywe szkolenie (online lub na miejscu) skierowane jest do zaawansowanych inżynierów platform AI, DevOps dla AI i architektów ML, którzy chcą optymalizować, debugować, monitorować i zarządzać systemami LangGraph w produkcji.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Projektować i optymalizować złożone topologie LangGraph pod względem prędkości, kosztów i skalowalności.
• Inżynierować niezawodność za pomocą powtórzeń, timeoutów, idempotencji i odzyskiwania opartego na punktach kontrolnych.
• Debugować i śledzić wykonanie grafów, sprawdzać stan i systematycznie odtwarzać problemy produkcji.
• Instrumentować grafy logami, metrykami i śladami, wdrażać do produkcji i monitorować SLA i koszty.

Format kursu

• Interaktywna wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Ręczne wdrażanie w środowisku labolatorium online.

Opcje dostosowania kursu

• Aby złożyć wniosek o dostosowane szkolenie dla tego kursu, prosimy o kontakt z nami w celu uzgodnienia.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą korzystać z ekosystemu Anaconda do przechwytywania, zarządzania i wdrażania pakietów i przepływów pracy analizy danych na jednej platformie.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować komponenty i biblioteki Anaconda.
• Zrozumieć podstawowe pojęcia, funkcje i zalety Anaconda.
• Zarządzać pakietami, środowiskami i kanałami za pomocą Anaconda Navigator.
• Używanie pakietów Conda, R i Python do nauki o danych i uczenia maszynowego.
• Poznanie praktycznych przypadków użycia i technik zarządzania wieloma środowiskami danych.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla analityków danych i inżynierów oprogramowania, którzy chcą używać Dask z ekosystemem Python do tworzenia, skalowania i analizowania dużych zbiorów danych.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Skonfiguruj środowisko, aby rozpocząć przetwarzanie dużych zbiorów danych za pomocą Dask i Pythona.
• Zapoznanie się z funkcjami, bibliotekami, narzędziami i interfejsami API dostępnymi w Dask.
• Zrozumienie, w jaki sposób Dask przyspiesza obliczenia równoległe w Pythonie.
• Dowiedz się, jak skalować ekosystem Pythona (Numpy, SciPy i Pandas) przy użyciu Dask.
• Optymalizacja środowiska Dask w celu utrzymania wysokiej wydajności w obsłudze dużych zbiorów danych.

This instructor-led, live training in (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.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do programistów, którzy chcą wykorzystać stos FARM (FastAPI, React i MongoDB) do budowy dynamicznych, wysokowydajnych i skalowalnych aplikacji internetowych.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zainstalować niezbędne środowisko rozwojowe, które integruje FastAPI, React i MongoDB.
• Zrozumieć kluczowe koncepcje, funkcje i korzyści stosu FARM.
• Nauczyć się budowy API REST za pomocą FastAPI.
• Nauczyć się projektowania interaktywnych aplikacji za pomocą React.
• Rozwijać, testować i wdrażać aplikacje (front-end i back-end) za pomocą stosu FARM.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów, którzy chcą używać FastAPI z Python do łatwiejszego i szybszego tworzenia, testowania i wdrażania interfejsów API RESTful.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Skonfigurować niezbędne środowisko programistyczne do tworzenia API z wykorzystaniem Python i FastAPI.
• Tworzyć API szybciej i łatwiej, korzystając z biblioteki FastAPI.
• Nauczyć się tworzyć modele danych i schematy oparte na Pydantic i OpenAPI.
• Połączyć API z bazą danych za pomocą SQLAlchemy.
• Zaimplementować zabezpieczenia i uwierzytelnianie w API, korzystając z narzędzi FastAPI.
• Budować obrazy kontenerów i wdrażać API internetowe na serwerze chmurowym.

