Python w Naukach o Danych - Plan Szkolenia

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.

Big data to zbiory danych, które są tak obszerne i złożone, że tradycyjne aplikacje do przetwarzania danych nie są w stanie sobie z nimi poradzić. Wyzwania związane z dużymi zbiorami danych obejmują przechwytywanie danych, przechowywanie danych, analizę danych, wyszukiwanie, udostępnianie, przesyłanie, wizualizację, zapytania, aktualizację i prywatność informacji.

Ten kurs jest przeznaczony dla profesjonalistów z dziedziny marketingu i sprzedaży, którzy chcą pogłębić swoją wiedzę na temat zastosowań nauki o danych w marketingu/sprzedaży. Kurs dostarcza szczegółowych informacji o różnych technikach nauki o danych stosowanych do „upsale”, „cross-sale”, segmentacji rynku, budowania marki oraz CLV.

Różnice między marketingiem a sprzedażą - w jaki sposób sprzedaż i marketing różnią się między sobą?

W bardzo prostych słowach sprzedaż można określić jako proces skupiony na indywidualnych klientach lub małych grupach. Marketing natomiast kierowany jest do większych grup lub do ogółu społeczeństwa. Marketing obejmuje badania (identyfikacja potrzeb klienta), rozwój produktów (tworzenie innowacyjnych produktów) oraz promocję produktu (przez reklamy) i tworzenie świadomości produktu wśród konsumentów. Dlatego marketing oznacza generowanie potencjalnych klientów. Gdy produkt pojawia się na rynku, zadanie sprzedawcy polega na przekonaniu klienta do zakupu. Sprzedaż oznacza przekształcenie potencjalnych klientów w zakupy i zamówienia, podczas gdy marketing ma na celu dłuższy okres, sprzedaż dotyczy krótkoterminowych celów.

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 szkolenie prowadzone przez instruktora, dostępne online lub stacjonarnie, wprowadza koncepcję wspólnego rozwoju w dziedzinie nauk o danych i demonstruje, jak używać Jupyter do śledzenia i udziału w zespole w "cyklu życia pomysłu obliczeniowego". Przewodzi uczestników przez tworzenie przykładowego projektu z dziedziny nauk o danych opartych na ekosystemie Jupyter.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zainstalować i skonfigurować Jupyter, w tym utworzyć i zintegrować repozytorium zespołu w Git.
• Używać funkcji Jupyter, takich jak rozszerzenia, interaktywne widgety, tryb wieloużytkownika i więcej, aby umożliwić współpracę nad projektem.
• Tworzyć, dzielić się i organizować Jupyter Notebooks z członkami zespołu.
• Wybierać spośród języków Scala, Python, R do pisania i wykonywania kodu na systemach obsługujących duże zbiory danych, takich jak Apache Spark, wszystkie przez interfejs Jupyter.

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.

To szkolenie prowadzone przez instruktora, dostępne online lub na miejscu w Polsce, jest skierowane do analityków danych, programistów na poziomie średnim lub przyszłych naukowców danych, którzy chcą zastosować techniki uczenia maszynowego w Python do wyciągania wniosków, robienia prognoz i automatyzacji decyzji opartego na danych.

Po ukończeniu tego kursu uczestnicy będą w stanie:

• Rozumieć i rozróżniać kluczowe paradygmaty uczenia maszynowego.
• Badać techniki przygotowania danych i metryki oceny modeli.
• Zastosować algorytmy uczenia maszynowego do rozwiązywania rzeczywistych problemów danych.
• Używać bibliotek Python oraz notatników Jupyter do praktycznego rozwoju.
• Budować modele do prognozowania, klasyfikacji, rekomendacji i klasyfikacji grupowej.

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.

Python jest językiem programowania, który zdobył ogromną popularność w sektorze finansowym. Został przyjęty przez największe banki inwestycyjne i fundusze hedgingowe i jest wykorzystywany do budowy szerokiej gamy aplikacji finansowych, od programów handlowych podstawowych po systemy zarządzania ryzykiem.

W tym prowadzonym przez instruktora szkoleniu online uczestnicy nauczą się, jak używać Pythona do tworzenia praktycznych aplikacji rozwiązujących różne problemy związane z finansami.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy języka programowania Python
• Pobrać, zainstalować i utrzymywać najlepsze narzędzia programistyczne do tworzenia aplikacji finansowych w Python
• Wybierać i wykorzystywać najodpowiedniejsze pakiety Python i techniki programowania do organizowania, wizualizacji i analizy danych finansowych z różnych źródeł (CSV, Excel, bazy danych, internet, itp.)
• Budować aplikacje rozwiązujące problemy związane z alokacją aktywów, analizą ryzyka, wydajnością inwestycji i innymi kwestiami
• Diagnozować, integrować, wdrażać i optymalizować aplikację Python

Grupa docelowa

• Developers
• Analysts
• Quants

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i intensywne praktyczne ćwiczenia

Uwaga

• To szkolenie ma na celu dostarczenie rozwiązań dla niektórych z głównych problemów, z którymi borykają się specjaliści ds. finansowych. Jeśli jednak masz konkretny temat, narzędzie lub technikę, o której chciałbyś wiedzieć więcej, skontaktuj się z nami, aby to zaryzować.

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.