Python: Langweilige Aufgaben automatisieren Schulung

Dieses von einem Trainer geleitete Live-Training in Schweiz (online oder vor Ort) richtet sich an Datenwissenschaftler und Softwareentwickler, die Dask im Python-Ökosystem einsetzen möchten, um große Datensätze zu erstellen, zu skalieren und zu analysieren.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Umgebung einzurichten, um mit Dask und Python Big Data-Verarbeitung aufzubauen.
• Die Funktionen, Bibliotheken, Tools und APIs kennen zu lernen, die in Dask zur Verfügung stehen.
• Zu verstehen, wie Dask paralleles Rechnen in Python beschleunigt.
• Zu lernen, wie man das Python-Ökosystem (Numpy, SciPy und Pandas) mit Dask skaliert.
• Die Dask-Umgebung zu optimieren, um eine hohe Leistung bei der Verarbeitung großer Datensätze zu gewährleisten.

Dieses von einem Dozenten geleitete Live-Seminar in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Python-Entwickler und Datenanalysten, die ihre Fähigkeiten in der Datenanalyse und -manipulation mit Pandas und NumPy verbessern möchten.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• Eine Entwicklungsumgebung einzurichten, die Python, Pandas und NumPy enthält.
• Eine Datenanalyse-Anwendung mit Pandas und NumPy erstellen.
• Erweiterte Datenaufbereitung, -sortierung und -filterung durchführen.
• Agregationsoperationen durchführen und Zeitreihendaten analysieren.
• Daten mit Matplotlib und anderen Visualisierungsbibliotheken visualisieren.
• Ihren Datenanalyses-Code debuggen und optimieren.

Dieses von einem Dozenten geleitete, live Training (online oder vor Ort) richtet sich an Entwickler, die das FARM (FastAPI, React und MongoDB)-Stack verwenden möchten, um dynamische, leistungsstarke und skalierbare Webanwendungen zu erstellen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die notwendige Entwicklungsumgebung einzurichten, die FastAPI, React und MongoDB integriert.
• Die Schlüsselkonzepte, Funktionen und Vorteile des FARM-Stacks zu verstehen.
• Zu lernen, wie man REST-APIs mit FastAPI baut.
• Zu lernen, wie man interaktive Anwendungen mit React gestaltet.
• Anwendungen (Frontend und Backend) unter Verwendung des FARM-Stacks zu entwickeln, zu testen und zu bereitstellen.

Dieses vom Trainer geleitete Live-Training in Schweiz (online oder vor Ort) richtet sich an Entwickler, die FastAPI mit Python nutzen möchten, um RESTful APIs einfacher und schneller zu erstellen, zu testen und bereitzustellen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die notwendige Entwicklungsumgebung zum Erstellen von APIs mit Python und FastAPI einzurichten.
• Mithilfe der FastAPI-Bibliothek APIs schneller und einfacher zu erstellen.
• Zu lernen, wie man Datenmodelle und Schemas basierend auf Pydantic und OpenAPI erstellt.
• APIs mit SQLAlchemy an eine Datenbank anzubinden.
• Mithilfe der FastAPI-Tools Sicherheit und Authentifizierung in APIs zu implementieren.
• Container-Images zu bauen und Web-APIs auf einem Cloud-Server bereitzustellen.

Ziel dieses Kurses ist es, eine grundlegende Kompetenz in der Anwendung Machine Learning Methoden in der Praxis zu bieten. Durch die Verwendung der Programmiersprache und ihrer verschiedenen Bibliotheken und auf der Grundlage einer Vielzahl praktischer Beispiele lehrt dieser Kurs, wie man die wichtigsten Baublöcke von Machine Learning verwendet, wie man Datenmodellierungsentscheidungen macht, die Ergebnisse der Algorithmen interpretiert und die Ergebnisse validiert.

Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Tools aus dem Toolbox vertrauensvoll zu verstehen und zu verwenden und die gemeinsamen Fälle der Anwendungen zu vermeiden.

Ziel dieses Kurses ist es, allgemeine Kenntnisse in der Anwendung von maschinellen Lernmethoden in der Praxis zu vermitteln. Durch den Einsatz der Programmiersprache Python und ihrer verschiedenen Bibliotheken und anhand einer Vielzahl von Praxisbeispielen vermittelt dieser Kurs, wie man die wichtigsten Bausteine des maschinellen Lernens nutzt, wie man Datenmodellierungsentscheidungen trifft, die Ausgänge der Algorithmen und Validierung der Ergebnisse.

