Úvod do Data Science a umělé inteligence pomocí Python Počítačový Kurz

LangGraph je framework pro vytváření stavových aplikací LLM s více aktéry jako složitelných grafů se stálým stavem a kontrolou spuštění.

Toto instruktorovo řízené živé školení (online nebo na místní lokalitě) je určeno pokročilým inženýrům platformy AI, DevOps pro AI a architektům ML, kteří chtějí optimalizovat, ladit, monitorovat a provozovat výrobní systémy LangGraph.

Koncem tohoto školení budou účastníci schopni:

• Návrh a optimalizace komplexních topologií LangGraphu pro rychlost, náklady a škálovatelnost.
• Inženýrství spolehlivosti s opakováním, časovými limity, idempotentností a obnovením na základě kontrolních bodů.
• Ladení a stopování provádění grafů, inspekce stavu a systematické reprodukování výrobních problémů.
• Nastavení grafů s protokoly, metrikami a stopami, nasazení do produkčního prostředí a monitorování SLA a nákladů.

Formát kurzu

• Interaktivní přednášky a diskuse.
• Velké množství cvičení a praxe.
• Ruční implementace v živém laboratorním prostředí.

Možnosti přizpůsobení kurzu

• Pro požadavek na přizpůsobené školení tohoto kurzu se, prosím, obraťte na nás pro domluvu.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí používat ekosystém Anaconda k zachycení, správě a nasazení balíčků a pracovních postupů analýzy dat na jediné platformě.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Anaconda komponenty a knihovny.
• Pochopte základní koncepty, funkce a výhody Anaconda.
• Spravujte balíčky, prostředí a kanály pomocí Navigátoru Anaconda.
• Používejte balíčky Conda, R a Python pro datovou vědu a strojové učení.
• Seznamte se s některými praktickými případy použití a technikami pro správu více datových prostředí.

Tato vedená instruktorem živá školení (online nebo na místě) je zaměřena na datové analytiky a softwarové inženýry, kteří chtějí použít Dask s ekosystémem Pythonu k vytváření, škálování a analýze velkých datasetů.

Koncepcí tohoto školení je, že účastníci budou schopni:

• Nastavit prostředí pro zahájení vytváření zpracování velkých dat s Daskem a Pythonem.
• Prozkoumat funkce, knihovny, nástroje a rozhraní API dostupné v Dasku.
• Pochopit, jak Dask zrychluje paralelní výpočty v Pythonu.
• Naučit se škálovat ekosystém Pythonu (Numpy, SciPy a Pandas) pomocí Dasku.
• Optimalizovat prostředí Dask pro udržení vysokého výkonu při zpracování velkých datasetů.

Tento vedený instruktorem živý školení na místě nebo online je určen pro středně pokročilé Python vývojáře a analytiky dat, kteří chtějí posílit své dovednosti v analýze a manipulaci s daty pomocí Pandas a NumPy.

Do konce tohoto školení budou účastníci schopni:

• Nastavit vývojové prostředí, které zahrnuje Python, Pandas a NumPy.
• Vytvořit aplikaci pro analýzu dat pomocí Pandas a NumPy.
• Provádět pokročilou manipulaci s daty, řazení a filtrování operací.
• Provádět agregované operace a analyzovat časové série dat.
• Vizualizovat data pomocí Matplotlibu a dalších knihoven pro vizualizaci.
• Ladit a optimalizovat svůj kód pro analýzu dat.

Tato vedená instruktorem živá školení (online nebo na místě) je určená pro vývojáře, kteří chtějí použít stack FARM (FastAPI, React a MongoDB) k vytváření dynamických, vysokorychlostních a škálovatelných webových aplikací.

Koncem tohoto školení budou účastníci schopni:

• Nastavit nezbytné vývojové prostředí, které integruje FastAPI, React a MongoDB.
• Porozumět klíčovým konceptům, funkcím a výhodám stacku FARM.
• Přihrádat, jak vytvářet REST API pomocí FastAPI.
• Přihrádat, jak navrhovat interaktivní aplikace s Reactem.
• Vývoj, testování a nasazování aplikací (front-end i back-end) pomocí stacku FARM.

Toto instruktorem vedené živé školení (online nebo na místě) je zaměřeno na vývojáře, kteří se chtějí naučit používat FastAPI s Pythonem k snadnějšímu a rychlejšímu vytváření, testování a nasazování RESTful API.

