GPU-programmering met CUDA en Python Training Cursus

Deze live training onder leiding van een instructeur in België (online of op locatie) is bedoeld voor systeembeheerders en IT-professionals op beginnersniveau die CUDA-omgevingen willen installeren, configureren, beheren en problemen willen oplossen.

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

• Begrijp de architectuur, componenten en mogelijkheden van CUDA.
• Installeer en configureer CUDA-omgevingen.
• Beheer en optimaliseer CUDA-bronnen.
• Veelvoorkomende CUDA-problemen opsporen en oplossen.

Deze door een instructeur geleide, live training in België (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 België (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.

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 België (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.

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.

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.

Deze live training onder leiding van een instructeur in België (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.

In deze door een instructeur geleide live training in België, leren deelnemers hoe ze Python kunnen gebruiken om hoogwaardige natuurlijke taaltekst te produceren door hun eigen NLG-systeem van de grond af op te bouwen. Ook zullen er casestudies worden onderzocht en de relevante concepten worden toegepast op live-labprojecten voor het genereren van inhoud.

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

• NLG te gebruiken voor het automatisch genereren van inhoud voor verschillende industrieën, van journalisme tot vastgoed, weerberichten en sportverslaggeving.
• Broninhoud te selecteren en te organiseren, zinnen te plannen en een systeem voor te bereiden voor de automatische generatie van originele inhoud.
• De NLG-pipeline te begrijpen en de juiste technieken op elk stadium toe te passen.
• De architectuur van een Natural Language Generation (NLG) systeem te begrijpen.
• De meest geschikte algoritmes en modellen voor analyse en ordening te implementeren.
• Gegevens te verzamelen uit openbaar beschikbare databronnen evenals gecureerde databases om te gebruiken als materiaal voor gegenereerde tekst.
• Handmatige en arbeidsintensieve schrijfprocessen te vervangen door computergegenerede, geautomatiseerde inhoudscreatie.

In deze door een instructeur geleide, live training in België, leren de deelnemers de meest actuele en geavanceerde machine learning technieken in Python kennen terwijl ze een serie demo-applicaties bouwen met betrekking tot afbeeldingen, muziek, tekst en financiële gegevens.

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

• Machine learning-algoritmen en technieken te implementeren voor het oplossen van complexe problemen.
• Diepleer- en semi-supervised leermethodes toe te passen op applicaties die betrekking hebben op afbeeldingen, muziek, tekst en financiële gegevens.
• Python-algoritmen tot hun maximale potentieel te benutten.
• Bibliotheken en pakketten zoals NumPy en Theano te gebruiken.

Dit cursusgeleide, live training in België is gebaseerd op het populaire boek "Automate the Boring Stuff with Python" van Al Sweigart. Het is gericht op beginners en dekt essentiële Python-programmeerconcepten aan door praktische, handson exercises en besprekingen. De focus ligt op het leren om code te schrijven om kantoorproductiviteit drastisch te verhogen.

Na afloop van deze training zullen de deelnemers weten hoe ze in Python kunnen programmeren en deze nieuwe vaardigheid kunnen inzetten voor:

• Taken automatiseren door eenvoudige Python-programma's te schrijven.
• Programma's schrijven die tekstpatronen herkennen met 'regular expressions'.
• Programmatiek Excel-spreadsheets genereren en bijwerken.
• PDFs en Word-documenten parseren.
• Websites crawlen en informatie uit online bronnen halen.
• Programma's schrijven die e-mailnotificaties versturen.
• Python's foutopsporingsgereedschappen gebruiken om snel bugs op te lossen.
• Programmatiek de muis en het toetsenbord besturen om namens je te klikken en typen.

Python is een programmeertaal die enorm veel populariteit heeft gekregen in de financiële sector. Geadopteerd door de grootste beleggingsbanken en hedgefondsen wordt het gebruikt om een breed scala aan financiële toepassingen te bouwen, van kernhandelsprogramma's tot risicomanagementsystemen.

Tijdens deze instructiegeleide live training zullen deelnemers leren hoe ze Python kunnen gebruiken om praktische toepassingen te ontwikkelen voor het oplossen van een aantal specifieke financiële problemen.