Unser Ziel ist es, Ihnen die Fähigkeiten zu vermitteln, die grundlegendsten Werkzeuge aus dem Werkzeugkasten Maschinenlerntechnik sicher zu verstehen und zu nutzen und die üblichen Fallstricke von Datenwissenschaften zu vermeiden.

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Datenwissenschaftler und Entwickler, die Modin verwenden möchten, um parallele Berechnungen mit Pandas für eine schnellere Datenanalyse zu erstellen und zu implementieren.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• die notwendige Umgebung einzurichten, um mit der Entwicklung von Pandas-Workflows in großem Maßstab mit Modin zu beginnen.
• die Funktionen, die Architektur und die Vorteile von Modin zu verstehen.
• Die Unterschiede zwischen Modin, Dask und Ray kennen.
• Schnellere Durchführung von Pandas-Vorgängen mit Modin.
• Implementierung der gesamten Pandas API und Funktionen.

In diesem von einem Instructor geführten Live-Training in Schweiz lernen die Teilnehmer, wie sie Python verwenden können, um hochwertige natürlichen Sprachtext durch das Aufbauen eines eigenen NLG-Systems von Grund auf zu produzieren. Fallstudien werden ebenfalls untersucht und die relevanten Konzepte werden in Live-Lab-Projekten zur Erstellung von Inhalten angewendet.

Am Ende des Trainings können die Teilnehmer:

• NLG verwenden, um Inhalte für verschiedene Branchen wie Journalismus, Immobilien oder Wettersendungen und Sportberichte automatisch zu generieren.
• Quellinhalt auswählen und organisieren, Sätze planen und ein System für die automatische Generierung von Originalinhalten vorbereiten.
• Die NLG-Pipeline verstehen und an jeder Stufe die richtigen Techniken anwenden.
• Die Architektur eines Natural Language Generation (NLG)-Systems verstehen.
• Die geeignetsten Algorithmen und Modelle zur Analyse und Sortierung implementieren.
• Daten aus öffentlich zugänglichen Quellen sowie aus aufbereiteten Datenbanken holen, um sie als Material für generierten Text zu verwenden.
• Manuelle und mühselige Schreibprozesse durch von Computern generierte und automatisierte Inhaltsentwicklung ersetzen.

In diesem von einem Dozenten angeführten, lebendigen Training in Schweiz lernen die Teilnehmer die relevantesten und modernsten maschinellen Lernverfahren in Python kennen, während sie eine Reihe von Demoanwendungen mit Bildern, Musik, Texten und Finanzdaten erstellen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Maschinelles Lernen-Algorithmen und -techniken zur Lösung komplexer Probleme zu implementieren.
• Tiefes Lernen und semi-supervises Lernen auf Anwendungen mit Bildern, Musik, Texten und Finanzdaten anzuwenden.
• Python-Algorithmen bis an ihre Grenzen zu treiben.
• Bibliotheken und Pakete wie NumPy und Theano zu verwenden.

Python ist eine hochstufige Programmiersprache, die für ihre klare Syntax und Codelesbarkeit bekannt ist.

In diesem vom Dozenten angeleiteten Live-Training lernen die Teilnehmer, wie man Python für quantitative Finanzen verwendet.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen der Python-Programmierung zu verstehen
• Python für finanztechnische Anwendungen einzusetzen, einschließlich der Implementierung mathematischer Techniken, stochastischer und statistischer Methoden
• Finanzalgorithmen mit leistungsstarkem Python zu implementieren

Zielgruppe

• Entwickler
• Quantitative Analysten

Kursformat

• Theorieteil, Diskussionsteil, Übungen und intensive praktische Anwendung

Python ist eine Programmiersprache, die in der Finanzbranche enorme Popularität erlangt hat. Von den größten Investmentbanken und Hedgefonds übernommen, wird sie verwendet, um ein breites Spektrum von Finanzanwendungen zu erstellen, von Kernhandelsprogrammen bis hin zu Risikomanagementsystemen.

