Szkolenia Python

To szkolenie to kompleksowe wprowadzenie do programowania w Pythonie, analizy danych i podstaw uczenia maszynowego od zera.

Uczestnicy nauczą się pracy w środowiskach Pycharm i Jupyter Notebook, poznają kluczowe elementy języka Python, takie jak zmienne, struktury danych, funkcje oraz obsługę plików i baz danych.

W części poświęconej analizie danych omówione zostaną techniki analizy, przetwarzania i wizualizacji danych z wykorzystaniem bibliotek takich jak Pandas, Matplotlib i Plotly.

Uczestnicy zdobędą również podstawową wiedzę o budowie modeli uczenia maszynowego, ucząc się ich trenowania, walidacji oraz interpretacji wyników za pomocą biblioteki scikit-learn.

Korzyści dla uczestników:

Po ukończeniu szkolenia uczestnik będzie potrafił:

1. Posługiwać się językiem Python na poziomie podstawowym i średnio zaawansowanym, tworząc projekty z użyciem Pycharm oraz Jupyter Notebook
2. Operować na podstawowych strukturach danych w Pythonie, takich jak listy, słowniki, krotki i zbiory, oraz wykorzystywać funkcje wbudowane do przetwarzania danych tekstowych i liczbowych.
3. Tworzyć, modyfikować i odczytywać dane z plików tekstowych, obsługiwać wyjątki oraz łączyć się z bazami danych
4. Analizować dane tabelaryczne z wykorzystaniem biblioteki Pandas, przeprowadzać operacje czyszczenia, przetwarzania, analizy, a także wizualizacji danych przy użyciu Matplotlib, Seaborn i Plotly.
5. Budować podstawowe modele uczenia maszynowego w Pythonie z wykorzystaniem biblioteki scikit-learn, stosując techniki regresji i klasyfikacji

Prowadzący szkolenie:
Mateusz Zimoch

Inżynier z silną wiedzą w dziedzinie informatyki, data science, robotyki i sztucznej inteligencji. Skuteczny lider zespołu z udokumentowanym doświadczeniem w realizacji innowacyjnych projektów. Zwycięzca konkursu US Navy na prototyp autonomicznego podwodnego drona. Założyciel dwóch startupów skupionych na rozwoju rozwiązań z zakresu wizji komputerowej opartej na sztucznej inteligencji oraz budowie autonomicznych pojazdów. Doświadczony trener i mentor, zarażający pasją do programowania i analizy danych.

Szkolenie dedykowane dla administratorów i devopsów. Zakres obejmuje podstawy języka Python oraz biblioteki i możliwości tego języka użyteczne dla tych odbiorców. Omawiane jest wykorzystanie różnych źródeł danych, korzystanie z własności systemu operacyjnego z użyciem języka Python, wizualizacja danych w tym:

• przetwarzanie plików tekstowych (w tym csv i logów)
• pobieranie i umieszczanie danych w bazach danych
• korzystanie z istniejących usług sieciowych
• tworzenie własnych usług sieciowych i mikroserwisów z użyciem Flask
• parsowanie stron internetowych
• wyszukiwanie danych z użyciem wyrażeń regularnych
• wizualizacja danych z użyciem Matplotlib
• wywoływanie komend systemu operacyjnego
• odbieranie parametrów z linii poleceń

Szkolenie skierowanie jest dla programistów oraz devOps-ów chcących poznać technologie rozwoju oprogramowania w języku Python, w oparciu o usługi AWS (Amazon Web Services). W trakcie kursu zbudujemy aplikacje zgodnie z AWS well-architected framework i wdrożymy ja w usługach chmurze AWS.

Po szkoleniu uczestnicy będą potrafili praktycznie wykorzystać usługi AWS w celach zintegrowania ich aplikacji, wdrażania aplikacji w AWS oraz dostarczania oprogramowania za pomocą usług w chmurze.

AWS (Amazon Web Services) to jedna z najbardziej popularnych i rozwiniętych technologicznie usług publicznych. Podczas szkolenia uczestnicy zapoznają się z usługami:

IAM (Identity and Access Management)

Usługa IAM to narzędzie do zarządzania użytkownikami, rolami i uprawnieniami w AWS. Dzięki IAM można definiować polityki dostępu do zasobów AWS, kontrolować kto i w jakim stopniu ma dostęp do danych oraz zasobów w chmurze, zapewniając bezpieczeństwo na poziomie aplikacji i użytkownika.

Amazon S3 (Simple Storage Service)

Amazon S3 to skalowalna usługa przechowywania obiektów w chmurze, która umożliwia bezpieczne przechowywanie dowolnych ilości danych, takich jak pliki, obrazy, filmy czy backupy.

AWS SDK (Software Development Kit) i CLI (Command Line Interface)

AWS SDK to zestaw narzędzi programistycznych, które pozwalają na integrację aplikacji z usługami AWS przy użyciu różnych języków programowania (w tym Python z biblioteką Boto3). CLI umożliwia bezpośrednią komunikację z usługami AWS z linii poleceń, automatyzując zadania zarządzania zasobami chmury.

RDS (Relational Database Service)

RDS to usługa zarządzanej bazy danych, która obsługuje różne silniki baz danych, takie jak MySQL, PostgreSQL czy Oracle. Zapewnia automatyczne tworzenie kopii zapasowych, monitorowanie oraz skalowanie, co pozwala na efektywne zarządzanie bazami danych bez potrzeby ręcznego utrzymywania serwera.

