Corso di formazione Python in Data Science

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai data scientist che desiderano utilizzare l'ecosistema Anaconda per acquisire, gestire e distribuire pacchetti e flussi di lavoro di analisi dei dati in un'unica piattaforma.

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

• Installare e configurare Anaconda componenti e librerie.
• Comprendere i concetti fondamentali, le caratteristiche e i vantaggi di Anaconda.
• Gestisci pacchetti, ambienti e canali utilizzando Anaconda Navigator.
• Usa i pacchetti Conda, R e Python per l'analisi scientifica dei dati e l'apprendimento automatico.
• Scopri alcuni casi d'uso pratici e tecniche per la gestione di più ambienti di dati.

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.

I big data sono insiemi di dati così voluminosi e complessi che i tradizionali software applicativi per l'elaborazione dei dati non sono adeguati per gestirli. Le sfide relative ai big data comprendono l'acquisizione di dati, l'archiviazione dei dati, l'analisi dei dati, la ricerca, la condivisione, il trasferimento, la visualizzazione, l'interrogazione, l'aggiornamento e la riservatezza delle informazioni.

Questo corso è pensato per professionisti del Marketing e delle Vendite che intendono approfondire l'applicazione della data science nel settore del Marketing/Vendite. Il corso offre una copertura dettagliata di diverse tecniche di data science utilizzate per "upsale", "cross-sale", segmentazione di mercato, branding e CLV (Customer Lifetime Value).

Differenza tra Marketing e Vendite - In cosa consistono le differenze tra vendite e marketing?

In parole molto semplici, si può dire che le vendite sono un processo che si concentra su individui o piccoli gruppi. Il marketing, al contrario, mira a un pubblico più ampio o al grande pubblico. Il marketing include la ricerca (identificazione delle esigenze del cliente), lo sviluppo di prodotti (creazione di prodotti innovativi) e la promozione del prodotto (attraverso pubblicità) per creare consapevolezza tra i consumatori. In sostanza, il marketing significa generare leads o prospettive. Una volta che il prodotto è in commercio, è compito della forza vendita convincere il cliente a comprarlo. Le vendite significano convertire leads o prospettive in acquisti e ordini, mentre il marketing mira a obiettivi a lungo termine, le vendite riguardano obiettivi a breve termine.

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 corso interattivo guidato dal formatore (online o in presenza) a Italia introduce l'idea dello sviluppo collaborativo nella scienza dei dati e dimostra come utilizzare Jupyter per tracciare ed essere parte di un team nel "ciclo di vita di un'idea computazionale". Conduce i partecipanti attraverso la creazione di un progetto di esempio di scienza dei dati basato sull'estensione del sistema Jupyter.

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

• Installare e configurare Jupyter, incluso la creazione e l'integrazione di un repository di team su Git.
• Utilizzare funzionalità di Jupyter come estensioni, widget interattivi, modalità multiutente e altro per abilitare la collaborazione del progetto.
• Creatare, condividere ed organizzare i Jupyter Notebook con i membri della squadra.
• Scegliere tra Scala, Python, R, per scrivere ed eseguire codice su sistemi di grandi dimensioni come Apache Spark, tutto attraverso l'interfaccia Jupyter.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e sviluppatori che desiderano apprendere e costruire la propria carriera in Data Science utilizzando Kaggle.

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

• Scopri di più sulla scienza dei dati e sull'apprendimento automatico.
• Esplora l'analisi dei dati.
• Scopri di più su Kaggle e su come funziona.

Nella prima parte di questo corso di formazione, tratteremo i fondamenti di MATLAB e la sua funzione sia come linguaggio che come piattaforma.  In questa discussione è inclusa un'introduzione alla sintassi MATLAB, agli array e alle matrici, alla visualizzazione dei dati, allo sviluppo di script e ai principi orientati agli oggetti.

Nella seconda parte, dimostriamo come utilizzare MATLAB per il data mining, l'apprendimento automatico e l'analisi predittiva. Per fornire ai partecipanti una prospettiva chiara e pratica dell'approccio e della potenza di MATLAB, facciamo confronti tra l'uso di MATLAB e l'uso di altri strumenti come fogli di calcolo, C, C++ e Visual Basic.

Nella terza parte della formazione, i partecipanti imparano come semplificare il loro lavoro automatizzando l'elaborazione dei dati e la generazione di report.

