Python Programming for Finance Počítačový Kurz

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí používat ekosystém Anaconda k zachycení, správě a nasazení balíčků a pracovních postupů analýzy dat na jediné platformě.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Anaconda komponenty a knihovny.
• Pochopte základní koncepty, funkce a výhody Anaconda.
• Spravujte balíčky, prostředí a kanály pomocí Navigátoru Anaconda.
• Používejte balíčky Conda, R a Python pro datovou vědu a strojové učení.
• Seznamte se s některými praktickými případy použití a technikami pro správu více datových prostředí.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a softwarové inženýry, kteří chtějí používat Dask s Python ekosystémem k vytváření, škálování a analýze velkých datových sad.

Na konci tohoto školení budou účastníci schopni:

• Nastavte prostředí, abyste mohli začít budovat zpracování velkých dat pomocí Dask a Python.
• Prozkoumejte funkce, knihovny, nástroje a rozhraní API dostupné v Dask.
• Pochopte, jak Dask urychluje paralelní výpočty v Pythonu.
• Naučte se, jak škálovat ekosystém Pythonu (Numpy, SciPy a Pandas) pomocí Dask.
• Optimalizujte prostředí Dask pro udržení vysokého výkonu při zpracování velkých datových sad.

This instructor-led, live training in České republice (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.

V tomto živém školení pod vedením instruktora v České republice se účastníci naučí, jak vytvořit chytrou kontraktační blockchain aplikaci s Monax.

Na konci tohoto školení budou účastníci schopni:

• Vyvíjejte a nasazujte distribuovanou aplikaci pomocí technologie blockchain a inteligentní smlouvy.
• Pochopte design a funkčnost „chytrých smluv“ a jak je vytvořit.
• Implementujte osvědčené postupy pro bezpečný vývoj blockchain aplikací.
• Využijte nástroje Monax k zefektivnění vývoje distribuovaných aplikací.

Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat zásobník FARM (FastAPI, React a MongoDB) k vytváření dynamických, vysoce výkonných a škálovatelných webových aplikací.

Na konci tohoto školení budou účastníci schopni:

Nastavte potřebné vývojové prostředí, které integruje FastAPI, React a MongoDB. Pochopte klíčové koncepty, funkce a výhody FARM stacku. Naučte se vytvářet REST API pomocí FastAPI. Naučte se navrhovat interaktivní aplikace pomocí React. Vyvíjejte, testujte a nasazujte aplikace (front-end a back-end) pomocí FARM stacku.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat FastAPI s Python ke snadnějšímu a rychlejšímu vytváření, testování a nasazování RESTful API.

Na konci tohoto školení budou účastníci schopni:

• Nastavit si nezbytné vývojové prostředí pro vývoj API s Python a FastAPI.
• Vytvářet API rychleji a snadněji pomocí knihovny FastAPI.
• Naučit se, jak vytvářet datové modely a schémata založené na Pydantic a OpenAPI.
• Připojit API k databázi pomocí SQLAlchemy.
• Implementovat zabezpečení a autentizaci v API pomocí nástrojů FastAPI.
• Vytvořit kontejnerové obrazy a nasadit webová API na cloudový server.

Tento praktický kurz je určen vývojářům Pythonu, kteří chtějí vytvářet a udržovat své první webové aplikace. Je také určena lidem, kteří již znají jiné webové rámce, jako je Django nebo Web2py, a chtějí se naučit používat mikrorámec (tj. rámec, který spojuje knihovny třetích stran namísto poskytování samostatného univerzálního řešení ) změní proces.

Významná část kurzu není věnována samotnému Flask (je malinký), ale knihovnám a nástrojům třetích stran často používaným v projektech Flask.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat pokročilé funkce Flasku k vytváření škálovatelných webových aplikací nad MongoDB.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné vývojové prostředí pro zahájení vývoje webových aplikací pomocí Flasku.
• Seznamte se s pokročilými koncepty a technikami pro skutečné projekty Flask.
• Sestavte RESTful API server nad MongoDB.
• Naučte se kontejnerizovat, testovat a nasazovat mikroslužby pomocí Flask, Docker a Amazon EC2.
• Získejte přehled o pokročilých integracích Flask pro škálování webových aplikací.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří se chtějí učit a budovat svou kariéru v Data Science pomocí Kaggle.

Na konci tohoto školení budou účastníci schopni:

• Přečtěte si o datové vědě a strojovém učení.
• Prozkoumejte analýzu dat.
• Přečtěte si o Kaggle a jak to funguje.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří chtějí používat Modin k sestavení a implementaci paralelních výpočtů s Pandas pro rychlejší analýzu dat.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné prostředí, abyste mohli začít vyvíjet pracovní postupy Pandas ve velkém měřítku s Modin.
• Pochopte funkce, architekturu a výhody Modin.
• Poznejte rozdíly mezi Modin, Dask a Rayem.
• Pomocí Modin provádějte operace Pandas rychleji.
• Implementujte celé Pandas API a funkce.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat PyGame k vytváření a sestavování her pomocí programování Python.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné vývojové prostředí, abyste mohli začít vytvářet herní aplikace pomocí PyGame a Python.
• Naučte se vytvářet interaktivní PyGame aplikace integrované s animacemi a multimediálními funkcemi.
• Spouštějte a testujte herní programy pomocí testovací sady PyGame a převádějte je na spustitelné soubory.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří chtějí použít RAPIDS k sestavení GPU-akcelerovaných datových kanálů, pracovních postupů a vizualizací s použitím algoritmů strojového učení, jako XGBoost, cuML atd.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné vývojové prostředí pro vytváření datových modelů pomocí NVIDIA RAPIDS.
• Pochopte vlastnosti, součásti a výhody RAPIDS.
• Využijte GPU k urychlení kompletních datových a analytických kanálů.
• Implementujte GPU-zrychlenou přípravu dat a ETL s cuDF a Apache Arrow.
• Naučte se provádět úlohy strojového učení pomocí algoritmů XGBoost a cuML.
• Vytvářejte vizualizace dat a provádějte analýzu grafů pomocí cuXfilter a cuGraph.

Toto školení vedené instruktorem, probíhající online nebo prezenčně, je určeno pro backend vývojáře, kteří si přejí vytvářet REST API s Python a Flask.

Na konci tohoto školení budou účastníci schopni:

• Implementovat REST API, které umožní webové aplikaci Flask číst a zapisovat data do databáze na backendu.
• Vyvíjet pokročilé funkce ověřování, jako jsou obnovovací tokeny.
• Vytvořit opakovaně použitelný backend pro budoucí projekty Python.
• Zjednodušit ukládání dat pomocí SQLAlchemy.
• Nasazovat REST API na cloudový server.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat SciPy k vytváření pokročilých vědeckých výpočetních funkcí pomocí Pythonu.

Na konci tohoto školení budou účastníci schopni:

• Nastavit nezbytné vývojové prostředí pro zahájení tvorby funkcí pro vědecké výpočty.
• Plně využít funkce SciPy prostřednictvím praktických příkladů složitých operací.
• Implementovat a optimalizovat matematické algoritmy a funkce pro řešení vědeckých problémů.
• Navrhnout datové struktury a interpolační metody pro vizualizaci, zpracování a analýzu.