Wprowadzenie do Data Science i AI przy użyciu Pythona - Plan Szkolenia

LangGraph to framework do budowania stanowych, wieloaktorowych aplikacji LLM jako komponowalnych grafów z trwałym stanem i kontrolą nad wykonaniem.

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

Po zakończeniu szkolenia uczestnicy będą mogli:

• Projektować i optymalizować złożone topologie LangGraph pod kątem szybkości, kosztów i skalowalności.
• Zapewniać niezawodność poprzez retry, timeouty, idempotentność i odzyskiwanie oparte na checkpointach.
• Debugować i śledzić wykonania grafów, inspekcjonować stan i systematycznie odtwarzać problemy produkcyjne.
• Instrumentować grafy za pomocą logów, metryk i śladów, wdrażać do produkcji oraz monitorować SLA i koszty.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczna implementacja w środowisku live-lab.

Opcje dostosowania kursu

• Aby zamówić dostosowane szkolenie, prosimy o kontakt w celu ustalenia szczegółów.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do data scientistów, którzy chcą wykorzystać ekosystem Anaconda do przechwytywania, zarządzania i wdrażania pakietów oraz przepływów pracy analizy danych na jednej platformie.

Pod koniec szkolenia uczestnicy będą mogli:

• Zainstalować i skonfigurować komponenty i biblioteki Anaconda.
• Zrozumieć podstawowe koncepcje, funkcje i korzyści Anaconda.
• Zarządzać pakietami, środowiskami i kanałami za pomocą Anaconda Navigator.
• Korzystać z pakietów Conda, R i Python do nauki danych i uczenia maszynowego.
• Poznać praktyczne przypadki użycia i techniki zarządzania wieloma środowiskami danych.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do analityków danych i inżynierów oprogramowania, którzy chcą wykorzystać Dask w ekosystemie Pythona do budowania, skalowania i analizowania dużych zbiorów danych.

Pod koniec szkolenia uczestnicy będą mogli:

• Przygotować środowisko do rozpoczęcia przetwarzania dużych zbiorów danych z wykorzystaniem Dask i Pythona.
• Poznać funkcje, biblioteki, narzędzia i API dostępne w Dask.
• Zrozumieć, w jaki sposób Dask przyspiesza przetwarzanie równoległe w Pythonie.
• Nauczyć się skalować ekosystem Pythona (Numpy, SciPy i Pandas) przy użyciu Dask.
• Optymalizować środowisko Dask, aby zachować wysoką wydajność w obsłudze dużych zbiorów danych.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do programistów Pythona i analityków danych na poziomie średnio zaawansowanym, którzy chcą poprawić swoje umiejętności w zakresie analizy i manipulacji danymi przy użyciu Pandas i NumPy.

Pod koniec szkolenia uczestnicy będą mogli:

• Skonfigurować środowisko programistyczne obejmujące Python, Pandas i NumPy.
• Tworzyć aplikacje do analizy danych przy użyciu Pandas i NumPy.
• Wykonywać zaawansowane operacje porządkowania, sortowania i filtrowania danych.
• Przeprowadzać operacje agregacyjne i analizować dane szeregów czasowych.
• Wizualizować dane za pomocą Matplotlib i innych bibliotek wizualizacyjnych.
• Debugować i optymalizować kod analizy danych.

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

Po zakończeniu szkolenia uczestnicy będą mogli:

• Skonfigurować niezbędne środowisko programistyczne integrujące FastAPI, React i MongoDB.
• Zrozumieć kluczowe koncepcje, funkcje i zalety stosu FARM.
• Nauczyć się tworzyć REST API za pomocą FastAPI.
• Nauczyć się projektować interaktywne aplikacje za pomocą React.
• Tworzyć, testować i wdrażać aplikacje (frontend i backend) przy użyciu stosu FARM.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do programistów, którzy chcą używać FastAPI z Pythonem do łatwiejszego i szybszego budowania, testowania i wdrażania RESTful API.

Pod koniec szkolenia uczestnicy będą mogli:

• Skonfigurować niezbędne środowisko programistyczne do tworzenia API z użyciem Pythona i FastAPI.
• Tworzyć API szybciej i łatwiej, korzystając z biblioteki FastAPI.
• Nauczyć się tworzyć modele danych i schematy oparte na Pydantic i OpenAPI.
• Łączyć API z bazą danych za pomocą SQLAlchemy.
• Implementować zabezpieczenia i uwierzytelnianie w API przy użyciu narzędzi FastAPI.
• Budować obrazy kontenerów i wdrażać web API 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 szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do naukowców zajmujących się danymi i programistów, którzy chcą się uczyć i rozwijać swoje kariery w dziedzinie Data Science przy użyciu Kaggle.

Pod koniec szkolenia uczestnicy będą mogli:

• Poznać zagadnienia związane z nauką o danych i uczeniem maszynowym.
• Eksplorować analizy danych.
• Poznać Kaggle i sposób jego działania.

LangGraph to framework do budowania stanowych, wieloagentowych aplikacji LLM jako komponowalnych grafów z trwałym stanem i kontrolą nad wykonaniem.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do profesjonalistów na poziomie średniozaawansowanym i zaawansowanym, którzy chcą projektować, implementować i zarządzać rozwiązaniami opartymi na LangGraph w finansach, z zachowaniem właściwego zarządzania, obserwowalności i zgodności.

