Wdrażanie aplikacji analitycznych w R i Python

987 zł*
*Podana cena kursu jest ceną:

  • brutto (zawiera podatek VAT 23%), jeśli zakupu dokonują osoby fizyczne nie prowadzące działalności gospodarczej;
  • netto (nie zawiera podatku VAT 23% – cena brutto 1214,01 zł), jeśli zakupu dokonują osoby fizyczne prowadzące działalność gospodarczą lub osoby prawne;
  • obowiązującą dla płatności przed rozpoczęciem kursu.
Cena zawiera m.in. certyfikat zdania egzaminu (na podstawie rozwiązanych zadań sprawdzających), zaświadczenie ukończenia kursu (na podstawie obecności), komplet materiałów z pełnymi rozwiązaniami, darmowe konsultacje (więcej), zajęcia w sali komputerowej lub w formie zdalnej (więcej) – do wyboru.
(za 30 godzin dydaktycznych)
*Szczegóły cenowe

Poziom: średnio zaawansowany + zaawansowany

30 godzin dydaktycznych

Zajęcia zdalne lub stacjonarne w sali komputerowej

Zaświadczenie ukończenia  

Ocena kursu: nowy kurs

Koordynator: Piotr Ćwiakowski (pcwiakowski@labmasters.pl)

Oprogramowanie: R/Python/ Git/Docker

Miejsce: Wydział Nauk Ekonomicznych UW, Warszawa ul. Długa 44/50 (mapa)

Opis kursu

Wdrażanie i rozwój rozwiązań analitycznych w środowisku produkcyjnym w przedsiębiorstwie jest jedną kluczowych umiejętności na wyższych, samodzielnych stanowiskach analitycznych. Analitycy Data Science, programiści oraz zarządzający projektami potrzebują opanować zbiór narzędzi (tzw. stack technologiczny), który pozwoli na realizację pełnego cyklu rozwoju projektu z zachowaniem dobrych praktyk: wersjonowanie, praca w zespole, testowanie i finalnie opublikowanie modelu analitycznego do zastosowań dla końcowego odbiorcy. Wiedza i umiejętności z tym związane wchodzą w zakres czynności powszechnie nazywanych DevOps.

Kurs prowadzony jest na poziomie średnio zaawansowanym i zaawansowanym. Wymagana jest znajomość dowolnego języka programowania (przede wszystkim R lub Python), przy czym przykłady zostaną przygotowane w R i Python. Przedstawione zostaną tu narzędzia umożliwiające efektywne zarządzanie projektami analitycznymi (praca w systemie Linux git, Docker). Przygotowane przykłady posłużą do zaprezentowania praktycznych problemów, z którymi mierzą się analitycy i osoby zarządzające projektami. Uczestnicy w trakcie kursu poznają rozwiązania omawianych problemów z wykorzystaniem powszechnie stosowanych narzędzi i technik. Dokonany zostanie również przegląd rozwiązań chmurowych (AWS, Google Cloud).  Poniżej szczegółowy opis kursu.

Zapisy

Zgłoś zainteresowanie

Jeżeli jesteś zainteresowany(a) wzięciem udziału w kursie realizowanym na żywo, ale w późniejszym terminie, zgłoś wstępną chęć uczestnictwa. Dzięki temu, wcześniej niż inni otrzymasz informację o zapisach i będziesz mieć pierwszeństwo w rejestracji.

Tematyka kursu

Dobre praktyki rozwijania i zarządzania projektami

Podstawy systemu Linux (bash, praca w terminalu), wersjonowanie projektu w oparciu o git i Github (a także porównanie z Gitlab i BitBucket) z zastosowaniem w pracy zespołowej (review, branch, pull request, Scrum Board).

Praca w odtwarzalnym środowisku projektowym

Podstawy technologii Docker (kontener, obraz dockerowy, Dockerfile), wykorzystanie Docker’a w rozwijaniu projektów, pracy zespołowej, a także publikowaniu wyników.

Elementy DevOps

Implementacja Continuous Integration (CI) oraz Continuous Delivery (CD) w celu testowania rozwiązań projektu, aktualizacji danych oraz automatycznego publikowania wyników (na bazie Github Actions).

Techniki publikowania wyników modeli analitycznych

Podstawy tworzenia REST API, aplikacji webowych, wykorzystanie i przegląd rozwiązań chmurowych (AWS, Google Cloud), popularne rozwiązania powiązane z wybranym językiem programowania.