Corso di formazione Rilevamento Frodi con Python e TensorFlow

Questo corso intensivo e pratico copre tecniche avanzate di Python, best practice di ingegneria e pattern design comunemente utilizzati per creare applicazioni Python mantenibili, testabili e ad alte prestazioni. Enfatizza l'uso di strumenti moderni, tipizzazione, modelli di concorrenza, pattern architetturali e flussi di lavoro pronti per la distribuzione.

Questo training guidato dal docente (online o in sede) è rivolto a sviluppatori Python intermedi a avanzati che desiderano adottare pratiche e pattern professionali per sistemi Python di livello produzione.

Al termine di questo training, i partecipanti saranno in grado di:

• Applicare la tipizzazione di Python, dataclasses e type-checking per aumentare la affidabilità del codice.
• Utilizzare pattern design e principi architetturali per strutturare applicazioni robuste.
• Implementare la concorrenza e il parallelismo correttamente utilizzando asyncio e multiprocessing.
• Costruire codice ben testato con pytest, testing basato su proprietà e pipeline CI.
• Profiling, ottimizzazione e hardening delle applicazioni Python per la produzione.
• Pacchettizzare, distribuire e distribuire progetti Python utilizzando strumenti moderni e container.

Formato del Corso

• Lezioni interattive e brevi demo.
• Laboratori pratici ed esercizi di codifica ogni giorno.
• Progetto mini-capstone che integra pattern, testing e distribuzione.

Opzioni di Personalizzazione del Corso

• Per richiedere un training personalizzato o una focalizzazione su aree specifiche (dati, web o infra), contattateci per organizzare.

Questo corso insegna tecniche pratiche di ingegneria per progettare, costruire, testare e distribuire sistemi agentic (autonomi) utilizzando Python. Copre il ciclo dell'agente, l'integrazione di strumenti, la gestione della memoria e dello stato, i pattern di orchestrazione, i controlli di sicurezza e le considerazioni per la produzione.

Questo training guidato dal docente (online o in presenza) è rivolto a ingegneri ML intermedi ad avanzati, sviluppatori AI e ingegneri software che desiderano costruire agenti autonomi robusti e pronti per la produzione utilizzando Python.

Al termine di questo training, i partecipanti saranno in grado di:

• Progettare e implementare il ciclo dell'agente e i flussi decisionali.
• Integrare strumenti esterni e API per estendere le capacità degli agenti.
• Implementare architetture di memoria a breve e lungo termine per gli agenti.
• Coordinare orchestrazioni multistep e la componibilità degli agenti.
• Applicare le best practice di sicurezza, controllo di accesso e osservabilità per gli agenti distribuiti.

Formato del Corso

• Lezione interattiva e discussione.
• Esercitazioni pratiche per costruire agenti con Python e SDK popolari.
• Esercizi basati su progetti che producono prototipi distribuibili.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, contattateci per organizzare.

Esplorare approcci pratici alla Data Science e all'AI tramite Python, fornendo ai professionisti le competenze per analizzare i dati, costruire modelli di machine learning e implementare applicazioni AI in contesti aziendali; affronta i flussi di lavoro CRISP-DM, l'analisi statistica, l'apprendimento supervisionato e non supervisionato, il deep learning con Tensorflow, l'elaborazione del linguaggio naturale, il big data con Spark e la narrazione dei dati; ideale per chi cerca una certificazione Python in Data Science e una formazione analytics pronta per il mercato del lavoro.

L'intelligenza Artificiale con Python è lo sviluppo di sistemi intelligenti utilizzando l'ecosistema esteso di AI e libreria di machine learning di Python.

Questo addestramento guidato dall'insegnante (online o in sede) è rivolto a programmatori intermediari di Python che desiderano progettare, implementare e distribuire soluzioni AI utilizzando Python.

Alla fine di questo addestramento, i partecipanti saranno in grado di:

• Implementare algoritmi di intelligenza artificiale utilizzando le librerie core AI di Python.
• Lavorare con modelli di apprendimento supervisionato, non supervisionato e rinforzo.
• Integrare soluzioni AI in applicazioni e flussi di lavoro esistenti.
• Vaillare le prestazioni del modello ed ottimizzare per accuratezza ed efficienza.