Po zakończeniu szkolenia uczestnicy będą w stanie:

• Projektować przepływy pracy LangGraph specyficzne dla finansów, zgodne z wymaganiami regulacyjnymi i audytowymi.
• Integrować standardy i ontologie danych finansowych w stan i narzędzia grafu.
• Implementować niezawodność, bezpieczeństwo i kontrolę z udziałem człowieka w kluczowych procesach.
• Wdrażaæ, monitorować i optymalizować systemy LangGraph pod kątem wydajności, kosztów i SLA.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczna implementacja w środowisku live-lab.

Opcje dostosowania kursu

• Aby zamówić dostosowane szkolenie, skontaktuj się z nami.

LangGraph to framework do budowania aplikacji LLM opartych na grafach, które wspierają planowanie, rozgałęzienia, korzystanie z narzędzi, pamięć oraz kontrolowane wykonanie.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do początkujących programistów, inżynierów promptów oraz praktyków danych, którzy chcą projektować i budować niezawodne, wieloetapowe przepływy pracy LLM przy użyciu LangGraph.

Pod koniec szkolenia uczestnicy będą w stanie:

• Wyjaśnić podstawowe koncepcje LangGraph (węzły, krawędzie, stan) oraz kiedy ich używać.
• Budować łańcuchy promptów, które rozgałęziają się, wywołują narzędzia i utrzymują pamięć.
• Integrować pobieranie danych i zewnętrzne API w przepływach pracy opartych na grafach.
• Testować, debugować i oceniać aplikacje LangGraph pod kątem niezawodności i bezpieczeństwa.

Format kursu

• Interaktywny wykład i moderowana dyskusja.
• Prowadzone laboratoria i omówienie kodu w środowisku sandbox.
• Ćwiczenia oparte na scenariuszach dotyczące projektowania, testowania i oceny.

Opcje dostosowania kursu

• Aby zamówić dostosowane szkolenie, skontaktuj się z nami.

LangGraph umożliwia tworzenie stanowych, wieloagentowych procesów opartych na LLM z precyzyjną kontrolą ścieżek wykonania i trwałości stanu. W ochronie zdrowia te możliwości są kluczowe dla zapewnienia zgodności, interoperacyjności oraz budowania systemów wsparcia decyzyjnego dostosowanych do medycznych procesów.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do profesjonalistów na poziomie średnio zaawansowanym i zaawansowanym, którzy chcą projektować, wdrażać i zarządzać rozwiązaniami opartymi na LangGraph w ochronie zdrowia, uwzględniając wyzwania regulacyjne, etyczne i operacyjne.

Po zakończeniu szkolenia uczestnicy będą w stanie:

• Projektować procesy LangGraph specyficzne dla ochrony zdrowia z uwzględnieniem zgodności i możliwości audytu.
• Integrować aplikacje LangGraph z medycznymi ontologiami i standardami (FHIR, SNOMED CT, ICD).
• Stosować najlepsze praktyki w zakresie niezawodności, możliwości śledzenia i wyjaśnialności w wrażliwych środowiskach.
• Wdrażaæ, monitorować i walidować aplikacje LangGraph w środowiskach produkcyjnych w ochronie zdrowia.

Format kursu

• Interaktywny wykład i dyskusja.
• Ćwiczenia praktyczne z rzeczywistymi studiami przypadków.
• Praktyka wdrażania w środowisku live-lab.

Opcje dostosowania kursu

• Aby zamówić dostosowane szkolenie, prosimy o kontakt w celu uzgodnienia szczegółów.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do naukowców zajmujących się danymi oraz programistów, którzy chcą wykorzystać Modin do budowania i implementowania równoległych obliczeń z Pandas w celu szybszej analizy danych.

Pod koniec szkolenia uczestnicy będą mogli:

• Skonfigurować niezbędne środowisko do rozpoczęcia tworzenia przepływów pracy w Pandas na dużą skalę z wykorzystaniem Modin.
• Zrozumieć funkcje, architekturę i zalety Modin.
• Poznać różnice między Modin, Dask i Ray.
• Wykonywać operacje w Pandas szybciej z wykorzystaniem Modin.
• Implementować całe API i funkcje 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 Polsce (online lub na miejscu) jest skierowane do naukowców zajmujących się danymi oraz programistów, którzy chcą wykorzystać RAPIDS do budowania zoptymalizowanych pod kątem GPU potoków danych, przepływów pracy i wizualizacji, stosując algorytmy uczenia maszynowego, takie jak XGBoost, cuML itp.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Skonfigurować niezbędne środowisko programistyczne do budowania modeli danych z wykorzystaniem NVIDIA RAPIDS.
• Zrozumieć funkcje, komponenty i zalety RAPIDS.
• Wykorzystać GPU do przyspieszenia kompleksowych potoków danych i analizy.
• Wdrożyć przygotowanie danych i ETL zoptymalizowane pod kątem GPU z wykorzystaniem cuDF i Apache Arrow.
• Nauczyć się wykonywać zadania uczenia maszynowego z algorytmami XGBoost i cuML.
• Tworzyć wizualizacje danych i przeprowadzać analizę grafów z wykorzystaniem cuXfilter i cuGraph.