Introduction to Data Science and AI using Python Training Course

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν το οικοσύστημα Anaconda για να συλλάβουν, να διαχειριστούν και να αναπτύξουν πακέτα και ροές εργασίας ανάλυσης δεδομένων σε μια ενιαία πλατφόρμα.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε στοιχεία και βιβλιοθήκες Anaconda.
• Κατανοήστε τις βασικές έννοιες, τα χαρακτηριστικά και τα οφέλη του Anaconda.
• Διαχειριστείτε πακέτα, περιβάλλοντα και κανάλια χρησιμοποιώντας το Anaconda Navigator.
• Χρησιμοποιήστε πακέτα Conda, R και Python για επιστήμη δεδομένων και μηχανική εκμάθηση.
• Γνωρίστε ορισμένες περιπτώσεις πρακτικής χρήσης και τεχνικές για τη διαχείριση πολλαπλών περιβαλλόντων δεδομένων.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και μηχανικούς λογισμικού που επιθυμούν να χρησιμοποιήσουν το Dask με το οικοσύστημα Python για να δημιουργήσουν, να κλιμακώσουν και να αναλύσουν μεγάλα σύνολα δεδομένων.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Ρυθμίστε το περιβάλλον για να ξεκινήσετε τη δημιουργία επεξεργασίας μεγάλων δεδομένων με το Dask και την Python.
• Εξερευνήστε τις δυνατότητες, τις βιβλιοθήκες, τα εργαλεία και τα API που είναι διαθέσιμα στο Dask.
• Κατανοήστε πώς το Dask επιταχύνει τον παράλληλο υπολογισμό στην Python.
• Μάθετε πώς να κλιμακώνετε το οικοσύστημα της Python (Numpy, SciPy και Pandas) χρησιμοποιώντας το Dask.
• Βελτιστοποιήστε το περιβάλλον Dask για να διατηρήσετε υψηλή απόδοση στο χειρισμό μεγάλων συνόλων δεδομένων.

This instructor-led, live training in Ελλάδα (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.

Σε αυτή τη ζωντανή εκπαίδευση στο Ελλάδα από εκπαιδευτές, οι συμμετέχοντες θα μάθουν πώς να δημιουργούν μια εφαρμογή blockchain έξυπνης σύμβασης με το Monax.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Αναπτύξτε και αναπτύξτε μια κατανεμημένη εφαρμογή χρησιμοποιώντας τεχνολογία blockchain και έξυπνων συμβολαίων.
• Κατανοήστε τη σχεδίαση και τη λειτουργικότητα των «έξυπνων συμβάσεων» και πώς να τα δημιουργήσετε.
• Εφαρμόστε βέλτιστες πρακτικές για ασφαλή ανάπτυξη εφαρμογών blockchain.
• Αξιοποιήστε τα εργαλεία Monax για να βελτιστοποιήσετε την ανάπτυξη κατανεμημένων εφαρμογών.

Αυτή η ζωντανή εκπαίδευση μέσω εκπαιδευτών (διαδικτυακή ή επιτόπου) απευθύνεται σε προγραμματιστές που επιθυμούν να χρησιμοποιήσουν τη στοίβα FARM (FastAPI, React και MongoDB) για να δημιουργήσουν δυναμικές, υψηλής απόδοσης και επεκτάσιμες εφαρμογές ιστού.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

Ρυθμίστε το απαραίτητο περιβάλλον ανάπτυξης που ενσωματώνει το FastAPI, React και το MongoDB. Κατανοήστε τις βασικές έννοιες, τα χαρακτηριστικά και τα οφέλη της στοίβας FARM. Μάθετε πώς να δημιουργείτε REST API με το FastAPI. Μάθετε πώς να σχεδιάζετε διαδραστικές εφαρμογές με το React. Αναπτύξτε, δοκιμάστε και αναπτύξτε εφαρμογές (μπροστινό και πίσω άκρο) χρησιμοποιώντας τη στοίβα FARM.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το FastAPI με Python για να δημιουργήσουν, να δοκιμάσουν και να αναπτύξουν RESTful API ευκολότερα και πιο γρήγορα.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να εγκαταστήσουν το απαραίτητο περιβάλλον ανάπτυξης για την ανάπτυξη APIs με Python και FastAPI.
• Να δημιουργούν APIs πιο γρήγορα και εύκολα χρησιμοποιώντας τη βιβλιοθήκη FastAPI.
• Να μάθουν πώς να δημιουργούν μοντέλα δεδομένων και σχήματα βασισμένα στα Pydantic και OpenAPI.
• Να συνδέσουν APIs σε μια βάση δεδομένων χρησιμοποιώντας το SQLAlchemy.
• Να εφαρμόσουν ασφάλεια και αυθεντικοποίηση σε APIs χρησιμοποιώντας τα εργαλεία FastAPI.
• Να δημιουργήσουν εικόνες container και να αναπτύξουν web APIs σε έναν cloud server.

Αυτό το πρακτικό μάθημα απευθύνεται στους προγραμματιστές της Python που θέλουν να δημιουργήσουν και να διατηρήσουν τις πρώτες εφαρμογές τους στο διαδίκτυο. Απευθύνεται επίσης σε άτομα που ήδη γνωρίζουν άλλα πλαίσια ιστού, όπως το Django ή το Web2py , και θέλουν να μάθουν πώς η χρήση ενός microframework (δηλαδή ενός πλαισίου που Web2py συλλογές τρίτων μερών αντί να παρέχει μια αυτόνομη παγκόσμια λύση) αλλάζει η διαδικασία.

