Python in Data Science Training Cursus

Dit is een introductiecursus van 5 dagen naar Data Science en Kunstmatige Intelligentie (AI).

De cursus wordt aangeboden met voorbeelden en oefeningen in Python

Deze door een instructeur gegeven, live training (online of op locatie) is gericht op deelnemers op intermediair niveau die machine learning workflows willen automatiseren en beheren, inclusief model training, validatie en implementatie met behulp van Apache Airflow.

Na afloop van deze training zullen de deelnemers in staat zijn om:

• Apache Airflow in te stellen voor het orchestreren van machine learning workflows.
• Data preprocessing, model training en validatietaken te automatiseren.
• Airflow te integreren met machine learning frameworks en tools.
• Machine learning modellen te implementeren met behulp van geautomatiseerde pipelines.
• Machine learning workflows in productie te monitoren en te optimaliseren.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers die het Anaconda-ecosysteem willen gebruiken om pakketten en workflows voor gegevensanalyse vast te leggen, te beheren en te implementeren in één enkel platform.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Anaconda componenten en bibliotheken.
• Begrijp de kernconcepten, kenmerken en voordelen van Anaconda.
• Beheer pakketten, omgevingen en kanalen met behulp van Anaconda Navigator.
• Gebruik Conda-, R- en Python-pakketten voor datawetenschap en machine learning.
• Maak kennis met enkele praktische use cases en technieken voor het beheren van meerdere data-omgevingen.

Deze door een docent begeleide, live training (online of op locatie) is gericht op datawetenschappers en analisten op intermiddelair niveau die AWS Cloud9 willen gebruiken voor gestroomlijnde data science workflows.

Aan het einde van deze training kunnen de deelnemers:

• Een data science omgeving instellen in AWS Cloud9.
• Data-analyse uitvoeren met Python, R en Jupyter Notebook in Cloud9.
• AWS Cloud9 integreren met AWS data-services zoals S3, RDS en Redshift.
• AWS Cloud9 gebruiken voor de ontwikkeling en implementatie van machine learning-modellen.
• Cloudgebaseerde workflows optimaliseren voor data-analyse en -verwerking.

Deze instructeur-leden, live training in Nederland (online of ter plaatse) is gericht op beginneling-datawetenschappers en IT-professionals die de basisprincipes van data science willen leren met behulp van Google Colab.

Aan het einde van deze training zullen de deelnemers in staat zijn:

• Google Colab op te stellen en te navigeren.
• Basis Python code te schrijven en uit te voeren.
• Datasets in te lezen en te verwerken.
• Visualisaties te maken met behulp van Python-bibliotheken.

Deze door een instructeur geleide, live training in Nederland (online of ter plaatse) is gericht op data wetenschappers en software ingenieurs die Dask met de Python-ecosysteem willen gebruiken om grote datasets te bouwen, schalen en analyseren.

Na afloop van deze training zullen de deelnemers in staat zijn:

• Het omgeving opzetten om big data verwerking met Dask en Python te starten.
• De functionaliteiten, bibliotheken, tools en API's die beschikbaar zijn in Dask verkennen.
• Inzicht krijgen hoe Dask parallellerekeningen in Python versnelt.
• Leren hoe je de Python-ecosysteem (Numpy, SciPy en Pandas) met Dask schaalt.
• De Dask-omgeving optimaliseren om een hoge prestatie te behouden bij het verwerken van grote datasets.

Deze door een instructeur geleide live training in Nederland (online of op locatie) is gericht op ontwikkelaars en data-analisten op intermediair niveau die hun vaardigheden in data-analyse en manipulatie met behulp van Pandas en NumPy willen verbeteren.

Na afloop van deze training kunnen de deelnemers:

• Een ontwikkelomgeving instellen die Python, Pandas en NumPy omvat.
• Een data-analyseapplicatie maken met behulp van Pandas en NumPy.
• Geavanceerde data-wrangling-, sorterings- en filteroperaties uitvoeren.
• Aggregaatoperaties uitvoeren en tijdreeksdata analyseren.
• Data visualiseren met Matplotlib en andere visualisatiebibliotheken.
• Hun data-analysecode debuggen en optimaliseren.

Deelnemers die deze training voltooien zullen een praktisch, realistisch inzicht krijgen in Data Science en de daarbij horende technologieën, methodieken en tools.

