Innføring i Data Science og KI med Python Treningskurs

LangGraph er et rammeverk for å bygge tilstandsstyrte, multi-aktor LLM-applikasjoner som sammensatte grafer med vedvarende tilstand og kontroll over utførelsen.

Denne instruktørledede, live-treningen (online eller på stedet) er rettet mot AI-plattformingeniører, DevOps for AI, og ML-arkitekter på avansert nivå som ønsker å optimalisere, feilsøke, overvåke og drifte produksjonsklare LangGraph-systemer.

Ved slutten av denne treningen vil deltakerne kunne:

• Designe og optimalisere komplekse LangGraph-topologier for hastighet, kostnad og skalerbarhet.
• Ingeniørreliabilitet med gjentakelser, tidsutløsninger, idempotens, og gjenoppretting basert på sjekkpunkter.
• Feilsøke og spore grafutførelser, inspisere tilstand, og systematisk reprodusere produksjonsproblemer.
• Instrumentere grafer med loggfiler, målinger og spor, deployere til produksjon, og overvåke SLAs og kostnader.

Format for kurset

• Interaktiv forelesning og diskusjon.
• Mye øvelser og praksis.
• Hands-on implementering i et live-laboratoriumsmiljø.

Kursetilpassingsmuligheter

• For å be om tilpasset trening for dette kurset, ta kontakt med oss for å avtale.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot dataforskere som ønsker å bruke Anaconda-økosystemet til å fange opp, administrere og distribuere pakker og dataanalysearbeidsflyter på én enkelt plattform.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Anaconda komponenter og biblioteker.
• Forstå kjernekonseptene, funksjonene og fordelene ved Anaconda.
• Administrer pakker, miljøer og kanaler ved hjelp av Anaconda Navigator.
• Bruk Conda-, R- og Python-pakker for datavitenskap og maskinlæring.
• Bli kjent med noen praktiske brukstilfeller og teknikker for å administrere flere datamiljøer.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og programvareingeniører som ønsker å bruke Dask med Python-økosystemet for å bygge, skalere og analysere store datasett.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp miljøet for å begynne å bygge stordatabehandling med Dask og Python.
• Utforsk funksjonene, bibliotekene, verktøyene og APIene som er tilgjengelige i Dask.
• Forstå hvordan Dask akselererer parallell databehandling i Python.
• Lær hvordan du skalerer Python-økosystemet (Numpy, SciPy og Pandas) ved hjelp av Dask.
• Optimaliser Dask-miljøet for å opprettholde høy ytelse ved håndtering av store datasett.

Denne instruktørledede, live opplæringskurset i Norge (online eller på sted) er rettet mot mellomnivåutviklere av Python og dataanalytikere som ønsker å forbedre ferdighetene sine i dataanalyse og datamanipulering ved bruk av Pandas og NumPy.

Ved avslutningen av denne opplæringen vil deltakerne kunne:

• Opprette en utviklingsmiljø som inkluderer Python, Pandas og NumPy.
• Lage en dataanalyseapplikasjon ved bruk av Pandas og NumPy.
• Utføre avansert datamanipulering, sortering og filtreringsoperasjoner.
• Utføre aggregatoperasjoner og analysere tidsrekker.
• Visualisere data ved bruk av Matplotlib og andre visualiseringsbiblioteker.
• Feilsøke og optimalisere dataanalysekoden sin.

Denne instruktørledede, live opplæringen (online eller på stedet) er rettet mot utviklere som ønsker å bruke FARM-stakken (FastAPI, React, og MongoDB) til å bygge dynamiske, høyytelsesfulle og skalerbare webapplikasjoner.