Na konci tohoto školení budou účastníci schopni:

• Nastavit nezbytné vývojové prostředí pro vytváření API pomocí Pythonu a FastAPI.
• Vytvářet API rychleji a snadněji s použitím knihovny FastAPI.
• Naučit se, jak vytvářet datové modely a schémata založená na Pydanticu a OpenAPI.
• Připojovat API k databázím s použitím SQLAlchemy.
• Implementovat bezpečnostní mechanismy a ověřování v API pomocí nástrojů FastAPI.
• Vytvářet kontejnerové image a nasazovat webové API na cloudový server.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří se chtějí učit a budovat svou kariéru v Data Science pomocí Kaggle.

Na konci tohoto školení budou účastníci schopni:

• Přečtěte si o datové vědě a strojovém učení.
• Prozkoumejte analýzu dat.
• Přečtěte si o Kaggle a jak to funguje.

LangGraph je rámec pro vývoj stavy-souvisejících, víceaktníkových aplikací LLM jako složitelných grafů s trvalým stavem a kontrolou provádění.

Toto instruktorově vedené živé školení (online nebo na místě) je určeno pro středně pokročilé a pokročilé odborníky, kteří chtějí navrhnout, implementovat a provozovat řešení založená na LangGraphu v oblasti financí s vhodnou správou, vizibilitou a souladem se standardy.

Koncové cíle školení:

• Návrh finance-specifických pracovních postupů LangGraphu v souladu s požadavky na regulaci a audit.
• Integrace standardů finančních dat a ontologií do stavu grafu a nástrojů.
• Implementace spolehlivosti, bezpečnosti a kontroly s člověkem v cyklu pro kritické procesy.
• Nasazení, monitorování a optimalizace systémů LangGraphu pro výkon, náklady a SLA (Service Level Agreements).

Formát kurzu

• Interaktivní přednášky a diskuse.
• Mnoho cvičení a praxe.
• Praktické implementace v živém laboratorním prostředí.

Možnosti individualizace kurzu

• Pro požadavek na individualizované školení tohoto kurzu se, prosím, obraťte na nás pro uspořádání.

LangGraph je framework pro vytváření aplikací na základě grafů LLM, které podporují plánování, rozvětvení, použití nástrojů, paměť a řízenou vykreslování.

Toto instruktor-provedené, živé školení (online nebo na místním poplacho) je určeno pro začínající vývojáře, inženýry promptů a odborníky na data, kteří chtějí navrhnout a vybudovat spolehlivé vícekrokové pracovní postupy LLM s použitím LangGraph.

Koncem tohoto školení budou účastníci schopni:

• Vysvětlit základní koncepty LangGraphu (узлы, hrany, stav) a kdy je použít.
• Vytvořit řetězce promptů, které rozvětví, volají nástroje a udržují paměť.
• Integrace získávání a externích API do pracovních postupů grafu.
• Kontrola, ladění a hodnocení aplikací LangGraph pro spolehlivost a bezpečnost.

Formát kurzu

• Interaktivní přednáška a usměrněné diskuse.
• Vedené laboratorní cvičení a procházky kódem v pískovišťovém prostředí.
• Cvičení založená na scénářích týkajících se návrhu, testování a hodnocení.

Možnosti přizpůsobení kurzu

• Pro žádost o přizpůsobené školení tohoto kurzu se, prosím, obraťte na nás pro domluvu.

LangGraph umožňuje stavy s více aktéry podporovanými LLM s přesnou kontrolou cest provádění a udržováním stavu. V zdravotnictví jsou tyto schopnosti klíčové pro shodu se standardy, interoperabilitu a vytváření systémů podpory rozhodování, které odpovídají medicínským pracovním postupům.

Toto instruktážně vedené živé školení (online nebo na místě) je určeno profesionálům střední a pokročilé úrovně, kteří chtějí navrhnout, implementovat a spravovat zdravotnická řešení založená na LangGraphu, zároveň řešíme regulativní, etické a provozní výzvy.

Koncepci školení budou účastníci schopni:

• Návrh pracovních postupů LangGraphu pro zdravotnictví s ohledem na shodu se standardy a průzkumnost.
• Připojení aplikací LangGraphu k medicínským ontologiím a standartám (FHIR, SNOMED CT, ICD).
• Využití nejlepších postupů pro spolehlivost, průzkumnost a vysvětlitelnost ve citlivých prostředích.
• Nasazení, monitorování a ověření aplikací LangGraphu v produkčních prostředích zdravotnictví.

