Build REST APIs with Python and Flask Training Cursus

Deze praktische cursus is bedoeld voor Python ontwikkelaars die hun eerste webapplicaties willen maken en onderhouden. Het is ook bedoeld voor mensen die al bekend zijn met andere Web2py , zoals Django of Web2py , en willen leren hoe het gebruik van een microframework (dat wil zeggen een framework dat bibliotheken van derden aan elkaar plakt in plaats van een zelfstandige universele oplossing te bieden) verandert het proces.

Een aanzienlijk deel van de cursus is niet gewijd aan Flask zelf (het is klein), maar aan bibliotheken en tools van derden die vaak worden gebruikt in Flask-projecten.

Deze door een instructeur geleide, live training in België (op locatie of op afstand) is gericht op ontwikkelaars die de geavanceerde functies van Flask willen gebruiken om schaalbare webapplicaties te bouwen bovenop MongoDB.

Aan het einde van deze training kunnen deelnemers:

• Zet de benodigde ontwikkelomgeving op om te beginnen met het ontwikkelen van webapplicaties met Flask.
• Maak kennis met de geavanceerde concepten en technieken voor echte Flask-projecten.
• Bouw een RESTful API-server bovenop MongoDB.
• Leer hoe u microservices kunt containeriseren, testen en implementeren met Flask, Docker en Amazon EC2.
• Krijg inzicht in de geavanceerde Flask-integraties voor het schalen van webapplicaties.

Deze cursus is bedoeld voor diegenen die de programmeertaal Python willen leren. De nadruk ligt op de Python taal, de kernbibliotheken, evenals op de selectie van de beste en meest bruikbare bibliotheken die zijn ontwikkeld door de Python gemeenschap. Python stuurt bedrijven aan en wordt wereldwijd door wetenschappers gebruikt - het is een van de meest populaire programmeertalen.

De cursus kan worden gegeven met behulp van Python 2.7.x of 3.x, met praktische oefeningen waarbij gebruik wordt gemaakt van de volledige kracht van beide versies van de taal. Deze cursus kan op elk besturingssysteem worden gegeven (alle smaken van UNIX, inclusief Linux en Mac OS X, evenals Microsoft Windows).

De praktische oefeningen vormen ongeveer 70% van de tijd, en ongeveer 30% zijn demonstraties en presentaties. Discussies en vragen kunnen tijdens de cursus worden gesteld.

Opmerking: de training kan op voorafgaand verzoek vóór de voorgestelde cursusdatum worden aangepast aan specifieke behoeften.

Dit is een praktische cursus die laat zien waarom programmeren een krachtig hulpmiddel is in de context van het oplossen van biologische problemen. Tijdens de cursus krijgen de deelnemers de programmeertaal Python , een taal die zowel krachtig als gemakkelijk te gebruiken is. Deze cursus kan worden beschouwd als een demonstratie hoe bioinformatica het leven van biologen verbetert.

De cursus is ontworpen en bedoeld voor mensen zonder computerwetenschappelijke achtergrond die willen leren programmeren.

Deze cursus is geschikt voor:

• Onderzoekers die omgaan met biologische gegevens.
• Wetenschappers die graag willen leren hoe ze dagelijkse taken kunnen automatiseren en gegevens kunnen analyseren.
• Managers die willen leren hoe programmeren de workflow verbetert en projecten uitvoert.

Aan het einde van de cursus kunnen deelnemers korte programma's schrijven, waarmee ze biologische gegevens kunnen manipuleren, analyseren en verwerken en de resultaten in een grafisch formaat kunnen presenteren.

Het doel van deze cursus is om een basiskennis te bieden in het toepassen van Machine Learning methoden in de praktijk. Door het gebruik van de Python programmeringstaal en de verschillende bibliotheken, en gebaseerd op een groot aantal praktische voorbeelden, leert deze cursus hoe de belangrijkste bouwblokken van Machine Learning te gebruiken, hoe data-modelingbeslissingen te nemen, de uitkomsten van de algoritmen te interpreteren en de resultaten te valideren.

Ons doel is om u de vaardigheden te geven om de meest fundamentele hulpmiddelen van de Machine Learning toolbox vertrouwelijk te begrijpen en te gebruiken en de gemeenschappelijke pitfalls van de Data Science-toepassingen te voorkomen.

Deze cursus introduceert taalkundigen of programmeren in NLP in Python. Tijdens deze cursus zullen we voornamelijk nltk.org (Natural Language Tool Kit) gebruiken, maar we zullen ook andere bibliotheken gebruiken die relevant en nuttig zijn voor NLP. Op dit moment kunnen we deze cursus uitvoeren in Python 2.x of Python 3.x. Voorbeelden zijn in het Engels of Mandarijn (普通话). Andere talen kunnen ook beschikbaar worden gesteld indien overeengekomen vóór de reservering.

Deze door een instructeur geleide, live training begint met een bespreking van BDD en hoe het Behave raamwerk kan worden gebruikt om BDD-testen voor webapplicaties uit te voeren. Deelnemers krijgen voldoende gelegenheid om te communiceren met de instructeur en collega's, terwijl ze de concepten en tactieken implementeren die ze in deze praktische, praktijkgerichte laboratoriumomgeving hebben geleerd.

Aan het einde van deze training zullen de deelnemers een goed begrip hebben van BDD en Behave, evenals de noodzakelijke praktijk om deze technieken en hulpmiddelen in praktijktestscenario's te implementeren.