DynamoDB

DynamoDB to usługa NoSQL, która oferuje niskie opóźnienia i skalowalność dla przechowywania dużych ilości danych. Jest szczególnie użyteczna do aplikacji, które wymagają szybkiego dostępu do danych na dużą skalę. DynamoDB obsługuje również DynamoDB Streams, które umożliwiają śledzenie zmian w tabelach w czasie rzeczywistym.

Lambda (Servereless)

Lambda to usługa AWS, która pozwala na uruchamianie kodu bez potrzeby zarządzania serwerami. Umożliwia automatyczne skalowanie aplikacji, płacąc jedynie za czas rzeczywistego wykonania kodu. Lambda wspiera szeroki wachlarz zastosowań, takich jak przetwarzanie danych w czasie rzeczywistym, tworzenie API czy integracje z innymi usługami AWS.

SQS (Simple Queue Service) i SNS (Simple Notification Service)

SQS to usługa kolejkowania wiadomości, która umożliwia rozproszone aplikacje do wymiany danych między komponentami w sposób niezależny, zapewniając odporność na awarie. SNS to usługa wysyłania powiadomień w czasie rzeczywistym do subskrybentów, co jest przydatne np. w systemach powiadomień, alarmów czy złożonych aplikacjach o architekturze rozproszonej.

API Gateway

API Gateway pozwala na tworzenie i publikowanie API, które umożliwiają dostęp do aplikacji wdrożonych w AWS. Jest to usługa niezbędna dla wystawiania aplikacji na świat, a także do zarządzania ruchem i autoryzacją dostępu do zasobów.

CloudWatch i CloudTrail

CloudWatch to usługa monitorowania zasobów AWS, która zbiera dane metryczne i logi aplikacji w czasie rzeczywistym. CloudTrail natomiast rejestruje wszystkie operacje wykonywane w AWS, co pozwala na śledzenie aktywności i audytowanie działań na zasobach AWS.

X-Ray

AWS X-Ray to narzędzie do monitorowania i diagnozowania rozproszonych aplikacji. Pozwala śledzić żądania przechodzące przez różne komponenty aplikacji, analizować opóźnienia i identyfikować potencjalne problemy w wydajności.

CodeBuild, CodeDeploy i CodePipeline

Te usługi AWS umożliwiają budowanie, testowanie i wdrażanie aplikacji w sposób zautomatyzowany. CodeBuild buduje i testuje aplikacje, CodeDeploy automatyzuje proces wdrażania, a CodePipeline pozwala na konfigurację zautomatyzowanych przepływów pracy (CI/CD).

CloudFormation

CloudFormation to usługa, która umożliwia tworzenie i zarządzanie infrastrukturą AWS w sposób zautomatyzowany przy użyciu plików konfiguracyjnych (szablonów). Umożliwia to łatwe tworzenie, aktualizowanie i zarządzanie zasobami w chmurze AWS.

Prowadzący szkolenie:
Tomasz Duniec

DevOps Engineer z zamiłowaniem do części "Dev" wspomnianej roli. Pasjonat ideologii DevOps, ze szczególnym uwzględnieniem potoków dostarczania oprogramowania. Swoje doświadczenie opiera o dostarczanie skalowalnych usług mikroserwisowych oraz projekty wdrażanie w AWSie dla dużych klientów. W codziennej pracy jest zaangażowany na wielu poziomach cyklu dostarczania oprogramowania. Od wielu lat tworzy narzędzia dla deweloperów, które skracają cykl, ułatwiają prace i definiują standardy w zespołach.

Posiada doświadczenie w zarzadzaniu zespołami developerskimi. Absolwent Politechniki Warszawskiej, swoja karierę w IT zaczynał właśnie od szkoleń w JSystems, które pozwoliły mu nabrać wiatru w żagle i pomogły spełnić marzenia o karierze w IT. Dziś w JSystems jako trener zakresu AWS, który zachęci was do korzystania z chmury Amazona i pokaże, że nie jest to takie trudne i "kosztowne".

Certyfikowany inżynier z zakresu architektury, DevOps i Networkingu w AWS. Zwolennik "przemyślanego" podejścia zwinnego w prowadzeniu projektów. Charakteryzuje go podejście do wyzwan z "Can do attitude" i "Get Things Done". W swojej pracy najbardziej ceni możliwość rozwiazywania problemów biznesowych w oparciu o najnowsze technologie chmurowe. Zwolennik praktyki nad teorią. Ostatnio mocno zaangażowany w adaptacje możliwości jakie niesie ze sobą platforma Backstage.io.

Szkolenie przeznaczone jest dla programistów Pythona, którzy chcieli by rozszerzyć swoje umiejętności programistyczne.

W szkoleniu zawarte są najważniejsze i najczęściej wykorzystywane wzorce projektowe. Każdy wzorzec przedstawiany jest w sposób prosty i klarowny. Do każdego z wzorców, oprócz schematu i zasad wykorzystania, w trakcie szkolenia pokazywany jest przykład wykorzystania oraz zadawane jest ćwiczenie praktycznego jego wykorzystania.