Szkolenie koncentruje się na praktycznej nauce tworzenia REST API przy użyciu frameworka FastAPI. Uczestnicy poznają kompletny proces budowy aplikacji webowej – od zrozumienia architektury klient-serwer i protokołu HTTP, przez implementację wszystkich operacji CRUD, aż po integrację z bazą danych i zabezpieczenie aplikacji.

Program obejmuje pracę z prostym, przykładowym projektem, który uczestnicy budują krok po kroku. Nauczą się definiować endpointy, walidować dane wejściowe za pomocą Pydantic, obsługiwać błędy oraz zwracać odpowiednie kody statusu HTTP. Poznają dwa podejścia do pracy z bazą danych: bezpośrednie zapytania SQL przez psycopg oraz ORM SQLAlchemy.

Duży nacisk kładziemy na organizację kodu – podział na moduły, separację logiki, oraz dobre praktyki strukturyzacji projektu. Uczestnicy nauczą się również testować swoje API przy użyciu TestClient, pracować z automatycznie generowaną dokumentacją oraz implementować mechanizmy uwierzytelniania i hashowania haseł.

Po szkoleniu uczestnik będzie potrafił samodzielnie zaprojektować i zaimplementować funkcjonalne REST API z połączeniem do bazy danych, zabezpieczone i gotowe do dalszego rozwoju. Otrzyma praktyczną wiedzę pozwalającą na rozpoczęcie pracy jako backend developer w Pythonie.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą uczyć się i budować swoją karierę w Data Science za pomocą Kaggle.

Pod koniec tego szkolenia uczestnicy będą mogli:

• Dowiedzieć się o nauce o danych i uczeniu maszynowym.
• Poznaj analitykę danych.
• Dowiedzieć się o Kaggle i jak to działa.

LangGraph to framework do budowy aplikacji opartego na grafie modeli językowych dużej skalowości (LLM), które wspierają planowanie, rozgałęzienie, używanie narzędzi, pamięć oraz kontrolowane wykonywanie.

Ten prowadzony przez instruktora kurs (online lub stacjonarnie) jest skierowany do początkujących developerów, inżynierów promptów oraz praktyków danych, którzy chcą zaprojektować i zbudować niezawodne, wieloetapowe przepływy pracy modeli językowych dużej skalności z użyciem LangGraph.

Na zakończenie tego kursu uczestnicy będą w stanie:

• Wyjaśnić podstawowe koncepcje LangGraph (węzły, krawędzie, stan) oraz kiedy ich używać.
• Budować łańcuchy promptów, które rozgałęziają się, wywołują narzędzia oraz utrzymują pamięć.
• Integrować odzyskiwanie i zewnętrzne API z przepływami grafu.
• Testować, debugować i oceniać aplikacje LangGraph pod kątem niezawodności i bezpieczeństwa.

Format kursu

• Interaktywne wykłady i prowadzone dyskusje.
• Przewodowane laboratoria i przechadzki po kodzie w środowisku piaskownicy.
• Ćwiczenia oparte na scenariuszach dotyczące projektowania, testowania i oceny.

Opcje dostosowywania kursu

• Aby poprosić o dostosowany kurs dla tego kursu, prosimy o kontakt z nami w celu ustalenia.

LangGraph to framework do tworzenia przepływów pracy o strukturze grafu LLM, który obsługuje rozgałęzianie, użycie narzędzi, pamięć i kontrolowane wykonywanie.

To szkolenie prowadzone przez instruktora (online lub stacjonarnie) jest skierowane do inżynierów i zespołów produktowych na poziomie średnim, którzy chcą połączyć logikę grafu LangGraph z pętlami agentów LLM, aby tworzyć dynamiczne, świadome kontekstu aplikacje, takie jak agenci wsparcia klienta, drzewa decyzji i systemy odzyskiwania informacji.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Projektować przepływy pracy oparte na grafach, które koordynują agentów LLM, narzędzia i pamięć.
• Wdrażać warunkowe trasowanie, powtórzenia i zapasowe ścieżki dla solidnego wykonywania.
• Integrować odzyskiwanie, API i wyjścia strukturalne w pętle agentów.
• Ocena, monitorowanie i zabezpieczanie zachowania agentów dla niezawodności i bezpieczeństwa.