In deze door een instructeur geleide, live training in België combineren deelnemers de kracht van Python met Selenium om het testen van een voorbeeldwebapplicatie te automatiseren. Door theorie te combineren met praktijk in een live labomgeving, verwerven deelnemers de kennis en praktijk die nodig is om hun eigen webtestprojecten te automatiseren met behulp van Python en Selenium.

In deze door een instructeur geleide, live training leren deelnemers geavanceerde Python programmeertechnieken, inclusief hoe ze deze veelzijdige taal kunnen toepassen om problemen op te lossen op gebieden zoals gedistribueerde applicaties, data-analyse en visualisatie, UI-programmering en onderhoudsscripts. .

Deze live training onder leiding van een instructeur in België is gebaseerd op het populaire boek "Automate the Boring Stuff with Python", door Al Sweigart. Het is gericht op beginners en behandelt essentiële Python programmeerconcepten door middel van praktische, praktijkgerichte oefeningen en discussies. De nadruk ligt op het leren schrijven van code om de kantoorproductiviteit dramatisch te verhogen.

Aan het einde van deze training weten de deelnemers hoe ze in Python moeten programmeren en deze nieuwe vaardigheid kunnen toepassen voor:

• Taken automatiseren door eenvoudige Python-programma's te schrijven.
• Programma's schrijven die tekstpatroonherkenning kunnen uitvoeren met "reguliere expressies".
• Het programmatisch genereren en bijwerken van Excel-spreadsheets.
• PDF's en Word documenten parseren.
• Websites crawlen en informatie uit online bronnen halen.
• Programma's schrijven die e-mailmeldingen verzenden.
• Gebruik de foutopsporingstools van Python om bugs snel op te lossen.
• Programmatisch de muis en het toetsenbord besturen om voor u te klikken en te typen.

het doel van deze cursus is het verstrekken van algemene bekwaamheid in de toepassing van machine leermethoden in de praktijk. Door het gebruik van de python programmeertaal en de verschillende bibliotheken, en gebaseerd op een veelheid van praktische voorbeelden van deze cursus leert hoe de belangrijkste bouwstenen van de machine leren gebruiken, hoe je data modellering beslissingen te maken, interpreteren van de uitgangen van de algoritmen en valideren van de resultaten.

ons doel is om u de vaardigheden om te begrijpen en gebruik maken van de meest fundamentele instrumenten van de machine leren Toolbox vol vertrouwen en Vermijd de gemeenschappelijke valkuilen van data Sciences toepassingen.

In deze door een instructeur geleide, live training leren deelnemers de meest relevante en geavanceerde machine learning-technieken in Python terwijl ze een reeks demo-applicaties bouwen met beeld-, muziek-, tekst- en financiële gegevens.

Aan het einde van deze training kunnen deelnemers:

• Implementeer machine learning-algoritmen en -technieken voor het oplossen van complexe problemen.
• Pas deep learning en semi-supervised learning toe op toepassingen met beeld-, muziek-, tekst- en financiële gegevens.
• Duw Python-algoritmen naar hun maximale potentieel.
• Gebruik bibliotheken en pakketten zoals NumPy en Theano.

Natuurlijke taalgeneratie (NLG) verwijst naar de productie van natuurlijke taaltekst of spraak door een computer In deze live training met instructeur leren deelnemers hoe ze Python kunnen gebruiken om hoogwaardige natuurlijke taaltekst te maken door zelf vanuit het niets een eigen NLG-systeem te bouwen Case studies zullen ook worden onderzocht en de relevante concepten zullen worden toegepast op live lab-projecten voor het genereren van inhoud Aan het einde van deze training kunnen deelnemers: Gebruik NLG om automatisch inhoud te genereren voor verschillende industrieën, van journalistiek tot onroerend goed, tot weer- en sportrapportage Selecteer en organiseer broninhoud, plan zinnen en bereid een systeem voor op het automatisch genereren van originele inhoud Begrijp de NLG-pijplijn en pas de juiste technieken toe in elke fase Begrijp de architectuur van een Natural Language Generation (NLG) -systeem Implementeer de meest geschikte algoritmen en modellen voor analyse en bestelling Trek gegevens uit openbaar beschikbare gegevensbronnen en samengestelde databases om te gebruiken als materiaal voor gegenereerde tekst Vervang handmatige en arbeidsintensieve schrijfprocessen door computergegenereerde, geautomatiseerde inhoudcreatie Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

In deze door een instructeur geleide, live training leren deelnemers hoe ze PyTest kunnen gebruiken om korte, onderhoudbare tests te schrijven die elegant, expressief en leesbaar zijn.

Aan het einde van deze training kunnen deelnemers:

• Schrijf leesbare en onderhoudbare tests zonder de noodzaak van standaardcode.
• Gebruik het armatuurmodel om kleine tests te schrijven.
• Schaal tests op tot complexe functionele tests voor applicaties, pakketten en bibliotheken.
• Begrijp en pas PyTest-functies toe, zoals hooks, assert rewriting en plug-ins.
• Verkort de testtijden door tests parallel en over meerdere processors uit te voeren.
• Voer tests uit in een continue integratieomgeving, samen met andere hulpprogramma's zoals tox, mock, dekking, unittest, doctest en Selenium.
• Gebruik Python om niet-Python-applicaties te testen.

Aan het einde van de training wordt van de afgevaardigden verwacht dat ze voldoende uitgerust zijn met de essentiële python-concepten en dat ze NLTK voldoende moeten kunnen gebruiken om de meeste op NLP en ML gebaseerde operaties te implementeren. De training is gericht op het geven van niet alleen een uitvoerende kennis, maar ook de logische en operationele kennis van de technologie daarin.