Po szkoleniu uczestnik będzie umiał:

• Wybrać najlepszy sposób tworzenia obiektów
• Rozpoznawać kontekst w którym można zastosować dany wzorzec
• Rozwiązywać standardowe problemy architektoniczne w aplikacji

Wstęp do Deep Learning w interaktywnym środowisku jupyter notebook, używanym językiem w szkoleniu będzie język Python. Część pierwsza szkolenia skupia się na wprowadzeniu do świata Deep Learning od strony teoretycznej, skupieniu się na podstawowych narzędziach i technikach, by w części drugiej szkolenia używać narzędzi z pełną świadomością i wiedzą, dlaczego i jak się ich używa.
Wszelkie przykłady zostaną oparte na realnych case’ach i stanowią wstęp do części drugiej, w której ukazane techniki zostaną rozwinięte i uzupełnione zgodnie z najnowszymi trendami i stanem wiedzy. Zakładamy, że uczestnik posiada podstawową wiedzę z analizy matematycznej, algebry oraz Pythona.

Prowadzący szkolenie:
Paweł Stasiński

Programista Python z wieloletnim praktycznym doświadczeniem. Od kilkunastu ściśle związany z tym właśnie językiem prowadząc projekty dla małych i dużych firm. W ostatnich latach zajmuje się głównie analizą danych, machine i deep learning głównie w kontekście analizy tekstu i obrazu. Ostatnio skoncentrowany na projektach związanych w wykorzystaniu Al w social-media. W swojej pracy bardzo dużo poświęca praktyce, dlatego też tak ważne jest dla niego warsztatowe podejście do zajęć. W JSystems najczęściej można go spotkać prowadzącego szkolenia związane z analizą danych, machine learning oraz deep learning.

Kontynuacja kursu Wstęp do Deep Learning. Wysokie wskazane uczestnictwo w części pierwszej, bądź opanowanie wiedzy w swoim zakresie. Część druga wprowadza w bardziej zaawansowane zagadnienia, które jednocześnie stoją bliżej realnych zastosowań.
Każdy case jest oparty na realnych przypadkach w biznesie bądź nauce. Kurs daje podstawy, by móc samodzielnie zacząć realizować własne projekty. Dla pragnących jeszcze pogłębić swoja wiedzę i specjalizacje, zostaną przygotowane specjalne kursy - Deep Learning dla NLP, Deep Learning dla Computer Vision oraz Deep Learning for Time-series.

Prowadzący szkolenie:
Paweł Stasiński

Programista Python z wieloletnim praktycznym doświadczeniem. Od kilkunastu ściśle związany z tym właśnie językiem prowadząc projekty dla małych i dużych firm. W ostatnich latach zajmuje się głównie analizą danych, machine i deep learning głównie w kontekście analizy tekstu i obrazu. Ostatnio skoncentrowany na projektach związanych w wykorzystaniu Al w social-media. W swojej pracy bardzo dużo poświęca praktyce, dlatego też tak ważne jest dla niego warsztatowe podejście do zajęć. W JSystems najczęściej można go spotkać prowadzącego szkolenia związane z analizą danych, machine learning oraz deep learning.

Krótki opis kursu

Ten kurs to kompleksowe szkolenie poświęcone OpenAI i sztuce tworzenia skutecznych promptów, a także integracji modeli OpenAI z własnymi aplikacjami. Oferuje praktyczne umiejętności w integracji nowoczesnych narzędzi AI z własnymi projektami programistycznymi. Dzięki przystępnym lekcjom, od podstaw aż po zaawansowane techniki, uczestnicy nauczą się, jak efektywnie wykorzystywać modele OpenAI, w tym GPT-4, do generowania tekstów, analizy danych, a nawet tworzenia chatbotów.

Dla kogo jest ten kurs?

Kurs jest idealny dla programistów, marketerów, analityków i każdego, kto chce poznać możliwości sztucznej inteligencji i zintegrować je w swoim biznesie lub projektach. Skierowany do osób, które mają podstawową wiedzę z zakresu programowania i pragną poszerzyć swoje umiejętności o praktyczne zastosowania AI, w tym tworzenie zaawansowanych systemów obsługi klienta, generowania treści czy analizy danych.

Jakie korzyści będą mieć uczestnicy po jego zakończeniu?

Po ukończeniu kursu uczestnicy zyskają:

• Umiejętność korzystania z API OpenAI do tworzenia inteligentnych aplikacji wspieranych przez sztuczną inteligencję.
• Zdolność generowania wysokiej jakości treści, od tekstów marketingowych po analizy danych.
• Praktyczną wiedzę, jak budować chatboty, automatyzować procesy biznesowe oraz tworzyć systemy rekomendacji.
• Znajomość zaawansowanych technik zarządzania promptami, co pozwala na pełne wykorzystanie możliwości modeli GPT.
• Możliwość pracy z najnowszymi modelami AI, takimi jak GPT-4, i zrozumienie ich kosztów oraz wydajności w projektach.

Prowadzący szkolenie:
Kacper Sieradziński

Programista z ponad 12 letnim stażem, pracował dla klientów z Norwegii, Szwecji, Wielkiej Brytanii oraz Niemiec. Pracował dla takich firm jak Schibsted Tech Polska oraz PrimeQ tworząc strony o bardzo dużym natężeniu ruchu, skrypty automatyzujące pracę innych, w tym także crawlery. Trener, który na sali spędził ponad 5000h prowadząc szkolenia z baz danych, programowania w Pythonie i PHP.

Kacper uważa, że język programowania to tylko narzędzie w rękach doświadczonego dewelopera, dlatego nieustannie lubi uczyć się nowych rzeczy oraz zarażać miłością do programowania innych (stąd pewnie ten kanał na Youtubie -> Kacper Sieradziński).