Format kursu

• Interaktywne wykłady i prowadzone dyskusje.
• Przewodnikowe laboratoria i przejście przez kod w środowisku sandbox.
• Ćwiczenia projektowe oparte na scenariuszach i przegląd parowy.

Opcje dostosowania kursu

• Aby poprosić o dostosowane szkolenie dla tego kursu, skontaktuj się z nami w celu uregulowania.

LangGraph to ramowa struktura oparta na grafie, która umożliwia warunkowe, wielostopniowe przepływy pracy LLM i narzędzi, idealnie nadającą się do automatyzacji i personalizacji potoków treści.

Ta prowadzona przez instruktora, żywa trening (online lub stacjonarnie) jest skierowana do marketingowców, strategów treści oraz deweloperów automatyzacji o średnim poziomie zaawansowania, którzy chcą zaimplementować dynamiczne, wieloetapowe kampanie e-mail i potoki generowania treści przy użyciu LangGraph.

Na koniec tego treningu uczestnicy będą w stanie:

• Projektować struktury grafowe treści i przepływy e-mail z logiką warunkową.
• Integrować LLM, API i źródła danych do automatycznej personalizacji.
• Zarządzać stanem, pamięcią i kontekstem w wieloetapowych kampaniach.
• Oceniać, monitorować i optymalizować wydajność przepływów pracy i wyniki dostawy.

Format Kursu

• Interaktywne wykłady i grupowe dyskusje.
• Ćwiczenia praktyczne implementujące przepływy e-mail i potoki treści.
• Zadania oparte na scenariuszach dotyczące personalizacji, segmentacji i logiki warunkowej.

Opcje Dostosowywania Kursu

• Aby zamówić dostosowany trening dla tego kursu, prosimy o kontakt z nami w celu ustalenia szczegółów.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą używać Modin do tworzenia i wdrażania równoległych obliczeń z Pandas w celu szybszej analizy danych.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Skonfigurować niezbędne środowisko, aby rozpocząć opracowywanie Pandas przepływów pracy na dużą skalę z Modin.
• Zrozumieć funkcje, architekturę i zalety Modin.
• Znać różnice między Modin, Dask i Ray.
• Szybsze wykonywanie operacji Pandas za pomocą Modin.
• Wdrożenie całego interfejsu API i funkcji Pandas.

Szkolenie obejmuje kluczowe narzędzia wykorzystywane w pracy analitycznej i data science:
NumPy (operacje tablicowe), Pandas (analiza danych tabelarycznych) oraz biblioteki do wizualizacji.
Moduły prowadzą uczestnika od podstaw przetwarzania danych po tworzenie wykresów
i eksploracyjną analizę zbiorów danych (EDA)

To szkolenie prowadzone przez instruktora w formie online lub stacjonarnej jest skierowane do naukowców danych i deweloperów, którzy chcą wykorzystać RAPIDS do budowy GPU-przyspieszanych przepływów danych, procesów pracy oraz wizualizacji, stosując algorytmy uczenia maszynowego, takie jak XGBoost, cuML, itd.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Ustawić niezbędne środowisko deweloperskie do budowy modeli danych z NVIDIA RAPIDS.
• Zrozumieć funkcje, składniki i zalety RAPIDS.
• Wykorzystywać GPU do przyspieszania przepływów danych i analiz od początku do końca.
• Wdrażać GPU-przyspieszane przygotowanie danych i ETL z użyciem cuDF i Apache Arrow.
• Nauczyć się wykonywania zadań uczenia maszynowego z użyciem algorytmów XGBoost i cuML.
• Tworzyć wizualizacje danych i wykonywać analizę grafu z użyciem cuXfilter i cuGraph.