Ved avslutningen av denne opplæringen vil deltakerne kunne:

• Sette opp den nødvendige utviklingsmiljøet som integrerer FastAPI, React, og MongoDB.
• Forstå de viktige konsepter, egenskapene og fordelene ved FARM-stakken.
• Lære å bygge REST-APIer med FastAPI.
• Lære å designe interaktive applikasjoner med React.
• Utvikle, teste og distribuere applikasjoner (front-end og back-end) ved hjelp av FARM-stakken.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke FastAPI med Python for å bygge, teste og distribuere RESTful APIer enklere og raskere.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sette opp det nødvendige utviklingsmiljøet for å utvikle API-er med Python og FastAPI.
• Opprette API-er raskere og enklere ved hjelp av FastAPI-biblioteket.
• Lære hvordan man oppretter datamodeller og skjemaer basert på Pydantic og OpenAPI.
• Koble API-er til en database ved hjelp av SQLAlchemy.
• Implementere sikkerhet og autentisering i API-er ved hjelp av FastAPI-verktøyene.
• Bygge container-images og distribuere web-API-er til en sky-server.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot datavitere og utviklere som ønsker å lære og bygge karrierer i Data Science ved hjelp av Kaggle.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lær om datavitenskap og maskinlæring.
• Utforsk dataanalyse.
• Lær om Kaggle og hvordan det fungerer.

LangGraph er et rammeverk for å bygge tilstandsbaserte, multi-actor LLM-applikasjoner som sammensatte grafer med vedvarende tilstand og kontroll over utføring.

Denne instruktørledede, live-treningen (online eller på sted) er rettet mot mellomnivå- til avanserte profesjonelle som ønsker å designe, implementere og drive LangGraph-baserte finansløsninger med riktig styring, observabilitet og overholdelse.

Ved slutten av denne treningen vil deltakerne kunne:

• Designe finansrelaterte LangGraph-flere arbeidsflyter som følger regelverks- og revisjonskrav.
• Integere finansielle datastandarder og ontologier i graftilstand og verktøy.
• Implementere pålitelighet, sikkerhet og menneske-i-løkke-kontroll for kritiske prosesser.
• Deploy, overvåke og optimalisere LangGraph-systemer for ytelse, kostnad og SLAs.

Format på kurset

• Interaktiv forelesning og diskusjon.
• Mange øvelser og praktisk trening.
• Hender i live-laboratoriums miljø.

Tilpassingsalternativer for kurset

• For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å avtale.

LangGraph er en rammeverk for å bygge grafbaserte LLM-applikasjoner som støtter planlegging, grening, verktøybruk, minne og kontrollerbar utførelse.

Denne instruktørledede, live-trainingen (online eller på stedet) er rettet mot utviklere på begynnernivå, prompt-ingeniører og datapraktikere som ønsker å designe og bygge pålitelige, flertrinns LLM-arbeidsflyter ved hjelp av LangGraph.

Ved slutten av denne trainingen vil deltakerne kunne:

• Forklare kjernekonsepter i LangGraph (noder, kanter, tilstand) og når de skal brukes.
• Bygge promptkjeder som grener, kaller verktøy og opprettholder minne.
• Integere henting og eksterne API-er i grafarbeidsflyter.
• Teste, feilsøke og vurdere LangGraph-apper for pålitelighet og sikkerhet.

Kursformat

• Interaktiv forelesning og fasilitert diskusjon.
• Veiledede laboratorier og kodegåthrough i en sandkassemiljø.
• Scenariebaserte øvelser på design, testing og vurdering.

Muligheter for kurskustomisering

• For å be om en tilpasset treningskurs for dette kurset, vennligst kontakt oss for å avtale.

LangGraph muliggjør tilstandsbaserte, multi-aktorarbeidsfløter drevet av LLMs med presis kontroll over utførelsespåer og tilstandspersistens. I helsevesenet er disse evnene avgjørende for overholdelse av forskrifter, interoperabilitet og opprettelse av beslutningsstøttesystemer som samordnes med medisinske arbeidsfløter.

Denne instruktørledede, live trening (online eller på stedet) er rettet mot mellomnivå- til avanserte fagfolk som ønsker å designe, implementere og administrere LangGraph-baserte helsevesenløsninger mens de møter regulerings-, etiske og operative utfordringer.

Ved avslutningen av denne treningen vil deltakerne kunne:

• Designe helsevesen-spesifikke LangGraph-arbeidsfløter med overholdelse og auditering i tankene.
• Integrere LangGraph-applikasjoner med medisinske ontologier og standarder (FHIR, SNOMED CT, ICD).
• Bruke beste praksis for pålitelighet, sporbarhet og forklarbarhet i sensitive miljøer.
• Utplassere, overvåke og validere LangGraph-applikasjoner i helsevesensproduksjonsmiljøer.