To szkolenie przeprowadzi Cię przez najważniejsze obszary pracy z dużymi modelami językowymi (LLM) takimi jak GPT. Będziesz w stanie komunikować się z modelami od OpenAI nie tylko przez interfejs ChatGPT. Zamiast tego, nauczysz się tworzyć własne rozwiązania oparte o technologie LLM, które w obecnym świecie stają się codziennym narzędziem wielu programistów.

Oprócz podstawowych sposobów komunikacji z modelami GPT przez API, dowiesz się także jak wykorzystywać je do praktycznych zadań. Omówimy różne use case"y, które będą dotyczyć m.in. klasyfikacji tekstu, pracy z różnymi formatami danych czy też automatyzacji pisania kodu. Na koniec, zobaczysz w jaki sposób stworzyć interfejs do komunikacji z Twoim rozwiązaniem wykorzystujący własne API zbudowane we frameworku FastAPI.

Prowadzący szkolenie:
Patryk Palej

Programista Pythona od 2018 roku z backgroundem w matematycznym modelowaniu procesów fizycznych. Specjalizuje się w obszarach związanych z pozyskiwaniem, przetwarzaniem i analizą danych. Jako data scientist pracował w projektach dla branż takich jak telekomunikacja, media czy finanse. Doświadczony szkoleniowiec, który lubi i potrafi przekazywać wiedzę. W wolnym czasie podróżuje lub pracuje nad nowymi szkoleniami.

To szkolenie wprowadzi Cię od podstaw do technik pracy z dużymi modelami językowymi (LLM).

Skupimy się na wykorzystaniu tego narzędzia do tworzenia systemów RAG, czyli generacji tekstu w oparciu o wiedzę znajdującą się w dokumentach, do których dostęp ma model. Przejdziemy przez wszystkie najważniejsze elementy systemu RAG - od wczytania i przetworzenia danych, przez zapis embeddingów w bazie wektorowej aż po wyszukiwanie i generację w oparciu o znalezione informacje. Na koniec stworzymy jeden lub więcej praktyczny projekt, który pozwoli Ci zobaczyć jak wygląda cały proces tworzenia systemu RAG.

Prowadzący szkolenie:
Patryk Palej

Programista Pythona od 2018 roku z backgroundem w matematycznym modelowaniu procesów fizycznych. Specjalizuje się w obszarach związanych z pozyskiwaniem, przetwarzaniem i analizą danych. Jako data scientist pracował w projektach dla branż takich jak telekomunikacja, media czy finanse. Doświadczony szkoleniowiec, który lubi i potrafi przekazywać wiedzę. W wolnym czasie podróżuje lub pracuje nad nowymi szkoleniami.

Rozszerzenie kursu kursu "Deep learning w języku Python" z naciskiem na tematy z przetwarzaniem języka naturalnego (NLP - Natural Language Processing). Przegłąd i prezentacja technik z naciskiem na najnowsze trendy. Zalecana, ale nie wymagana uczestnictwo w kursie podstawowym. Wymagana znajomość podstaw Pythona.

Prowadzący szkolenie:
Paweł Stasiński

Programista Python z wieloletnim praktycznym doświadczeniem. Od kilkunastu ściśle związany z tym właśnie językiem prowadząc projekty dla małych i dużych firm. W ostatnich latach zajmuje się głównie analizą danych, machine i deep learning głównie w kontekście analizy tekstu i obrazu. Ostatnio skoncentrowany na projektach związanych w wykorzystaniu Al w social-media. W swojej pracy bardzo dużo poświęca praktyce, dlatego też tak ważne jest dla niego warsztatowe podejście do zajęć. W JSystems najczęściej można go spotkać prowadzącego szkolenia związane z analizą danych, machine learning oraz deep learning.

Szkolenie pozwala opanować wiedzę w zakresie przetwarzania obrazów oraz materiałów wideo przy użyciu biblioteki OpenCV oraz różnych algorytmów analizy i przetwarzania obrazu, zarówno klasycznych, jak i korzystających z uczenia maszynowego i sztucznej inteligencji.

Celem szkolenia jest oswojenie użytkownika z biblioteką OpenCV, jak i pokazanie metod i narzędzi służących do detekcji, klasyfikacji czy innych przekształceń obrazów i wideo. W kursie zostanie także przedstawiony temat OCR (optyczne rozpoznawanie znaków), czy rozpoznawania twarzy. Po ukończeniu szkolenia uczestnik będzie potrafił swobodnie poruszać się po bibliotece OpenCV, używać algorytmów do detekcji czy klasyfikacji różnych obiektów, a także w inny sposób przetwarzać obrazy i materiały wideo.

Prowadzący szkolenie:
Mateusz Zimoch

Inżynier z silną wiedzą w dziedzinie informatyki, data science, robotyki i sztucznej inteligencji. Skuteczny lider zespołu z udokumentowanym doświadczeniem w realizacji innowacyjnych projektów. Zwycięzca konkursu US Navy na prototyp autonomicznego podwodnego drona. Założyciel dwóch startupów skupionych na rozwoju rozwiązań z zakresu wizji komputerowej opartej na sztucznej inteligencji oraz budowie autonomicznych pojazdów. Doświadczony trener i mentor, zarażający pasją do programowania i analizy danych.

O szkoleniu w skrócie

Szkolenie poświęcone jest Apache Spark – nowoczesnemu narzędziu do przetwarzania danych, wykorzystywanym przez czołowe firmy z Doliny Krzemowej.