Formato del Corso

• Lezione interattiva e discussione.
• Molte esercitazioni e pratica.
• Implementazione pratica in un ambiente di laboratorio live.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per concordare i dettagli.

Questo training guidato dal docente in Italia (online o in presenza) è rivolto ai business analyst che desiderano automatizzare i loro scambi con il trading algoritmico, Python e R.

Al termine di questo training, i partecipanti saranno in grado di:

• Utilizzare algoritmi per acquistare e vendere titoli a incrementi specifici rapidamente.
• Ridurre i costi associati allo scambio utilizzando il trading algoritmico.
• Monitorare automaticamente i prezzi delle azioni e eseguire gli ordini.

Intelligenza Artificiale Applicata partendo dalle basi in Python fornisce agli programmatori e agli analisti dati le tecniche fondamentali per costruire soluzioni di machine learning da zero utilizzando Python. Copre i principi chiave del supervised learning per classificazione e regressione, del unsupervised learning per clustering e rilevamento delle anomalie, e delle architetture avanzate delle reti neurali. Esamina metodi comprovati per lavorare con scikit-learn, Apache Spark MLlib e notebook Jupyter per lo sviluppo pratico di IA. Aiuta i professionisti a implementare modelli ML pratici, valutare i limiti degli algoritmi e completare progetti applicativi per la risoluzione di problemi del mondo reale.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello intermedio Python che desiderano migliorare la propria esperienza di sviluppo Python utilizzando AWS Cloud9.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Imposta e configura AWS Cloud9 per lo sviluppo Python.
• Scopri l'interfaccia e le caratteristiche dell'IDE AWS Cloud9.
• Scrivi, esegui il debug e distribuisci Python applicazioni in AWS Cloud9.
• Collabora con altri sviluppatori utilizzando la piattaforma AWS Cloud9.
• Integra AWS Cloud9 con altri servizi AWS per distribuzioni avanzate.

Questa formazione guidata dall'instruttore (online o in presenza) è rivolta a professionisti di livello avanzato che desiderano approfondire la propria comprensione della visione artificiale ed esplorare le capacità di TensorFlow per sviluppare modelli di visione sofisticati utilizzando Google Colab.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Costruire e addestrare reti neurali convoluzionali (CNN) utilizzando TensorFlow.
• Sfruttare Google Colab per lo sviluppo di modelli cloud-based scalabili ed efficienti.
• Implementare tecniche di pre-elaborazione delle immagini per compiti di visione artificiale.
• Distribuire modelli di visione artificiale per applicazioni reali.
• Utilizzare il transfer learning per migliorare le prestazioni dei modelli CNN.
• Visualizzare e interpretare i risultati dei modelli di classificazione delle immagini.

Questo corso di formazione guidato dall'instruttore (online o in presenza) è rivolto a data scientists e software engineers che desiderano utilizzare Dask nell'ecosistema Python per costruire, scalare e analizzare grandi dataset.

Al termine di questo corso, i partecipanti saranno in grado di:

• Configurare l'ambiente per iniziare a processare dati su larga scala con Dask e Python.
• Esplorare le funzionalità, librerie, strumenti e API disponibili in Dask.
• Capire come Dask accelera il calcolo parallelo in Python.
• Imparare a scalare l'ecosistema Python (Numpy, SciPy e Pandas) utilizzando Dask.
• Ottimizzare l'ambiente Dask per mantenere prestazioni elevate nella gestione di grandi dataset.

Questa formazione guidata dal docente in Italia (online o presenza) è rivolta a sviluppatori e analisti dei dati di livello intermedio che desiderano migliorare le loro competenze nell'analisi e nella manipolazione dei dati utilizzando Pandas e NumPy.

Al termine della formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che include Python, Pandas e NumPy.
• Crea un'applicazione di analisi dati utilizzando Pandas e NumPy.
• Eseguire operazioni avanzate di wrangling, ordinamento e filtraggio dei dati.
• Condurre operazioni aggregate ed analizzare i dati delle serie temporali.
• Visualizzare i dati utilizzando Matplotlib e altre librerie di visualizzazione.
• Debuggare e ottimizzare il proprio codice di analisi dati.

