Wykrywanie oszustw z użyciem Pythona i TensorFlow - Plan Szkolenia

Ten intensywny, praktyczny kurs obejmuje zaawansowane techniki Pythona, najlepsze praktyki inżynieryjne oraz powszechnie stosowane wzorce projektowe, aby budować łatwe w utrzymaniu, testowalne i wydajne aplikacje w Pythonie. Kurs kładzie nacisk na nowoczesne narzędzia, typowanie, modele współbieżności, wzorce architektoniczne oraz gotowe do wdrożenia przepływy pracy.

Szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do programistów Pythona na poziomie średnio zaawansowanym i zaawansowanym, którzy chcą przyjąć profesjonalne praktyki i wzorce dla systemów Pythona na poziomie produkcyjnym.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Stosować typowanie, dataclasses i sprawdzanie typów w Pythonie, aby zwiększyć niezawodność kodu.
• Korzystać z wzorców projektowych i zasad architektonicznych do strukturyzowania solidnych aplikacji.
• Poprawnie implementować współbieżność i równoległość przy użyciu asyncio i multiprocessing.
• Tworzyć dobrze przetestowany kod z wykorzystaniem pytest, testowania opartego na właściwościach i potoków CI.
• Profilować, optymalizować i zabezpieczać aplikacje Pythona do produkcji.
• Pakować, dystrybuować i wdrażać projekty Pythona przy użyciu nowoczesnych narzędzi i kontenerów.

Format kursu

• Interaktywne wykłady i krótkie prezentacje.
• Praktyczne laboratoria i ćwiczenia programistyczne każdego dnia.
• Projekt końcowy integrujący wzorce, testowanie i wdrożenie.

Opcje dostosowania kursu

• Aby zamówić dostosowane szkolenie lub skupić się na konkretnym obszarze (dane, web lub infrastruktura), skontaktuj się z nami, aby uzgodnić szczegóły.

To 4-dniowy kurs wprowadzający do sztucznej inteligencji i jej zastosowań. Istnieje możliwość dodatkowego dnia na realizację projektu związanego z AI po zakończeniu kursu. 

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu), skierowane jest do profesjonalistów na zaawansowanym poziomie, którzy chcą pogłębić swoją wiedzę na temat computer vision i poznać możliwości TensorFlow w zakresie tworzenia zaawansowanych modeli wizyjnych przy użyciu Google Colab.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Budować i trenować konwolucyjne sieci neuronowe (CNNs) przy użyciu TensorFlow.
• Wykorzystywać Google Colab do skalowalnego i efektywnego rozwoju modeli w chmurze.
• Stosować techniki wstępnego przetwarzania obrazów do zadań computer vision.
• Wdrażać modele computer vision do rzeczywistych zastosowań.
• Wykorzystywać transfer learning, aby poprawić wydajność modeli CNN.
• Wizualizować i interpretować wyniki modeli klasyfikacji obrazów.

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 na żywo w Polsce (online lub na miejscu) jest skierowane do średniozaawansowanych naukowców zajmujących się danymi i programistów, którzy chcą zrozumieć i stosować techniki głębokiego uczenia w środowisku Google Colab.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Skonfigurować i poruszać się po Google Colab w projektach związanych z głębokim uczeniem.
• Zrozumieć podstawy sieci neuronowych.
• Implementować modele głębokiego uczenia za pomocą TensorFlow.
• Trenować i oceniać modele głębokiego uczenia.
• Wykorzystywać zaawansowane funkcje TensorFlow do głębokiego uczenia.

Odbiorcy

Kurs jest odpowiedni dla badaczy i inżynierów zajmujących się Deep Learning, zainteresowanych wykorzystaniem dostępnych narzędzi (głównie open source) do analizy obrazów komputerowych.

Kurs zawiera praktyczne przykłady.

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 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, na żywo w Polsce (online lub na miejscu) jest skierowane do programistów i naukowców zajmujących się danymi, którzy chcą używać TensorFlow 2.x do budowania predyktorów, klasyfikatorów, modeli generatywnych, sieci neuronowych itp.

Pod koniec szkolenia uczestnicy będą mogli:

• Zainstalować i skonfigurować TensorFlow 2.x.
• Zrozumieć zalety TensorFlow 2.x w porównaniu z poprzednimi wersjami.
• Budować modele głębokiego uczenia.
• Zaimplementować zaawansowany klasyfikator obrazów.
• Wdrożyć model głębokiego uczenia w chmurze, na urządzeniach mobilnych i IoT.

TensorFlow to API drugiej generacji biblioteki oprogramowania open source Google do głębokiego uczenia. System został zaprojektowany, aby ułatwić badania w dziedzinie uczenia maszynowego oraz umożliwić szybkie i łatwe przejście od prototypu badawczego do systemu produkcyjnego.

Grupa docelowa

Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow w swoich projektach związanych z głębokim uczeniem.

Po ukończeniu kursu uczestnicy będą:

• rozumieć strukturę i mechanizmy wdrażania TensorFlow
• umieć przeprowadzać zadania instalacyjne, konfigurację środowiska produkcyjnego i architektury
• umieć oceniać jakość kodu, przeprowadzać debugowanie i monitorowanie
• umieć wdrażać zaawansowane procesy produkcyjne, takie jak trenowanie modeli, budowanie grafów i logowanie

Ten kurs zaczyna się od przekazania wiedzy koncepcyjnej na temat sieci neuronowych oraz ogólnie algorytmów uczenia maszynowego, głębokiego uczenia (algorytmy i zastosowania).

Część 1 (40%) tego szkolenia skupia się bardziej na podstawach, ale pomoże Ci w wyborze odpowiedniej technologii: TensorFlow, Caffe, Theano, DeepDrive, Keras itp.

Część 2 (20%) tego szkolenia wprowadza Theano - bibliotekę Pythona, która ułatwia pisanie modeli głębokiego uczenia.

Część 3 (40%) szkolenia będzie w dużej mierze oparta na TensorFlow - API otwartej biblioteki oprogramowania Google do głębokiego uczenia. Przykłady i ćwiczenia praktyczne będą realizowane w TensorFlow.

Grupa docelowa

Ten kurs jest przeznaczony dla inżynierów, którzy chcą używać TensorFlow w swoich projektach związanych z głębokim uczeniem.

Po ukończeniu kursu uczestnicy będą:

• dobrze rozumieć głębokie sieci neuronowe (DNN), CNN i RNN
• rozumieć strukturę i mechanizmy wdrażania TensorFlow
• potrafić przeprowadzać zadania instalacyjne / środowiskowe / architektoniczne i konfiguracyjne
• potrafić oceniać jakość kodu, przeprowadzać debugowanie i monitorowanie
• potrafić implementować zaawansowane procesy produkcyjne, takie jak trenowanie modeli, budowanie grafów i logowanie