To ekspresowe szkolenie zostało przygotowane z myślą o przystępnym oraz wartościowym wprowadzeniu uczestników do pracy w dynamicznym środowisku Big Data z platformą Databricks, Spark SQL i PySparkiem.

Cel szkolenia

Praca z systemem Spark oraz platformą Databricks. Opanowanie praktycznych umiejętności niezbędnych do skutecznej realizacji projektów danowych w nowoczesnym środowisku, które kształtuje współczesne standardy w obszarze Big Data.

Dla kogo przeznaczone jest szkolenie?

• Analityków Danych, którzy chcą podnieść swoje umiejętności w zakresie pracy z danymi i rozszerzyć możliwości kariery
• Inżynierów Danych, pragnących uzupełnić wiedzę na temat Databricks. Szkolenie szczególnie przyda się osobom znającym już podobne rozwiązania, takie jak Snowflake czy Microsoft Fabric
• Programistów, którzy postanowili zostać Inżynierami Danych
• Data Science, którzy chcą opanować Sparka i wykorzystywać go w projektach

Gdzie użyjesz nabytej wiedzy?

• W codziennej pracy z Platformą Databricks oraz Sparkiem
• W projektach wymagających elastycznego podejścia pod kątem wykorzystywanych zasobów
• Przy budowaniu systemów analitycznych dla firmy

Czego się nauczysz?

• Czym jest Big Data – zrozumiesz jak wygląda nowoczesne przetwarzanie danych rozproszonych.
• Analizy dużych zbiorów danych – efektywnego przetwarzania i analizy milionów rekordów przy użyciu Sparka, zarówno w SQL, jak i Pythonie.
• Integracji danych z różnych źródeł – łączenia danych z baz relacyjnych, plików CSV, Parquet, systemów chmurowych (Azure, AWS, GCP).
• Przygotowania danych do analiz i uczenia maszynowego – oczyszczanie, transformacja i formatowanie danych w sposób umożliwiający ich wykorzystanie w modelach machine learning.

Wymagania co do uczestnika

• Podstawowa znajomość SQL
• Podstawowa znajomość Pythona
• Podstawowa znajomość Git
• Założenie konta na GitHub
• Podstawowa znajomość technologii chmurowych nie jest obowiązkowa, ale przydatna

Terminy i definicje

System Rozproszony

System rozproszony to zbiór niezależnych komputerów lub urządzeń, które współpracują ze sobą poprzez sieć komputerową, tworząc logiczną całość. Każdy węzeł w systemie może działać niezależnie, ale wszystkie razem realizują wspólne cele.

Spark

Apache Spark to potężne, masowo skalowalne środowisko do przetwarzania danych, które umożliwia efektywne przetwarzanie dużych zbiorów danych w pamięci oraz na dysku. Jest podstawowym komponentem platformy Databricks.

Databricks

Databricks to platforma do zarządzania danymi, która łączy zalety systemów data lake i data warehouse. Wykorzystuje Apache Spark jako silnik przetwarzania i zapewnia scentralizowane środowisko do analizy danych, uczenia maszynowego i biznesowych zastosowań analitycznych.

Data Lake (jezioro danych)

Data Lake to centralne repozytorium danych przechowujące duże ilości danych w ich pierwotnej, surowej formie. W przeciwieństwie do tradycyjnych hurtowni danych, które wymagają uprzedniej strukturyzacji danych, data lake może przechowywać dane w dowolnym formacie, w tym: strukturyzowane, półstrukturyzowane i niestrukturyzowane.

Prowadzący szkolenie:
Dawid Grześków

Specjalista IT z pięcioletnim doświadczeniem w środowisku danowym. W swojej karierze przeszedłem przez budowanie narzędzi wewnętrznych, analitykę oraz tworzenie systemów raportowych. Aktualnie pracuję jako Inżynier Danych, gdzie Spark i Databricks stanowią moje główne narzędzia pracy.

Na co dzień pracuję z technologiami chmurowymi na platformie Azure. Programuję w Pythonie, SQL oraz Sparku. Tworzę modele, hurtownie oraz jeziora danych. Integruję rozwiązania DevOps z procesami biznesowymi. Tworzę zaplecza całych platform i rozwijam procesy integracyjne.

Projekty w których brałem udział to m.in.:

• Integracja przepływów danych wspierających mi.n. SAPa, procesy korporacyjne
• Budowanie jezior danych w celu scentralizowania zasobów przedsiębiorstwa
• Budowanie modeli analitycznych, które dotychczas były niemożliwe do zrealizowania bez Sparka.
• Wdrażanie rozwiązań DevOps/DataOps

Posiadam doświadczenie pracy w międzynarodowych firmach, gdzie wspierałem zespoły w przyswajaniu wiedzy procesowej oraz narzędziowej. Jako praktyk, wychodzę z założenia, że tylko praktyczne szkolenia dają satysfakcjonujące efekty.

Z takim założeniem stworzyłem również poniższy kurs.

O szkoleniu

Warsztatowe szkolenie z zakresu analizy szeregów czasowych z użyciem języka Python. Szkolenie obejmuje podstawową metodologie badań i prognozowania szeregów czasowych w ujęciu różnych dyscyplin: AI, analizy sygnałów, finansów i tradingu, procesów stochastycznych.

Dla kogo?