Questo corso guidato dal formatore in Italia (online o sul posto) è rivolto a scienziati dei dati e sviluppatori di livello intermedio che desiderano comprendere e applicare tecniche di deep learning utilizzando l'ambiente Google Colab.

Al termine del corso, i partecipanti saranno in grado di:

• Configurare e navigare in Google Colab per progetti di deep learning.
• Comprendere le basi delle reti neurali.
• Implementare modelli di deep learning utilizzando TensorFlow.
• Addestrare e valutare modelli di deep learning.
• Utilizzare funzionalità avanzate di TensorFlow per deep learning.

Questa formazione guidata dal docente (online o in aula) è rivolta agli sviluppatori che desiderano utilizzare la stack FARM (FastAPI, React e MongoDB) per creare applicazioni web dinamiche, ad alte prestazioni e scalabili.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configurare l'ambiente di sviluppo che integra FastAPI, React e MongoDB.
• Comprendere i concetti chiave, le funzionalità e i vantaggi della stack FARM.
• Imparare a creare REST APIs con FastAPI.
• Imparare a progettare applicazioni interattive con React.
• Sviluppare, testare e distribuire applicazioni (front end e back end) utilizzando la stack FARM.

Questo corso di formazione guidato dal docente (online o in presenza) è rivolto a sviluppatori che desiderano utilizzare FastAPI con Python per creare, testare e distribuire API RESTful in modo più facile e rapido.

Alla fine di questo corso, i partecipanti saranno in grado di:

• Configurare l'ambiente di sviluppo necessario per lo sviluppo di API con Python e FastAPI.
• Creare API più rapidamente e facilmente utilizzando la libreria FastAPI.
• Imparare come creare modelli di dati e schemi basati su Pydantic e OpenAPI.
• Connettere le API a un database utilizzando SQLAlchemy.
• Implementare sicurezza e autenticazione nelle API utilizzando gli strumenti FastAPI.
• Creare immagini di contenitori e distribuire API web su un server cloud.

Questo training guidato dal formatore in Italia (online o in loco) è rivolto a sviluppatori e data scientists che desiderano utilizzare TensorFlow 2.x per creare predittori, classificatori, modelli generativi, reti neurali e altro ancora.

Al termine di questo training, i partecipanti saranno in grado di:

• Installare e configurare TensorFlow 2.x.
• Comprendere i vantaggi di TensorFlow 2.x rispetto alle versioni precedenti.
• Creare modelli di deep learning.
• Implementare un classificatore avanzato per immagini.
• Distribuire un modello di deep learning nel cloud, sui dispositivi mobili e IoT.

Questo corso inizia fornendo una conoscenza concettuale delle reti neurali e, più in generale, degli algoritmi di apprendimento automatico, dell'apprendimento profondo (algoritmi e applicazioni).

La Parte 1 (40%) di questo training si concentra sui fondamenti, ma aiuterà a scegliere la tecnologia giusta: TensorFlow, Caffe, Theano, DeepDrive, Keras, ecc.

La Parte 2 (20%) di questo training introduce Theano - una libreria Python che facilita la scrittura di modelli di apprendimento profondo.

La Parte 3 (40%) del training si baserà ampiamente sull'API di Google's open source software library per l'apprendimento profondo, TensorFlow. Gli esempi e le sessioni pratiche saranno tutti realizzati in TensorFlow.

Pubblico Obiettivo

Questo corso è destinato a ingegneri che desiderano utilizzare TensorFlow per i loro progetti di apprendimento profondo.

Al termine di questo corso, i partecipanti saranno in grado di:

• avere una buona comprensione delle reti neurali profonde (DNN), CNN e RNN
• comprendere la struttura e i meccanismi di distribuzione di TensorFlow
• essere in grado di eseguire compiti relativi all'installazione, all'ambiente di produzione, alla configurazione dell'architettura
• essere in grado di valutare la qualità del codice, eseguire il debug e il monitoraggio
• essere in grado di implementare produzioni avanzate come l'addestramento dei modelli, la costruzione di grafi e il logging