Na afloop van deze training zullen deelnemers in staat zijn:

• Het basisprincipe van de Python-programmeertaal begrijpen
• De beste ontwikkeltools downloaden, installeren en onderhouden voor het creëren van financiële toepassingen in Python
• De meest geschikte Python-pakketten en -programmeertechnieken selecteren en gebruiken om financiële gegevens uit verschillende bronnen (CSV, Excel, databases, web, etc.) te organiseren, visualiseren en analyseren
• Toepassingen bouwen die problemen oplossen gerelateerd aan asset allocatie, risicoanalyse, investeringsprestaties en meer
• Een Python-toepassing troubleshooten, integreren, implementeren en optimaliseren

Doelgroep

• Ontwikkelaars
• Analytici
• Quants

Cursusopzet

• Gedeeltelijk lezing, gedeeltelijk discussie, oefeningen en veel praktijkervaring

Noot

• Deze training strekt zich uit over oplossingen voor sommige van de belangrijkste problemen waarmee financiële professionals worden geconfronteerd. Als u een bepaald onderwerp, hulpmiddel of techniek wilt toevoegen of verder uitwerken, neem dan contact met ons op om dit te regelen.

Dit instructeurgeleide, live-training in België (online of ter plaatse) is gericht op ontwikkelaars die geavanceerde Python-programmeertechnieken willen leren, inclusief hoe ze deze veelzijdige taal kunnen gebruiken om problemen in gebieden zoals gedistribueerde toepassingen, gegevensanalyse en visualisatie, UI-programmering en onderhoudsscripting op te lossen.

Deze cursus is bedoeld voor mensen die de programmeertaal Python willen leren. De nadruk ligt op de Python-taal, de kernbibliotheken en de selectie van de beste en meest nuttige bibliotheken die door de Python-community zijn ontwikkeld. Python drijft bedrijven en wordt overal ter wereld door wetenschappers gebruikt – het is een van de populairste programmeertalen.

De cursus kan worden gegeven met behulp van de laatste versie van Python 3.x met praktische oefeningen die de volledige kracht benutten. Deze cursus kan worden gegeven op elk besturingssysteem (alle smaakvariëteiten van UNIX, inclusief Linux en Mac OS X, en ook Microsoft Windows).

De praktische oefeningen nemen ongeveer 70% van de cursustijd in beslag, en ongeveer 30% zijn demonstraties en presentaties. Er kunnen discussies en vragen gesteld worden gedurende de gehele cursus.

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

Selenium is een open-source framework voor het automatiseren van het testen van webapplicaties op verschillende browsers. Met Selenium 4 zijn verbeterde WebDriver API's, ingebouwde relatieve locators en verbeterde grid-ondersteuning beschikbaar. Python biedt eenvoud en sterke integratie met testframeworks zoals Pytest, waardoor het een krachtige keuze is voor het ontwikkelen van schaalbare en onderhoudbare testautomatisatiesuites.

Deze door een instructeur geleide, live training (online of ter plaatse) is gericht op beginners tot gevorderde testers en ontwikkelaars die Selenium met Python willen gebruiken om webapplicaties in echte omgevingen te automatiseren.

Na deze training kunnen de deelnemers:

• Selenium met Python installeren en configureren in een testomgeving.
• Robuuste testautomatisatiescripts maken met Selenium WebDriver en Pytest.
• Het Page Object Model (POM) toepassen voor onderhoudbare testframeworks.
• Tests uitvoeren op meerdere browsers met behulp van Selenium Grid.
• Geautomatiseerde tests integreren met CI/CD-pijplijnen.
• Veelvoorkomende problemen oplossen en beste praktijken toepassen voor automatiseringsstabiliteit.

Formaat van de cursus

• Interactieve lezingen en discussies.
• Veel oefeningen en praktijkopdrachten.
• Handson implementatie in een live-labomgeving.

Opties voor cursusanpassing

• Neem contact met ons op om een aangepaste training voor deze cursus aan te vragen.