Wymagana jest minimalna znajomość języka Python oraz podstawowa wiedza z zakresu statystyki lub ekonometrii. Szkolenie pozwala nabyć praktycznych umiejętności radzenia sobie z szeroką częścią danych strukturalnych, takich jak szeregi czasowe. Z racji tego, szkolenie to jest w szczególności dedykowane osobom wiążącym swoją przyszłość (lub obecną pracę) z takimi sektorami jak: telekomunikacja, energetyka, finanse, bankowość, trading, medycyna oraz szeroko pojęta matematyka i fizyka.

Charakter szkolenia

Szkolenie ma charakter warsztatowy. W trakcie szkolenia uczestnicy realizują 50-70 warsztatów trwających po 5-15 minut. Każde omówione zagadnienie podsumowane jest kilkoma następującymi po sobie ćwiczeniami o wzrastającym poziomie trudności. W ramach szkolenia realizowany jest w pełni funkcjonalny projekt, mający na celu jak najlepsze zaprognozowanie szeregu czasowego za pomocą różnych metodologii.

Przebieg szkolenia

Zajęcia rozpoczynamy instalacją i konfiguracją interpretera języka Python oraz, najpopularniejszego w Data Science, środowiska Anaconda. Zawiera ono wygodny edytor do programowania - Spyder.

Po skonfigurowaniu środowiska pracy, rozpoczyna się praca z importowaniem danych w formacie csv i zapoznanie z podstawowymi metodami wizualizacji szeregów czasowych.

Gdy powyższy cel zostanie zrealizowany, będziemy badać po kolei główne właściwości matematyczne różnego rodzaju szeregów czasowych, takie jak: stacjonarność, autokorelacja, sezonowość, szum, multiplikatywność czy też istniejące trendy. Nauczymy się także, jak radzić sobie z danymi zawierającymi luki oraz z sytuacjami, gdy danych jest zbyt mało, aby przeprowadzić modelowanie. Innym elementem będzie wykorzystanie wielowymiarowych sekwencji i selekcja odpowiednich cech, które najlepiej wyjaśniają zmienność zmiennej zależnej. Dowiemy się również, jak unikać częstych błędów popełnianych przez początkujących analityków.

W następnym kroku zaczynamy uczyć się różnych sposobów prognozowania, nabierając przy tym intucjji/świadomości tego, która z technik jest najlepsza do wykorzystania w danym przypadku. Podobnie, zapoznajemy się z metrykami oceny błędu i ich doborem, który silnie zależy od natury problemu biznesowego.

W następnej kolejności uczymy się badać naturę stochastyczną potencjalnych szeregów czasowych, mierząc między innymi prawdopodobieństwa tego, czy są one losowe bądź deterministyczne. Analizujemy przy tym rozkłady zmian kolejnych (sąsiędnich) wartości szeregów oraz poprawnej segmentacji danych, w zależności od uzyskanych rozkładów.

Podczas przerabiania ostatnich trzech bloków tematycznych, uczymy się zastosowywać analizę fourierowską, sieci neuronowe oraz analizę techniczną stosowaną przed traderów. Poznajemy wówczas wiedzę i metody wychodzące daleko poza prognozowanie przyszłych wartości szeregów. Odnoszą się one niekiedy do najnowszych postępów w dziedzinach, takich jak: rozpoznawanie mowy i języka, automatyczne wykrywanie nieprawidłowości kardiologicznych przez EKG/EEG, błędów gramatycznych w piśmie, przewidywania kierunku ruchu cen na giełdowych, jak również klonowania dźwięku, czy generowania muzyki.

Realizacja projektu końcowego

Szkolenie kończy projekt realizowany przez uczestników. Będzie on polegał na porównaniu kilku wybranych metod prognozowania (po jednej z każdego bloku tematycznego) i ich wyników dla zadanego szeregu, włączając w to poprzedzającą analizę i dobranie stosownej metryki ewaluacji modelu.

Pewnie nie raz patrzyłeś na dane, ale niewiele przydatnych informacji mogłeś z nich wydobyć ? Do tego bardzo przydaje się wizualizacja, która pomaga w rozpoznaniu trendów i odchyleń od nich. Każda poważna firma bazuje na analizie danych i wizualizacji wyników. . Do tworzenia wszelkich wykresów bardzo przydaje się biblioteka Pythona - Matplotlib. Na tym szkoleniu poznasz wszystkie najważniejsze formy wykresów 2D oraz mnóstwo wbudowanych i przydatnych funkcji. Aby przystąpić do tego szkolenia uczestnik powinien znać podstawy Pythona.

Jest to kurs przygotowany dla programistów, którzy mają już pewne doświadczenie z Django. Podczas tego kursu uczestnicy poznają zarówno bardziej zaawansowane aspekty frameworka Django, jak również rozwiążą częste problemy takie jak: optymalizacja zapytań SQL, uruchamianie Django z wykorzystaniem Dockera, testowanie projektu, stworzenie systemu kolejkowego, czy komunikacja z wykorzystaniem websocketów. Ze szkolenia skorzystają zarówno osoby, które niedawno opanowały podstawy jak i osoby z wielomiesięcznym doświadczeniem.

Uwaga:

• Zalecane jest aby uczestnicy kursu "Tworzenie aplikacji WEB z użyciem frameworka Django" przed zapisem na ten kurs stworzyli co najmniej jeden własny projekt.
• Podczas kursu przydatna będzie podstawowa znajomość Django Rest Framework, relacyjnych baz danych, HTML i CSS oraz JavaScript.