Durante il corso, i partecipanti metteranno in pratica le idee apprese attraverso esercizi pratici in un ambiente di laboratorio. Al termine della formazione, i partecipanti avranno una conoscenza approfondita delle capacità di MATLAB e saranno in grado di utilizzarle per risolvere problemi di scienza dei dati del mondo reale e per semplificare il loro lavoro attraverso l'automazione.

Durante il corso verranno condotte valutazioni per valutare i progressi.

Formato del corso

• Il corso include esercizi teorici e pratici, tra cui discussioni di casi, ispezione di codici di esempio e implementazione pratica.

Nota

• Le sessioni di pratica si baseranno su modelli di report di dati di esempio prestabiliti. Se avete esigenze specifiche, vi preghiamo di contattarci per organizzare.

Questo corso guidato dal formatore in Italia (online o presenza) è rivolto a analisti dei dati di livello intermedio, sviluppatori o aspiranti scienziati dei dati che desiderano applicare tecniche di apprendimento automatico in Python per estrarre indicazioni, fare previsioni ed automatizzare decisioni basate sui dati.

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

• Comprendere e differenziare i principali paradigmi dell'apprendimento automatico.
• Esplorare tecniche di preprocessing dei dati e metriche di valutazione dei modelli.
• Applicare algoritmi di apprendimento automatico per risolvere problemi reali con i dati.
• Utilizzare le librerie Python e i notebook Jupyter per lo sviluppo pratico.
• Costruire modelli per la previsione, la classificazione, le raccomandazioni e il clustering.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e sviluppatori che desiderano utilizzare Modin per creare e implementare calcoli paralleli con Pandas per un'analisi più rapida dei dati.

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

• Configura l'ambiente necessario per iniziare a sviluppare Pandas flussi di lavoro su larga scala con Modin.
• Comprendere le caratteristiche, l'architettura e i vantaggi di Modin.
• Conosci le differenze tra Modin, Dask e Ray.
• Esegui Pandas operazioni più velocemente con Modin.
• Implementa l'intera API e le funzioni Pandas.

Python è un linguaggio di programmazione che ha acquisito una grande popolarità nel settore finanziario. Adottato dalle più grandi banche d'investimento e fondi speculativi, viene utilizzato per costruire una vasta gamma di applicazioni finanziarie, dalla creazione di programmi di trading centrali a sistemi di gestione del rischio.

In questa formazione guidata dal docente, i partecipanti impareranno come usare Python per sviluppare applicazioni pratiche per risolvere una serie di problemi finanziari specifici.

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

• Comprendere i fondamenti del linguaggio di programmazione Python
• Scaricare, installare e mantenere gli strumenti di sviluppo migliori per creare applicazioni finanziarie in Python
• Scegliere e utilizzare i pacchetti Python più adatti e le tecniche di programmazione per organizzare, visualizzare e analizzare dati finanziari da varie fonti (CSV, Excel, database, web, ecc.)
• Costruire applicazioni che risolvono problemi relativi all'allocazione degli asset, all'analisi del rischio, al rendimento degli investimenti e altro ancora
• Solvere problemi, integrare, distribuire e ottimizzare un'applicazione Python

Pubblico di riferimento

• Sviluppatori
• Analisti
• Quants

Formato del corso

• Parte lezione, parte discussione, esercizi e pratica intensiva

Note

• Questa formazione mira a fornire soluzioni per alcuni dei principali problemi affrontati dai professionisti del settore finanziario. Tuttavia, se hai un argomento particolare, uno strumento o una tecnica che desideri aggiungere o approfondire ulteriormente, non esitare a contattarci per organizzare.

Questo corso di formazione guidato dal docente (online o in sede) è rivolto a data scientists e sviluppatori che desiderano utilizzare RAPIDS per costruire pipeline di dati, flussi di lavoro e visualizzazioni accelerate da GPU, applicando algoritmi di machine learning come XGBoost, cuML, ecc.

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

• Configurare l'ambiente di sviluppo necessario per costruire modelli di dati con NVIDIA RAPIDS.
• Comprendere le funzionalità, i componenti e i vantaggi di RAPIDS.
• Sfruttare le GPU per accelerare pipeline end-to-end di dati e analisi.
• Implementare la preparazione dei dati e l'ETL accelerati da GPU con cuDF e Apache Arrow.
• Imparare come eseguire compiti di machine learning con algoritmi XGBoost e cuML.
• Creare visualizzazioni dei dati ed eseguire l'analisi grafica con cuXfilter e cuGraph.