Σημαντικό μέρος του μαθήματος αφιερώνεται όχι μόνο στο Flask (είναι μικροσκοπικό), αλλά σε βιβλιοθήκες και εργαλεία τρίτων που χρησιμοποιούνται συχνά σε έργα Flask.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε προγραμματιστές που επιθυμούν να χρησιμοποιήσουν τις προηγμένες δυνατότητες του Flask για να δημιουργήσουν επεκτάσιμες εφαρμογές Ιστού πάνω από το MongoDB.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Ρυθμίστε το απαραίτητο περιβάλλον ανάπτυξης για να ξεκινήσετε την ανάπτυξη διαδικτυακών εφαρμογών με το Flask.
• Γνωρίστε τις προηγμένες έννοιες και τεχνικές για έργα Flask πραγματικού κόσμου.
• Δημιουργήστε έναν διακομιστή RESTful API πάνω από το MongoDB.
• Μάθετε πώς να τοποθετείτε κοντέινερ, να δοκιμάζετε και να αναπτύσσετε μικροϋπηρεσίες με το Flask, το Docker και το Amazon EC2.
• Αποκτήστε μερικές πληροφορίες σχετικά με τις προηγμένες ενσωματώσεις Flask για την κλιμάκωση εφαρμογών ιστού.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που επιθυμούν να μάθουν και να χτίσουν τη σταδιοδρομία τους στο Data Science χρησιμοποιώντας το Kaggle.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Μάθετε για την επιστήμη των δεδομένων και τη μηχανική μάθηση.
• Εξερευνήστε την ανάλυση δεδομένων.
• Μάθετε για το Kaggle και πώς λειτουργεί.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το Modin για να δημιουργήσουν και να εφαρμόσουν παράλληλους υπολογισμούς με το Pandas για ταχύτερη ανάλυση δεδομένων.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Ρυθμίστε το απαραίτητο περιβάλλον για να ξεκινήσετε την ανάπτυξη Pandas ροών εργασίας σε κλίμακα με Modin.
• Κατανοήστε τα χαρακτηριστικά, την αρχιτεκτονική και τα πλεονεκτήματα του Modin.
• Γνωρίστε τις διαφορές μεταξύ Modin, Dask και Ray.
• Εκτελέστε τις λειτουργίες Pandas πιο γρήγορα με το Modin.
• Εφαρμόστε ολόκληρο το Pandas API και τις λειτουργίες.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το PyGame για να δημιουργήσουν και να δημιουργήσουν παιχνίδια χρησιμοποιώντας προγραμματισμό Python.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Ρυθμίστε το απαραίτητο περιβάλλον ανάπτυξης για να ξεκινήσετε τη δημιουργία εφαρμογών παιχνιδιών με τα PyGame και Python.
• Μάθετε πώς να δημιουργείτε διαδραστικές PyGame εφαρμογές ενσωματωμένες με κινούμενα σχέδια και λειτουργίες πολυμέσων.
• Εκτελέστε και δοκιμάστε προγράμματα παιχνιδιών με τη δοκιμαστική σουίτα PyGame και μετατρέψτε τα σε εκτελέσιμα αρχεία.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το RAPIDS για να δημιουργήσουν επιταχυνόμενες αγωγούς δεδομένων, ροές εργασίας και οπτικοποιήσεις, εφαρμόζοντας αλγόριθμους μηχανικής μάθησης, όπως XGBoost, cuML κ.λπ.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Ρυθμίστε το απαραίτητο περιβάλλον ανάπτυξης για τη δημιουργία μοντέλων δεδομένων με τη NVIDIA RAPIDS.
• Κατανοήστε τα χαρακτηριστικά, τα στοιχεία και τα πλεονεκτήματα του RAPIDS.
• Αξιοποιήστε GPU για να επιταχύνετε αγωγούς δεδομένων και αναλυτικών στοιχείων από άκρο σε άκρο.
• Εφαρμόστε GPU-επιταχυνόμενη προετοιμασία δεδομένων και ETL με cuDF και Apache Arrow.
• Μάθετε πώς να εκτελείτε εργασίες μηχανικής εκμάθησης με αλγόριθμους XGBoost και cuML.
• Δημιουργήστε οπτικοποιήσεις δεδομένων και εκτελέστε ανάλυση γραφημάτων με το cuXfilter και το cuGraph.

Αυτή η εκπαίδευση με καθοδηγητή, είτε διαδικτυακή είτε δια ζώσης, απευθύνεται σε backend developers που επιθυμούν να δημιουργήσουν REST APIs με Python και Flask.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να υλοποιήσουν ένα REST API που θα επιτρέπει σε μια Flask web εφαρμογή να διαβάζει και να γράφει σε μια βάση δεδομένων στο backend.
• Να αναπτύξουν προηγμένα χαρακτηριστικά αυθεντικοποίησης, όπως τα refresh tokens.
• Να δημιουργήσουν ένα επαναχρησιμοποιήσιμο backend για μελλοντικά Python projects.
• Να απλοποιήσουν την αποθήκευση δεδομένων με το SQLAlchemy.
• Να αναπτύξουν REST APIs σε έναν cloud based server.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το SciPy για να δημιουργήσουν προηγμένες επιστημονικές συναρτήσεις υπολογιστών με την Python.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να εγκαταστήσουν το απαραίτητο περιβάλλον ανάπτυξης για να ξεκινήσουν τη δημιουργία επιστημονικών συναρτήσεων υπολογιστών.
• Να αξιοποιήσουν πλήρως τις δυνατότητες του SciPy μέσω πρακτικών παραδειγμάτων σύνθετων λειτουργιών.
• Να υλοποιήσουν και να βελτιστοποιήσουν μαθηματικούς αλγορίθμους και συναρτήσεις για την επίλυση επιστημονικών προβλημάτων.
• Να σχεδιάσουν δομές δεδομένων και μεθόδους παρεμβολής για οπτικοποίηση, επεξεργασία και ανάλυση.