Format på kurset

• Interaktive forelesninger og diskusjoner.
• Hender-på øvelser med virkelige tilfeller.
• Implementeringsøvelser i et live-labmiljø.

Tilpasningsmuligheter for kurset

• For å be om tilpasset trening for dette kurset, vennligst kontakt oss for å avtale.

LangGraph er et rammeverk for å sammensette grafbaserte LLM-arbeidsflyter som støtter avgrening, verktøybruk, hukommelse og kontrollert utførelse.

Denne instruktørledede, live-treningen (online eller på sted) er rettet mot mellomnivåingeniører og produktlag som ønsker å kombinere LangGraphs graflogikk med LLM-agent-sløyfer for å bygge dynamiske, kontekstavhengige applikasjoner som kundestøtteagenter, beslutningstrær og informasjonshentingssystemer.

Ved slutten av denne treningen vil deltakerne kunne:

• Designe grafbaserte arbeidsflyter som koordinerer LLM-agenter, verktøy og hukommelse.
• Implementere betinget ruting, gjentakelser og reserveplaner for robust utførelse.
• Integere henting, APIs og strukturerte utdata i agent-sløyfer.
• Vurdere, overvåke og sikre agentatferd for pålitelighet og sikkerhet.

Format på kurset

• Interaktiv forelesning og fasilitert diskusjon.
• Veiledede laboratorier og kodegjennomganger i en sandkasse-miljø.
• Scenariobaserte designøvelser og kollegaomtaler.

Tilpassingsmuligheter for kurset

• For å be om tilpasset trening for dette kurset, ta kontakt med oss for å avtale.

LangGraph er et grafbasert orkestreringsrammeverk som gjør det mulig å implementere betingede, fler-trinns LLM- og verktøy-arbeidsflyt. Dette rammen er ideelt for automatisering og personalisering av innholdspipelines.

Denne instruktørflyttede, live-treningen (online eller på stedet) er rettet mot markedsførere med mellomnivåkompetanse, innholdsstrateger og automatiseringudviklere som ønsker å implementere dynamiske, greningsmessige e-postkampanjer og innholdsgenereringspipelines ved hjelp av LangGraph.

Ved slutten av denne treningen vil deltakerne kunne:

• Designe grafstrukturert innhold og e-postarbeidsflyt med betingelseslogikk.
• Integrere LLMs, APIer og datasøknelser for automatisert personalisering.
• Administrere tilstand, minne og kontekst i fler-trinns kampanjer.
• Evaluere, overvåke og optimalisere arbeidsflyts prestasjon og leveranseresultater.

Kursform

• Interaktive forelesninger og gruppediskusjoner.
• Praktiske laboratorieøvelser med implementering av e-postarbeidsflyt og innholdspipelines.
• Scenario-baserte øvelser om personalisering, segmentering og greningslogikk.

Kursanpassningsmuligheter

• For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å ordne det.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og utviklere som ønsker å bruke Modin til å bygge og implementere parallelle beregninger med Pandas for raskere dataanalyse.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige miljøet for å begynne å utvikle Pandas arbeidsflyter i skala med Modin.
• Forstå funksjonene, arkitekturen og fordelene ved Modin.
• Kjenn forskjellene mellom Modin, Dask og Ray.
• Utfør Pandas operasjoner raskere med Modin.
• Implementer hele Pandas API og funksjoner.

Denne instruktørledede, live treningen (online eller på stedet) er rettet mot datavitere og utviklere som ønsker å bruke RAPIDS for å bygge GPU-akselerte datapipeliner, arbeidsflyter og visualiseringer, ved å bruke maskinlæringsalgoritmer, slik som XGBoost, cuML, etc.

Ved slutten av denne treningen vil deltakerne være i stand til å:

• Opprette den nødvendige utviklingsmiljøet for å bygge datamodeller med NVIDIA RAPIDS.
• Forstå funksjonene, komponentene og fordelene ved RAPIDS.
• Utnytt GPU til å akselerere ende-til-ende data- og analytiske pipeliner.
• Implementere GPU-akselert datapreparering og ETL med cuDF og Apache Arrow.
• Lære å utføre maskinlæringsoppgaver med XGBoost- og cuML-algoritmer.
• Bygge data-visualiseringer og utføre grafanalyse med cuXfilter og cuGraph.