Prowadzący szkolenie:
Tomasz Woźniak

Bioinformatyk, programista Python i Django. Ma wieloletnie doświadczenie w tworzeniu funkcjonalnych rozwiązań webowych zarówno w nauce jak i biznesie, pracy z oprogramowaniem i analizą danych biologicznych. Od 2017 roku uwielbia dzielić się swoją wiedzą i doświadczeniem jako trener. Na co dzień pracuje jako adiunkt w Instytucie Genetyki Człowieka PAN w Poznaniu.

O skoleniu w skrócie

Warsztatowe szkolenie z biblioteki FastAPI - najszybciej zdobywającej popularność biblioteki Python do tworzenia aplikacji webowych.

Dla kogo?

Aby uczestniczyć w tym szkoleniu potrzebna jest podstawowa wiedza z programowania w języku Python - jak definiować klasy, pisać funkcje i uruchamiać skrypty w języku Python. Podstawowa znajomość protokołu HTTP oraz Git będzie wyjaśniona podczas wstępu jednak wskazane jest wcześniejsze rozumienie działania

Charakter szkolenia

Szkolenie ma charakter warsztatowy. W trakcie szkolenia uczestnicy otrzymają praktyczną wiedzę na temat budowania aplikacji z użyciem FastAPI.

Przebieg szkolenia

1. Szkolenie zaczniemy od stworzenia projektu w git z pomocą cookiecutter.
2. Następnie dowiemy się jak dodać do aplikacji pierwszy endpoint w FastAPI służący do zwracania informacji na temat aktualnych ofert pracy.
3. Napiszemy testy sprawdzające zwracane dane do enepointów, które planujemy napisać podczas rozwijania aplikacji do zarządzania ofertami pracy.
4. Następnie skupimy się na dostarczeniu funkcjonalności spełniające wymagania opisane testami.
5. Uczestnicy dowiedzą się gdzie zawrzeć logikę biznesową aplikacji - stworzymy warstwę serwisów obsługującą zarządzanie ofertami pracy oraz użyjemy jej w endpointach.
6. Dowiemy się jak zapisywać rekordy do bazy przy użyciu biblioteki SQLAlchemy.
7. Dowiemy się jak uruchamiać aplikacje w Docker compose.

Prowadzący szkolenie:
Łukasz Jaworowski

Zawodowo programista od 8 lat. Typowy praktyk lubiący rozwiązywanie problemów biznesowych od koncepcji do gotowego programu. Skupiony na technologiach backendowych. Zaczynał od Javy, większość czasu w pracy spędził programując systemy przetwarzania danych oraz aplikacji webowych z użyciem języka Python i AWS. Od 2021 roku pracuje jako lider techniczny w projektach Golang w firmie z obszaru security/crypto. Doświadczenie zdobywał w startupach, Fintechach, bankach oraz realizując projekty jako freelancer. W wolnym czasie poza programowaniem lubi sport i inne formy rywalizacji.

Szkolenie skierowane jest do osób znających Django, która chcą nauczyć się pisania REST API w Pythonie z wykorzystaniem Django Rest Framework (DRF). DRF jest najpopularniejszą biblioteką do tworzenia REST API w Pythonie. Jedną z najważniejszych cech jest dobra współpraca z Django dzięki czemu znając Django łatwo możemy nauczyć się /stworzyć takie API..

Szkolenie ma wymiar praktyczny. Do każdego omówionego tematu będą do wykonania zadania dla uczestników, dzięki czemu nauczysz się praktyki.

Po ukończeniu tego szkolenia będziesz umieć:

• Tworzyć endpointy, które zwrócą dane z bazy danych
• Sprawdzać te endpointy za pomocą Postmana
• Pisać testy do tych endpointów
• Optymalne podejście do endpointów

Kurs tworzenia aplikacji internetowych z użyciem jednego z najpopularniejszych frameworków webowego Python - Flask oraz Bootstrap. Szkolenie rozpoczyna się od podstaw tego frameworka i dotyczy jego najczęściej używanych funkcjonalności m.in. obsługa widoków, połączenia do bazy, formularze - REST API. Wymagana podstawowa znajomość Pythona. Flask idealnie nadaje się do prototypowania i robienia rapid development. Flask jest używany przez takie firmy jak Netflix, Airbnb, Uber, Red Hat, Samsung i Lyft.

Opis szkolenia

Szkolenie skierowane jest do osób, które znają podstawy Pythona i chcą nauczyć się tworzyć testy w tym języku. Pisanie testów jest jedną z kluczowych umiejętności programistów oraz testerów automatycznych. Dobrze napisane testy ułatwiają pisanie wydajnego i wolnego od błędów kodu. Ponadto w dłuższym terminie testy pozwalają na znacznie szybszy rozwój projektu i większe zadowolenie klienta. Szkolenie ma wymiar praktyczny, duży nacisk położony jest na rozwiązywanie zadań i pisanie własnych testów, dzięki czemu szybciej i lepiej opanujesz prezentowane zagadnienia.