Formát kurzu

• Vzájemná přednáška a diskuse.
• Praktické cvičení s reálnými případovými studiemi.
• Praxe implementace v živém laboratorním prostředí.

Možnosti individualizace kurzu

• Pro žádost o individualizované školení tohoto kurzu nás kontaktujte pro uspořádání.

LangGraph je framework pro vytváření grafově strukturovaných pracovních postupů LLM, které podporují rozdělování na vetvy, použití nástrojů, paměť a ovladatelnou exekuci.

Toto instruktor-emancipované, živé školení (online nebo na místním zařízení) je určeno pro středně pokročilé inženýry a týmy produktů, kteří chtějí kombinovat logiku grafu LangGraph s cykly agentů LLM ke vytváření dynamických, kontextově podporovaných aplikací jako jsou zákaznické servisy, rozhodovací stromy a systémy pro získávání informací.

Koncem tohoto školení budou účastníci schopni:

• Nakreslit grafem podporované pracovní postupy, které koordinují LLM agenty, nástroje a paměť.
• Implementovat podmíněnou směrování, opakování a záložní mechanismy pro odolnou exekuci.
• Připojit vyhledávání, API a strukturované výstupy do cyklů agentů.
• Hodnotit, monitorovat a posílit chování agenta pro spolehlivost a bezpečnost.

Formát kurzu

• Interaktivní přednášky a moderované diskuze.
• Příručné laboratoře a procházka kódem v pískovišťovém prostředí.
• Návrhové cvičení založené na scénářích a recenze spolupracovníků.

Možnosti individualizace kurzu

• Pro žádost o individualizované školení pro tento kurz, kontaktujte nás prosím na uspořádání.

LangGraph je grafový orchestracevní rámec, který umožňuje podmíněné, vícesložkové pracovní postupy LLM a nástrojů, což je ideální pro automatizaci a personalizaci obsahových kanálů.

Tato instruktorem vedená, živá školení (online nebo na místě) je určena středně pokročilým marketingovým pracovníkům, strategům obsahu a vývojářům automatizace, kteří chtějí implementovat dynamické, s možností rozvětvení e-mailové kampaně a obsahové kanály pomocí LangGraph.

Konec tohoto školení budou účastníci schopni:

• Návrh grafově strukturovaného obsahu a e-mailových pracovních postupů s podmínkovou logikou.
• Integrace LLM, API a zdrojů dat pro automatizovanou personalizaci.
• Správa stavu, paměti a kontextu v rámci vícesložkových kampaní.
• Posouzení, monitorování a optimalizace výkonu pracovního postupu a výsledků doručení.

Formát kurzu

• Interaktivní přednášky a skupinové diskuse.
• Praktické laboratoře implementující e-mailové pracovní postupy a obsahové kanály.
• Scénářové cvičení na personalizaci, segmentaci a rozvětvenou logiku.

Možnosti přizpůsobení kurzu

• Pro požadavek na přizpůsobené školení pro tento kurz, prosím nás kontaktujte.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří chtějí používat Modin k sestavení a implementaci paralelních výpočtů s Pandas pro rychlejší analýzu dat.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné prostředí, abyste mohli začít vyvíjet pracovní postupy Pandas ve velkém měřítku s Modin.
• Pochopte funkce, architekturu a výhody Modin.
• Poznejte rozdíly mezi Modin, Dask a Rayem.
• Pomocí Modin provádějte operace Pandas rychleji.
• Implementujte celé Pandas API a funkce.

Tento školení pod vedením instruktora (online nebo na místě) je určený datovým vědcům a vývojářům, kteří chtějí použít RAPIDS pro vytváření GPU-akcelerovaných datových potoků, pracovních postupů a vizualizací s použitím algoritmů strojového učení, jako je XGBoost, cuML atd.

Na konci tohoto školení budou účastníci schopni:

• Nastavit nezbytné vývojové prostředí pro vytváření datových modelů s NVIDIA RAPIDS.
• Pochopit funkce, komponenty a výhody RAPIDS.
• Využít GPU k akceleraci datových a analytických potoků od začátku do konce.
• Implementovat GPU-akcelerovanou přípravu dat a ETL s cuDF a Apache Arrow.
• Naučit se, jak provádět úkoly strojového učení pomocí algoritmů XGBoost a cuML.
• Vytvářet datové vizualizace a provádět grafickou analýzu s cuXfilter a cuGraph.