De deelnemers krijgen de mogelijkheid om dit kennis op te doen door middel van praktijkopdrachten. Groepsinteracties en instructeurfeedback vormen een belangrijk onderdeel van de cursus.

Het programma begint met een inleiding tot de basisconcepten van Data Science, waarna het verder gaat naar de tools en methodieken die worden gebruikt in Data Science.

Doelgroep

• Ontwikkelaars
• Technische analisten
• IT-adviseurs

Cursusopzet

• Deel theorie, deel discussie, oefeningen en veel praktijkwerk

Opmerking

• Voor een op maat gemaakte training voor deze cursus, neem contact met ons op om de details te regelen.

Big data zijn datasets die zo omvangrijk en complex zijn dat traditionele applicatiesoftware voor gegevensverwerking onvoldoende is om hiermee om te gaan. Big data-uitdagingen zijn onder meer het vastleggen van gegevens, gegevensopslag, gegevensanalyse, zoeken, delen, overdragen, visualiseren, opvragen, bijwerken en informatieprivacy.

Deze instructeurgeleide, live-training (online of op locatie) is gericht op ontwikkelaars die de FARM (FastAPI, React en MongoDB)-stack willen gebruiken om dynamische, hoge-prestatie en schaalbare webtoepassingen te bouwen.

Na afloop van deze training kunnen de deelnemers:

• Het noodzakelijke ontwikkelomgeving inrichten dat FastAPI, React en MongoDB integreert.
• De belangrijkste concepten, functies en voordelen van de FARM-stack begrijpen.
• Leren hoe je REST APIs kunt bouwen met FastAPI.
• Leren hoe je interactieve toepassingen kunt ontwerpen met React.
• Toepassingen (front-end en back-end) ontwikkelen, testen en implementeren met de FARM-stack.

Dit door de instructeur geleide live-training in Nederland (online of on-site) is gericht op ontwikkelaars die FastAPI willen gebruiken met Python om RESTful API's sneller en gemakkelijker te bouwen, testen en implementeren.

Na het volgen van deze training zullen de deelnemers in staat zijn:

• Het benodigde ontwikkelomgeving op te zetten om API's met Python en FastAPI te ontwikkelen.
• API's sneller en gemakkelijker te creëren met behulp van de FastAPI-bibliotheek.
• Te leren hoe je data-modellen en schema's kunt maken op basis van Pydantic en OpenAPI.
• API's aan een database te koppelen met SQLAlchemy.
• Veiligheid en authenticatie in API's te implementeren met de FastAPI-hulpmiddelen.
• Container-afbeeldingen te bouwen en web-API's naar een cloud-server te implementeren.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers en -ontwikkelaars die willen leren en hun carrière willen opbouwen in Data Science met behulp van Kaggle.

Aan het einde van deze training zijn de deelnemers in staat om:

• Meer informatie over datawetenschap en machine learning.
• Verken data-analyse.
• Lees meer over Kaggle en hoe het werkt.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers en -ontwikkelaars die Modin willen gebruiken om parallelle berekeningen te bouwen en te implementeren met Pandas voor snellere data-analyse.

Aan het einde van deze training zijn de deelnemers in staat om:

• Zet de benodigde omgeving op om te beginnen met het ontwikkelen van Pandas workflows op schaal met Modin.
• Begrijp de functies, architectuur en voordelen van Modin.
• Ken de verschillen tussen Modin, Dask en Ray.
• Voer Pandas bewerkingen sneller uit met Modin.
• Implementeer de volledige Pandas API en functies.

Deze door een instructeur geleide, live training (online of ter plaatse) is bedoeld voor datawetenschappers en ontwikkelaars die RAPIDS willen gebruiken om GPU-geaccelereerde datapijplijnen, workflows en visualisaties te bouwen en machine learning algoritmen zoals XGBoost, cuML, enz. toe te passen.

Aan het einde van deze training kunnen de deelnemers:

• De noodzakelijke ontwikkelomgeving inrichten om datamodellen te bouwen met NVIDIA RAPIDS.
• De functies, componenten en voordelen van RAPIDS begrijpen.
• GPUs benutten om end-to-end data- en analytische pijplijnen te versnellen.
• GPU-geaccelereerde datapreparatie en ETL implementeren met cuDF en Apache Arrow.
• Leren hoe machine learning taken uit te voeren met XGBoost en cuML algoritmen.
• Datavisualisaties bouwen en grafische analyse uitvoeren met cuXfilter en cuGraph.