Po ukończeniu szkolenia będzie potrafił:

• Tworzyć testy jednostkowe sprawdzające poprawność każdego kawałka kodu z wykorzystaniem bibliotek Unittest i PyTest
• Wdrażać dobre praktyki podczas pisania testów
• Tworzyć testy integracyjne sprawdzające działanie całej aplikacji
• To co niezbędne do automatycznego testowania w Pythonie

Prowadzący szkolenie:
Tomasz Woźniak

Bioinformatyk, programista Python i Django. Ma wieloletnie doświadczenie w tworzeniu funkcjonalnych rozwiązań webowych zarówno w nauce jak i biznesie, pracy z oprogramowaniem i analizą danych biologicznych. Od 2017 roku uwielbia dzielić się swoją wiedzą i doświadczeniem jako trener. Na co dzień pracuje jako adiunkt w Instytucie Genetyki Człowieka PAN w Poznaniu.

Szkolenie skierowane jest do osób chcących przyśpieszyć pisanie niezawodnego oprogramowania w Pythonie. TDD jest jedną z technik tworzenie oprogramowania. Jedną z najważniejszych cech jest wytwarzanie testów nim powstania testowany program. Dzięki TDD jesteś w stanie pisać łatwo testowalny kod.

Szkolenie ma wymiar praktyczny. Do każdego omówionego tematu będą do wykonania zadania dla uczestników, dzięki czemu nauczysz się praktyki.

Po ukończeniu tego szkolenia będziesz umieć:

• Pisać testy, które sprawdzą, czy Twój kod działa poprawnie
• Korzystać z najlepszych praktyk podczas pisania testów
• Testować całe aplikacje napisane w Pythonie
• Wszystko, co musisz wiedzieć o automatycznym testowaniu w Pythonie

Szkolenie pozwala na zapoznanie się z pisaniem testów automatycznych oraz budowaniem frameworków testowych “from scratch” z użyciem biblioteki Behave do tworzenia scenariuszy testowych. Wymagana podstawowa znajomość Pythona. W ramach szkolenia również zostanie zostaną wytłumaczone podstawy Selenium oraz pisanie Page Object Modelu. Szkolenie dogłębnie przedstawia możliwości biblioteki Behave jako narzędzie umożliwiającego pisanie testów w nurcie BDD. W ramach szkolenia poznasz również nowy język Gherkin, który jest używany w wielu językach programowania do pisania testów BDD.

Szkolenie przeznaczone dla użytkowników Pythona chcących poznać sposób na automatyczne testowanie aplikacji internetowy.

Kurs przeprowadza użytkownika przez cały proces niezbędny do programowej pracy z przeglądarką, zaczynając od przygotowania środowiska pracy, przechodząc do tworzenie kompleksowych testów, aż po pracę z konkretnymi przeglądarkami.

Po szkoleniu uczestnik będzie w stanie:

Przygotować środowisko do pracy z Selenium

Wykorzystywać pythona do pracy z przeglądarkami

Obsługiwać API dokumentu internetowego

Symulować akcji myszką i palcem w aplikacji

O skoleniu w skrócie

Warsztatowe szkolenie z webscrapingu prowadzone przez trenera z komercyjnym doświadczeniem w tej dziedzinie.

Dla kogo?

Aby uczestniczyć w tym szkoleniu potrzebna jest podstawowa wiedza z programowania w języku Python - jak definiować klasy, pisać funkcje i uruchamiać skrypty w języku Python.

Charakter szkolenia

Szkolenie ma charakter warsztatowy. W trakcie szkolenia uczestnicy otrzymają praktyczną wiedzę na temat webscrapingu. Każde omówione zagadnienie podsumowane jest kilkoma następującymi po sobie ćwiczeniami o wzrastającym poziomie trudności. W ramach szkolenia napisane będą programy w języku Python pozwalające na cykliczne pobieranie danych z 5 stron.

Przebieg szkolenia

1. Zajęcia rozpoczynamy omówieniem webscrapingu - jakie daje nam możliwości, jak przebiega.
2. Zajęcia praktyczne rozpoczynamy instalacją i konfiguracją interpretera języka Python oraz IDE - Visual studio code. Uczestnicy szkolenia mogą pracować na dowolnym innym znanym sobie IDE.
3. Po poznaniu podstaw zajmiemy się budową scrapera pobierającego listę aktualnie popularnych książek z przygotowanej strony.
4. W kolejnym kroku pobierać będziemy dane umieszczone na powiązanych stronach takich jak podstrona zawierające szczegóły o książce czy zdjęcia.
5. Poznamy bliżej narzędzia w przeglądarce Firefox umożliwiające sprawne pobieranie danych z witryn, rozpoznanie najlepszej metody pobierania danych i sprawdzania poprawności Xpath.
6. Pobierzemy dane z kilku popularnych portali za pomocą różnych metod - poprzez API, HTML, RSS.
7. Dowiemy się jak sprawnie przetwarzać dane po pobraniu ich, jak walidować, przetwarzać i zapisywać dane cyklicznie uruchamianych scraperów.
8. Wdrożymy stworzone programy na platformę Zyte i dowiemy się jak korzystać z platformy by zarządzać scraperami.

Prowadzący szkolenie:
Łukasz Jaworowski

Zawodowo programista od 8 lat. Typowy praktyk lubiący rozwiązywanie problemów biznesowych od koncepcji do gotowego programu. Skupiony na technologiach backendowych. Zaczynał od Javy, większość czasu w pracy spędził programując systemy przetwarzania danych oraz aplikacji webowych z użyciem języka Python i AWS. Od 2021 roku pracuje jako lider techniczny w projektach Golang w firmie z obszaru security/crypto. Doświadczenie zdobywał w startupach, Fintechach, bankach oraz realizując projekty jako freelancer. W wolnym czasie poza programowaniem lubi sport i inne formy rywalizacji.