In diesem vom Dozenten angeleiteten Live-Training lernen die Teilnehmer, wie man Python zur Entwicklung praktischer Anwendungen verwendet, um eine Reihe spezifischer Finanzprobleme zu lösen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen der Python-Programmiersprache zu verstehen
• Python-Entwicklungstools herunterzuladen, zu installieren und zu warten, um Finanzanwendungen zu erstellen
• Die geeignetsten Python-Pakete und -Techniken auszuwählen, um Finanzdaten aus verschiedenen Quellen (CSV, Excel, Datenbanken, Web usw.) zu organisieren, visualisieren und analysieren
• Anwendungen zu erstellen, die Probleme im Zusammenhang mit Vermögensallokation, Risikoanalyse, Investitionsleistung und mehr lösen
• Fehler in einer Python-Anwendung zu beheben, sie zu integrieren, bereitzustellen und zu optimieren

Zielgruppe

• Entwickler
• Analysten
• Quants

Kursformat

• Teil Vorlesung, Teil Diskussion, Übungen und intensive praktische Arbeit

Hinweis

• Dieses Training zielt darauf ab, Lösungen für einige der wichtigsten Probleme zu bieten, die Finanzprofis gegenüberstehen. Wenn Sie jedoch ein bestimmtes Thema, Tool oder Verfahren hinzufügen oder erweitern möchten, kontaktieren Sie uns gerne, um dies einzurichten.

Dieses von einem Dozenten geleitete, live Training in Schweiz (online oder vor Ort) richtet sich an Entwickler, die fortgeschrittene Python-Programmierungs Techniken lernen möchten, einschließlich der Anwendung dieser vielseitigen Sprache zur Lösung von Problemen in Bereichen wie verteilte Anwendungen, Datenanalyse und -visualisierung, Benutzeroberflächen-Programmierung und Wartungsskripte.

In diesem Kurs können Sie die Programmiersprache Python erlernen. Der Schwerpunkt des Kurses liegt dabei auf den Grundlagen der Sprache und zentralen Programmbibliotheken. Der Kurs besteht zur Hälfte aus Theorie, zur Hälfte aus praktischen Übungen. Er ist sowohl für Programmierer als auch Nichtprogrammierer geeignet.

Selenium ist ein quelloffener Rahmen für die Automatisierung von Webanwendungstests in verschiedenen Browsern. Mit Selenium 4 sind erweiterte WebDriver-APIs, native relative Locatoren und verbesserte Grid-Unterstützung verfügbar. Python bietet Einfachheit und starke Integration mit Testrahmen wie Pytest, was es zur Entwicklung skalierbarer und wartbarer Testautomatisierungssuiten zu einer leistungsstarken Wahl macht.

Diese vom Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Anfänger- bis Fortgeschrittenen-Level Tester und Entwickler, die Selenium mit Python verwenden möchten, um Webanwendungstests in realen Umgebungen zu automatisieren.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Selenium mit Python in einer Testumgebung zu installieren und einzurichten.
• Robuste Testautomatisierungsskripte unter Verwendung von Selenium WebDriver und Pytest zu erstellen.
• Page Object Model (POM) anzuwenden, um wartbare Testrahmen zu erstellen.
• Tests in mehreren Browsern mit Selenium Grid auszuführen.
• Automatisierte Tests in CI/CD-Pipelines zu integrieren.
• Häufige Probleme zu beheben und beste Praktiken für die Stabilität der Automatisierung anzuwenden.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Viele Übungen und Praxis.
• Hands-on-Implementierung in einer Live-Lab-Umgebung.

Kursanpassungsoptionen

• Für eine angepasste Schulung zu diesem Kurs wenden Sie sich bitte an uns, um die Anforderungen abzustimmen.

In Python Machine Learning kann die Funktion zur Textzusammenfassung den Eingabetext lesen und eine Textzusammenfassung erstellen. Diese Funktionalität ist über die Befehlszeile oder als Python API/Bibliothek verfügbar. Eine spannende Anwendung ist die schnelle Erstellung von Managementzusammenfassungen, was besonders für Organisationen nützlich ist, die große Textmengen prüfen müssen, bevor sie Berichte und Präsentationen erstellen.

In dieser von einem Dozenten geleiteten Live-Schulung lernen die Teilnehmer, wie sie Python verwenden, um eine einfache Anwendung zu erstellen, die automatisch eine Zusammenfassung des Eingabetextes generiert.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Ein Befehlszeilentool zur Textzusammenfassung verwenden.
• Textzusammenfassungscode mithilfe der Python-Bibliotheken entwerfen und erstellen.
• Drei Python-Zusammenfassungsbibliotheken bewerten: sumy 0.7.0, pysummarization 1.0.4, readless 1.0.17

Zielgruppe

• Entwickler
• Datenwissenschaftler

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen