Selenium. Kurs video. Twój pierwszy automatyczny test w Python

Tomasz Kaniecki

Obierz kurs na... automatyczne testowanie w Pythonie Zawód programisty jest coraz popularniejszym życiowym wyborem - wciąż bowiem rośnie zapotrzebowanie na pracowników IT, a branża oferuje absolwentom informatyki satysfakcjonujące pensje, atrakcyjne warunki pracy, często też możliwość działania zdalnego. Jeśli myślisz o obraniu tej właśnie ścieżki zawodowej (albo o zmianie aktualnej profesji na IT), z pewnością już się do tego przygotowujesz, podejmując pierwsze próby tworzenia kodu. Całkiem prawdopodobne, że skłaniasz się - albo już dokonałeś wyboru - ku językowi Python. I świetnie: Python jest czytelny i klarowny, uniwersalny, ma spore możliwości, a przy tym pozostaje stosunkowo prosty do nauczenia. To Twój idealny pierwszy język programowania! Jednak umiejętność pisania kodu w danym języku programowania to dopiero pierwszy krok na Twojej drodze. Drugim, niemal równie ważnym, jest opanowanie zdolności do testowania tego, co udało Ci się napisać. By ułatwić sobie pracę, by ją przyspieszyć i uczynić mniej kłopotliwą, warto na początek zainteresować się testami automatycznymi. I dlatego w trakcie tego kursu zaproponujemy Ci zapoznanie się ze świetnie współpracującą z Pythonem biblioteką Selenium. Stanowi ona zestaw konkretnych narzędzi służących automatyzacji przeglądarek. Używa się jej między innymi do testowania aplikacji internetowych na wielu platformach. Na podstawie Selenium w prosty sposób napiszesz i wdrożysz własny zestaw testów, a tym samym uczynisz kolejny krok na drodze ku programowaniu. Jesteś gotów? W takim razie ruszamy! Co Cię czeka podczas naszego profesjonalnego szkolenia Ucząc się z kursem:  Poznasz dobre praktyki, które powinno się stosować podczas pisania testów z użyciem języka Python Wypróbujesz poznane możliwości interfejsu WebDriver w praktyce Przeprowadzisz testy zgodne z zasadami SOLID Opanujesz zasady lokalizowania elementów i symulowania wprowadzania danych z klawiatury Spróbujesz symulowania geolokalizacji w przeglądarce Dowiesz się, czego nie testować Co więcej... Niejako przy okazji zapoznasz się wstępnie z dodatkowymi bibliotekami, takimi jak PyTest i Behave Twoja praca w ramach szkolenia Selenium. Kurs video. Twój pierwszy automatyczny test w Pythonie zakończy się na poziomie podstawowym. Obejmuje on podstawy korzystania z wiersza poleceń i środowiska wirtualnego Python, podstawy języka Python w ogóle, bazową wiedzę na temat obiektów typu DOM i oczywiście biblioteki Selenium. Krok dalej na drodze ku programowaniu Po co komu automatyzacja w testowaniu? - możesz zapytać. Otóż w celu przyspieszenia. Po prostu. Automatyczne testowanie aplikacji i stron internetowych jest zwyczajnie szybsze niż testowanie manualne. Programista Pythona mający w stacku technologicznym umiejętność tworzenia automatycznych testów aplikacji webowych zwiększa swoje szanse na dołączenie do ciekawych i dobrze płatnych projektów. A przecież o to chodzi! Dlatego nie czekaj, tylko już dziś zapoznaj się z poszczególnymi elementami biblioteki Selenium - od podstaw podejścia obiektowego po sprawdzanie behawioralne. Zdobytą w trakcie szkolenia wiedzę wykorzystamy między innymi do wspólnego przetestowania strony - uwaga! - wydawnictwa Helion.

Sztuczna inteligencja w Azure. Kurs video. Uczenie maszynowe i Azure Machine Learning Service

Marcin Szeliga

Obierz kurs na... uczenie maszynowe z udziałem AI Uczenie maszynowe to dziedzina o rosnącej popularności i coraz szerszym znaczeniu w dzisiejszym świecie technologiczno-biznesowym. Wiele firm i instytucji wykorzystuje je do rozwiązywania różnorodnych problemów, co stwarza duże możliwości kariery dla osób z odpowiednimi umiejętnościami. Jeśli Cię to interesuje i planujesz w przyszłości zająć się zawodowo właśnie machine learning – nasz kurs będzie dla Ciebie idealny. Rozpoczyna się od absolutnych podstaw, których opanowanie pozwoli Ci się zorientować w tym, czym jest i na czym polega uczenie maszynowe, by przejść do zagadnień bardziej skomplikowanych. Solidną bazę wiedzy zdobędziesz, ucząc się współpracować z jednym z najważniejszych narzędzi w dziedzinie machine learning – Azure Machine Learning Service. Azure to popularna platforma chmurowa Microsoftu, która oferuje zaawansowane funkcje do tworzenia i wdrażania modeli uczenia maszynowego, a następnie zarządzania nimi. Ze względu na jej rozległość i dostępność umiejętność korzystania z Azure stanowi świetny wstęp do przygody z machine learning. Proponowane przez nasz szkolenie obejmuje szereg różnorodnych tematów, od uczenia nadzorowanego i nienadzorowanego aż po głębokie uczenie (deep learning) i rozwiązywanie problemów z wykorzystaniem różnych typów danych, takich jak obrazy. Dzięki temu zdobędziesz kompleksową wiedzę i umiejętności, które następnie przydadzą Ci się w bardzo różnych sytuacjach. Kurs nie skupia się tylko na teorii, zapewnia także praktyczne podejście do tematyki machine learning w AI. Pokazuje na przykład, jak w prosty sposób wdrażać modele w usługach online i przetwarzać wsadowo za pomocą Azure. W ramach nauki zatem poznasz kompletny cykl tworzenia i wdrożenia modelu. Co Cię czeka podczas naszego profesjonalnego szkolenia Podczas szkolenia między innymi: Zrozumiesz, czym jest i na czym polega uczenie maszynowe Nauczysz się przygotowywać dane przeznaczone do modelowania Zapoznasz się z metodami uczenia nienadzorowanego (grupowanie danych, klasteryzacja) Poznasz podstawy uczenia nadzorowanego (regresja) Przybliżysz sobie zagadnienia związane z uczeniem głębokim (sieci neuronowe, techniki deep learning) Będziesz oceniać jakość modeli Dowiesz się, jak się przechowuje i przetwarza dane z Azure Machine Learning Service Potrenujesz modele przy użyciu graficznych narzędzi Azure MLS i Python SDK Azure MLS Zajmiesz się automatyzacją klasycznych eksperymentów za pomocą graficznego kreatora AutoML Zbudujesz model predykcyjny przy użyciu graficznego kreatora Azure Machine Learning Service Przeanalizujesz obrazy przy użyciu graficznego kreatora AutoML Przeprowadzisz eksperymenty z użyciem notatników Jupyter i skryptów Python Będziesz monitorować eksperymenty z zastosowaniem biblioteki MLflow Nauczysz się logować i wdrażać modele, a także nimi zarządzać A ponadto: Wspólnie zastanowimy się nad tym, czym jest odpowiedzialna sztuczna inteligencja Sztuczna inteligencja w Azure. Kurs video. Uczenie maszynowe i Azure Machine Learning Service kończy się na poziomie średnio zaawansowanym. Szkolenie umożliwia zdobycie solidnych podstaw i praktycznych umiejętności związanych z uczeniem maszynowym, jak również przygotowuje do nauki na poziomie zaawansowanym, który obejmuje bardziej skomplikowane techniki i zagadnienia. Praktyczny wymiar uczenia maszynowego Dzięki zdobytej wiedzy i umiejętnościom będziesz w stanie zastosować machine learning do rozwiązywania różnorodnych problemów w swojej dziedzinie zawodowej. Możesz na przykład pracować jako analityk danych, naukowiec danych (data scientist), specjalista do spraw sztucznej inteligencji lub zajmować się wdrożeniem rozwiązań uczenia maszynowego w firmach. Te umiejętności mogą Ci się również przydać do prowadzenia projektów badawczych lub biznesowych, co może prowadzić do odkrycia nowych wzorców i możliwości w danych – dziś, gdy dane odgrywają kluczową rolę we wszystkich dziedzinach życia, jest to szczególnie cenne.

Testy automatyczne kodu Python. Kurs video. Pisanie testów jednostkowych od podstaw

Jakub Wasielak

Obierz kurs na sprawne testowanie kodu Trudno wyobrazić sobie doświadczonego programistę, który w trakcie rozwijania kodu nie dba o jego przetestowanie. Dynamika powstawania oprogramowania powoduje, że kod z napisanymi testami automatycznymi jest o wiele bardziej odporny na przypadkowe błędy, które - nie ma co ukrywać - zdarzają się nawet najlepszym. Jeżeli więc zależy Ci na dostarczaniu niezawodnego kodu, testy automatyczne są obowiązkowym punktem na Twojej liście "to do". W trakcie tego kursu nauczysz się, jak z sukcesem tworzyć podstawowe, a przy okazji najważniejsze z nich, czyli testy jednostkowe, które sprawdzają najbardziej szczegółowe funkcje. Niniejsze szkolenie to doskonały przewodnik po najpopularniejszej bibliotece służącej do testowania kodu języka Python, czyli py.test. Autor kursu nie omawia wyłącznie dokumentacji - kładzie nacisk przede wszystkim na dobre nawyki i zwyczaje, które zwiększają zarówno wartość testów, jak i biegłość ich tworzenia. Osoba, która ukończy proponowane przez nas szkolenie, z pewnością nabierze wprawy w pisaniu testów jednostkowych oraz polepszy jakość tworzonego oprogramowania. Co więcej, opanowanie testów jednostkowych będzie świetnym wstępem do nauki testowania funkcjonalnego oraz behawioralnego. Co Cię czeka podczas naszego profesjonalnego szkolenia? Dzięki niniejszemu kursowi video: poznasz środowisko PyCharm i nauczysz się w nim pracować; zrobisz sobie małą powtórkę z Pythona; nauczysz się sprawnie testować swój kod; dowiesz się, jak oszczędzić czas podczas testowania; przekonasz się, w jaki sposób skutecznie debugować kod. Co więcej... ...poznasz metodykę Test Driven Development. Testy automatyczne kodu Python. Kurs video. Pisanie testów jednostkowych od podstaw kończy się na poziomie średnio zaawansowanym. W trakcie szkolenia jego słuchacz zdobędzie wyczerpującą wiedzę na temat testów jednostkowych. Kolejnym etapem nauki powinno być testowanie całościowego działania - najlepiej w oparciu o aplikacje webowe. Witaj w świecie testów jednostkowych! Usiądź wygodnie, uruchom kurs i przygotuj się na to, że kolejne trzy godziny swojego programistycznego życia spędzisz bardzo owocnie. Dowiesz się mianowicie, czym są testy jednostkowe i kiedy warto - a nawet trzeba! - je stosować. Nauczysz się pisać takie testy z wykorzystaniem wbudowanej w język Python biblioteki unittest. Poznasz dobre praktyki rozwijania testów oraz metodykę ich pisania według szablonu given - when - then. Opanujesz zasady DRY (don't repeat yourself), reguły parametryzacji testów oraz mockowania, czyli tworzenia atrap obiektu, które będą naśladować jego funkcjonowanie. Dowiesz się, czym jest monkeypatching, oraz przyjrzysz się globalnemu plikowi konfiguracyjnemu Conftest. Sprawdzisz pokrycie swojego kodu testami. Wreszcie - będziesz debugować kod z użyciem wbudowanego debuggera pdb, korzystać z biblioteki wdb i zarządzać uruchamianiem poszczególnych testów. Dla zaawansowanych Na koniec kursu poznasz najlepszą możliwą propozycję dla początkujących programistów: nauczysz się rozwiązywać proste ćwiczenie, czyli tzw. kata, w metodyce Test Driven Development. Metodyka ta zyskuje na popularności, zarówno jeśli chodzi o ćwiczenia programistyczne, jak i o profesjonalne pisanie kodu. Dobre opanowanie TDD pozwala nie tylko na tworzenie testów równolegle z oprogramowaniem, ale również pokazuje, jak wartościowe może być podejście od szczegółu do ogółu.

Twórz gry w Pythonie. Kurs video. Poznaj bibliotekę PyGame

Karol Kurek

Obierz kurs na… Pygame! Pygame to jedna z tych fantastycznych bibliotek, które pozwalają poszerzyć możliwości programowania gier i aplikacji multimedialnych w języku Python. Ostatnio zyskuje coraz większą popularność — w zeszłym roku pojawiła się jej nowa wersja, Pygame 2. Jeśli znasz już język Python i marzysz o tym, by wykorzystać go do kreowania świetnych gier, nie znajdziesz nic lepszego! A jeśli chcesz szybko zaznajomić się z praktyczną stroną programowania z Pygame, trafiłeś na doskonały kurs! Twórz gry w Pythonie. Kurs video. Poznaj bibliotekę Pygame pozwoli Ci odkryć sekrety tej biblioteki i przygotuje Cię do samodzielnego tworzenia w pełni profesjonalnych gier. Autor przeprowadzi Cię przez wszystkie etapy powstawania gry, od otwarcia pierwszego pliku aż po uruchomienie kompilatora Pythona, Nuitki, w celu uzyskania pliku wykonywalnego. Co więcej, tę drogę przejdzie z Tobą aż trzy razy: razem stworzycie trzy solidne gry. Nie pozostawi Cię także bez pomocy w zakresie przygotowania materiałów wyjściowych gry: grafik, dźwięków i muzyki. Ściągnij Pygame i wstąp do świata twórców obłędnych gier! Czego się nauczysz podczas naszego profesjonalnego szkolenia? Nauczysz się wykorzystywać bibliotekę Pygame i framework Pygame Zero. Zobaczysz, jak dodawać obrazy, czcionki, fonty i inne elementy do gry. Będziesz operować na grafikach 2D i tworzyć animacje. Dowiesz się, jak wykorzystywać dźwięki, muzykę i napisy w grach. Skompilujesz grę do pliku .exe (standardowo w Pythonie nie jest to możliwe). Przygotujesz obsługę zdarzeń myszki i klawiatury. Stworzysz własny i wykorzystasz istniejący mechanizm wykrywania kolizji między obiektami. Podczas szkolenia Twórz gry w Pythonie. Kurs video. Poznaj bibliotekę Pygame opanujesz także modyfikowanie kodu innych bibliotek w celu dodania do nich funkcjonalności, nauczysz się, jak wykorzystywać w grach niektóre wzorce projektowe (provider, cache, callback) oraz jak stworzyć i obsługiwać kamerę w Pygame. Zaczniesz implementować działania wrogów (a konkretnie podejmowanie przez nich decyzji, by skutecznie zaatakować bohaterów gry). Poznasz mechanizm reagowania na zdarzenia przez sprawdzenie stanu niewidocznej grafiki pod grą (bitmap-based physics). Ponadto dowiesz się, jak tworzyć własne dźwięki do gry, skąd brać grafiki i inne assety, w jaki sposób radzić sobie z niedoborem umiejętności okołoprogramistycznych (takich jak tworzenie grafik czy muzyki). Następnie sprawdzisz, jak wygląda obsługa warstw w Pygame. W gruncie rzeczy znajdziesz tu wszystko, czego potrzeba, by zbudować prostą grę 2D, od pomysłu po skończony projekt. Kurs zakończysz na poziomie średnio zaawansowanym, w pełni przygotowany do tego, by tworzyć także gry inne niż te zaprezentowane przez autora. Realizuj własne pomysły na gry! Autor szkolenia Twórz gry w Pythonie. Kurs video. Poznaj bibliotekę Pygame zapewni Ci wszelkie narzędzia do stworzenia gry, a Tobie pozostanie wymyślić jej treść, wyobrazić ją sobie i przenieść to wyobrażenie na ekran komputera. Wcześniej jednak musisz się zorientować, w jaki sposób operować „światem” (czyli wszystkim, co jest poza widocznym obszarem gry), poznać system wykrywania kolizji, opanować tworzenie prostych animacji i zdobyć nieco wiedzy na temat wszelkich innych zagadnień związanych z wykorzystaniem Pygame. Po ukończeniu kursu będziesz umiał samodzielnie stworzyć takie gry jak Mario Bros., Bomberman, Arkanoid i wiele innych. Znajdziesz tu praktyczną prezentację ogólnych metod, które zawsze działają, i będziesz mógł je zastosować w grze dowolnego typu. Solidne przećwiczenie programowania czterech gier zapewni Ci swobodę w posługiwaniu się różnymi chwytami czy sztuczkami, a także pozwoli dogłębnie poznać specyfikę używanych narzędzi. W poszukiwaniu nowej rozrywki Gry są nieodłącznym elementem komputerów i smartfonów. Przykuwają oko i wciągają na długie godziny. Wiele osób (programistów i nie tylko) próbuje tworzyć gry w ten czy inny sposób. W tej dziedzinie Python powoli zdobywa coraz większą popularność — po pierwsze za sprawą najpopularniejszej biblioteki do tworzenia gier (Pygame), a po drugie z powodu świetnego silnika Godot, który pozwala programować w tym języku. Praca z grami to praca z grafikami (zwanymi sprite’ami), dźwiękiem, muzyką, obsługą zdarzeń oraz o wiele trudniejszym debugowaniem niż w przypadku aplikacji niebędących grami. W takich aplikacjach często bardzo trudno jest powtórzyć napotkany błąd, gdyż dana sekwencja występuje dość rzadko. Wymagają one także znacznie więcej testowania. Jeśli programiście zależy na tym, żeby jego gra była bezbłędna, musi w nią długo grać. Ale dla prawdziwego twórcy gier to przecież sama przyjemność! Tylko dla wtajemniczonych Popularność Pygame 2, czyli wersji, która jest wykorzystywana podczas tego szkolenia, stale rośnie, a gry, które stworzysz wspólnie z jego autorem, są na takim samym profesjonalnym poziomie, jak komercyjne gry na Steamie. Nie znajdziesz drugiego tak dobrego kursu dla programistów gier z wykorzystaniem Pythona i Pygame. Dzięki niemu nauczysz się tworzyć gry typu: Mario Bros., Prehistoric, Contra, Flappy Bird, Prince of Persia, Mega Man i podobne - gry platformowe, w których kamera chodzi za graczem, a on zwykle przemierza świat, kierując się w prawo; Arkanoid, Timberman, tetris i tower defense - gry dwuwymiarowe, w których gracz musi jakoś pokonać otaczający go niezmienny świat; Bomberman, Tanks, Scorched Earth - gry z równie niezmiennym światem, w których występuje element wroga żyjącego własnym życiem. Jeśli zależy Ci nie tylko na zabawie w programistę, ale przede wszystkim na rzeczywistym programowaniu doskonałej jakości gier, nie możesz przeoczyć szkolenia Twórz gry w Pythonie. Kurs video. Poznaj bibliotekę Pygame.

Web scraping w Data Science. Kurs video. Techniki uczenia maszynowego w Pythonie

Tobiasz Bajek

Obierz kurs na... scraping danych i uczenie maszynowe W danych dostępnych w Internecie tkwi ogromny potencjał – poddane obróbce i analizie, są źródłem cennych informacji, niezbędnych do badań rynku, personalizowania treści, przewidywania trendów i monitorowania działań konkurencji. W posiadaniu takiej wiedzy chce być prawdopodobnie każda firma... tylko jak ją zdobyć? Do pozyskiwania ustrukturyzowanych danych z różnych źródeł w Internecie służy technika zwana scrapingiem danych (w sieci można także spotkać dosłowne tłumaczenie: zdrapywanie danych). W celu uzyskania jeszcze lepszych rezultatów biznesowych często łączy się ją z uczeniem maszynowym. Razem otwierają przed światem nowe możliwości rozwoju w postaci automatyzacji zbiorów treningowych czy tworzenia coraz bardziej złożonych modeli maszynowych, przetwarzających różnorodne typy danych. Umiejętne połączenie machine learning i scrapingu pomaga usprawnić klasyfikację, prognozowanie i cały proces trenowania sieci na dużych zbiorach danych. Być może te pojęcia brzmią nieco abstrakcyjnie, ale efekty ich działań nie są nam obce. Zderzamy się z nimi codziennie, choćby wtedy, gdy otrzymujemy personalizowane reklamy, oferty i rekomendacje. Tak sektor e-commerce i usług wykorzystuje naukę, by dotrzeć do swoich klientów. Co więcej, w marcu 2023 roku laboratorium OpenAI opublikowało model sieci neuronowej GPT-4, który dorównuje w rozumieniu języka naturalnego ludziom. Bez wątpienia zrewolucjonizuje on naszą codzienność i szereg gałęzi gospodarki. Model ten opiera się na architekturze zwanej Transformer, jednak zasada uczenia się tej sieci nie odbiega zbytnio od prostych sieci neuronowych i jest oparta na propagacji wstecznej. Zatem znajomość podstawowych budulców sieci neuronowych to cenna umiejętność, pozwalająca lepiej zrozumieć rewolucję, z którą mamy do czynienia. Wiesz już, ile korzyści płynie z biegłości w machine learning i scrapingu, pora przełożyć to na realne kompetencje. Czas najwyższy, by wykorzystać technologię i moc płynącą w danych do tworzenia rozwiązań przyszłości! W trakcie naszego profesjonalnego szkolenia: Poznasz zasady formatowania kodu w Pythonie, zgodnie ze standardem PEP 8 Nauczysz się typowania i tworzenia docstringów Dowiesz się, czym jest zdrapywanie danych i kiedy jest legalne Poznasz elementy kodu strony internetowej i przeglądarkowe narzędzia dla deweloperów Za pomocą sterownika Selenium nauczysz się scrapingu danych stron ładowanych dynamicznie Poznasz moduł BeautifulSoup służący do zbierania danych z sieci Opanujesz podstawy uczenia maszynowego – teorię i matematykę sieci neuronowych Poznasz matematykę uczenia się sieci – propagację wsteczną Dowiesz się, jakie zastosowania ma funkcja aktywacji Skorzystasz w praktyce z możliwości bibliotek NumPy i pandas Utworzysz własną sieć neuronową Zdefiniujesz kilka klas warstw sieci, w tym warstwę głęboką Przeprowadzisz propagację wsteczną dla powyższych warstw Za pomocą biblioteki TensorFlow utworzysz prostą sieć neuronową Zaimplementujesz model uczenia się sieci neuronowej Przetestujesz utworzoną sieć na zbiorze danych z biblioteki scikit-learn Opanujesz uczenie sieci na podstawie wcześniej zdrapanych danych Utworzysz funkcję do diagnostyki wyników zwracanych przez sieć Web scraping w data science. Kurs video. Techniki uczenia maszynowego w Pythonie pozwoli Ci zdobyć umiejętności potrzebne do sprawnego pozyskiwania informacji ze stron internetowych. Opanujesz fundamentalne wzorce i zagadnienia uczenia maszynowego, a następnie wdrożysz się w bardziej zaawansowane tajniki. Nauczysz się matematyki sieci neuronowej i poznasz podstawowe bloki matematyczne budujące sieć, po czym zaimplementujesz sprawną sieć od podstaw. Wiedza na temat budowy i działania poszczególnych elementów sieci neuronowej znacznie ułatwi Ci proces dalszej, samodzielnej nauki. W praktyce sprawdzisz, jakie możliwości daje scraping, na przykładzie pobierania z Internetu danych dotyczących zanieczyszczeń miast. Poznasz bibliotekę NumPy i wykorzystasz jej znajomość do tworzenia tablic, generowania liczb losowych, funkcji aktywacji i sformułowania funkcji błędu średniokwadratowego. Utworzysz funkcje aktywacji, takie jak tangens hiperboliczny czy sigmoid. Dowiesz się, do czego służy biblioteka pandas, i wykonasz funkcje do prezentowania danych, jak również nauczysz się wczytywać dane do ramek DataFrames i zapisywać je do plików .csv. Za pomocą TensorFlow sprawnie utworzysz własną sieć neuronową. Korzystając z biblioteki scikit-learn, przygotujesz dane treningowe dla modeli maszynowych. Wszystkie przykłady i zadania są napisane w Pythonie, dlatego jego znajomość co najmniej na poziomie podstawowym jest zalecana. Kombinacja machine learning i scrapingu pozwala na tworzenie zaawansowanych rozwiązań analitycznych, prognozowych i automatyzacyjnych, a programistom ułatwia osiąganie wielu celów od początku do końca – od pozyskania danych po wyciągnięcie z nich nowej informacji. Obie technologie są dziś powszechnie stosowane w przemyśle, a kwalifikacje z obszaru inżynierii danych to istotny atut na rynku pracy. Cześć, zachęcam Was serdecznie do nauki w ramach tego kursu. Dołożyłem wszelkich starań, by precyzyjnie przekazać wiedzę na temat zdrapywania i uczenia maszynowego. Wybrałem taką kombinację tematów, ponieważ liczę, że popchnie to Was do podejmowania projektów i rozwiązywania problemów na własną rękę za pomocą stworzonego przez siebie oprogramowania. Mogą z tego powstać fantastyczne rzeczy, które pozytywnie wpłyną na życie innych ludzi. Dziękuję za zainteresowanie i życzę Wam miłej nauki!  Tobiasz Bajek

Web scraping w Data Science. Kurs video. Uczenie maszynowe i architektura splotowych sieci neuronowych

Tobiasz Bajek

Obierz kurs na... architekturę splotowych sieci neuronowych Jaki jest najgorętszy temat w informatyce ostatnich lat? Bez wątpienia palmę pierwszeństwa dzierży sztuczna inteligencja. Jej możliwości, rozwój, sposoby, za których pośrednictwem działa. A skoro o AI mowa, to nie sposób nie poruszyć zagadnienia uczenia maszynowego: obszaru sztucznej inteligencji poświęconego algorytmom, które poprawiają się automatycznie poprzez doświadczenie, czyli ekspozycję na dane. Dalej dochodzimy do web scrapingu (zdrapywania), polegającego na ekstrakcji danych ze stron internetowych, by je przechować i na dalszych etapach wykorzystywać choćby do analizy. Zarówno uczenie maszynowe, jak i zdrapywanie danych to niezwykle praktyczne kwestie, których znaczenie w informatyce – i szerzej: w nauce i biznesie – wciąż rośnie. Ten kurs wprowadzi Cię w tematykę związaną z web scrapingiem i uczeniem maszynowym w data science. Poruszymy w nim kwestie związane ze splotowymi (inaczej konwolucyjnymi) sieciami neuronowymi, dzięki którym możliwe jest rozpoznawanie obrazów – zaprezentujemy szczegółowo podstawy architektury takich sieci i wytłumaczymy znaczenie ich elementów. Zagłębimy się także w zagadnienia dotyczące zdrapywania danych i pewne bardziej zaawansowane mechanizmy, jak przemieszczanie się na nowe strony i klikanie na elementy stron. Wiedza i umiejętności zaprezentowane w szkoleniu przydadzą się przede wszystkim programistom i innym osobom pracującym z danymi. Co Cię czeka podczas naszego profesjonalnego szkolenia Proponowany przez nas kurs obejmuje takie zagadnienia jak: Obsługa błędów w Pythonie – na kilku przykładach Testy jednostkowe – dowiesz się, czemu służą Biblioteka Pytest do testów jednostkowych – nauczysz się konfigurować testowanie Zeszyty Jupyter Notebook pozwalające na prototypowanie w Pythonie Widgety w zeszytach Jupyter Teoria charakterystyki audio – analiza częstotliwości, melspektrogramy Preprocessing plików audio Graficzne prezentowanie właściwości plików audio Wprowadzenie w splotowe sieci neuronowe – zrozumiesz ich architekturę Wyjaśnienie elementów splotowych sieci, takich jak jądro, padding itd. Diagnostyka splotowych sieci neuronowych, na przykład wizualizowanie sygnału wychodzącego z poszczególnych warstw, wizualizowanie wag warstw sieci itd. Wprowadzenie w temat uczenia sieci neuronowych na plikach audio Prezentacja pipelinu danych do uczenia – od obróbki preprocessingiem, przez uczenie, po dokonywanie predykcji Zaawansowanie zdrapywanie – zapisywanie danych przeglądarki, jak logowanie, czy konfiguracji pobierania plików z sieci Zdrapywanie – przechodzenie na nowe strony internetowe i klikanie na elementy stron Szkolenie Web scraping w Data Science. Kurs video. Uczenie maszynowe i architektura splotowych sieci neuronowych ukończysz na poziomie średnio zaawansowanym – gdy zrozumiesz architekturę splotowych sieci neuronowych, zdobędziesz wiedzę dotyczącą fundamentów tej nauki. Poznasz poszczególne elementy sieci splotowych i tym samym dowiesz się, z czego wynika ich użycie. Będziesz w stanie dokonać pewnego zakresu diagnostyki poprzez wizualizację wyjścia warstw. Po szkoleniu będziesz samodzielnie dynamicznie zdrapywać dane ze stron internetowych, przechodzić po kolejnych stronach, klikać na ich elementy, zapisywać dane przeglądarki i pliki na komputerze. OpenAI GPT4 a splotowe sieci neuronowe W marcu 2023 roku zaprezentowano model sieci neuronowej OpenAI GPT4, który dorównuje ludziom w zakresie rozumienia języka naturalnego. Chatboty takie jak ten z pewnością zrewolucjonizują nasze życie i cały szereg gałęzi gospodarki. Model GPT4 opiera się akurat na architekturze Transformer – nieco innej niż omawiana podczas kursu. Ale zasada uczenia się tej sieci nie odbiega bardzo od prostych sieci neuronowych: w jednym i w drugim wypadku chodzi o propagację wsteczną. Stąd znajomość podstawowych budulców sieci neuronowych stanowi cenną wiedzę, pozwala bowiem lepiej rozumieć rewolucję, z którą mamy obecnie do czynienia.

Wyrażenia regularne w Pythonie. Kurs video. Kompletne vademecum

Karol Kurek

Obierz kurs na... wyrażenia regularne Czym są wyrażenia regularne (z angielskiego zwane regular expressions albo — w skrócie — regex) oraz komu i do czego mogą się przydać? Otóż są to pewne wzorce, które odnoszą się do łańcucha symboli — mogą na przykład opisywać zbiór pasujących łańcuchów, a także wyszczególniać istotne części danego łańcucha. To potężne narzędzie pozwala sprawdzić, czy ciąg znaków ma określoną przez nas formę, a tym samym — czy może zostać potraktowany jak dane. Programista, który opanuje wyrażenia regularne, będzie potrafił ułatwić sobie realizację wielu zadań, od sprawdzania wejść użytkownika, przez wyszukiwanie wzorców w tekstach, aż po automatyczne przetwarzanie i analizę logów systemowych. Poza stosunkową łatwością w opanowaniu oraz wszechstronnością zastosowań dodatkową zaletę wyrażeń regularnych stanowi to, że można je zastosować w praktycznie każdym języku programowania. Co więcej, język właściwie nie ma wpływu na składnię wyrażeń — w większości przypadków pozostaje ona taka sama. Proponowany przez nas kurs video zachęca do spojrzenia na wyrażenia regularne z perspektywy Pythona. Obejmuje pełny zakres pojęć odnoszących się do zagadnienia w ogólności i przedstawia wszystkie metaznaki, a równocześnie przybliża standardową bibliotekę re języka Python, która służy do pracy z wyrażeniami regularnymi, oraz prezentuje użycie większości metod pochodzących z tej biblioteki. Co Cię czeka podczas naszego profesjonalnego szkolenia? Dzięki temu kursowi video między innymi: Poznasz wszystkie metaznaki wyrażeń regularnych działających niezależnie od ich implementacji. Sprawdzisz, gdzie można wykorzystać wyrażenia regularne (także poza programowaniem!). Nauczysz się pisać i testować własne wyrażenia regularne. Przekonasz się, że istnieją takie obszary, w których wyrażenia regularne nie znajdują zastosowania. Opanujesz rozszerzenia wyrażeń regularnych oraz sposoby stosowania zarówno „zwyczajnych”, jak i „niestandardowych” wyrażeń. Dowiesz się, jak tworzyć klasy znaków i grupy, a także jak wyłuskiwać daną część dopasowania. Co więcej: Poznasz dodatkowe narzędzia, które przydadzą Ci się podczas pracy z wyrażeniami regularnymi. Wyrażenia regularne w Pythonie i poza nim. Kurs video odsłoni przed Tobą pełnię możliwości, jakie stwarzają wyrażenia regularne. Kurs kończy się na poziomie średnio zaawansowanym — sprawi, że będziesz w pełni gotów do tego, by dalej, już samodzielnie, ćwiczyć, praktykować i pogłębiać umiejętność posługiwania się wyrażeniami regularnymi. Regularne korzystanie z wyrażeń regularnych Wyrażenia regularne nie stanowią osobnego środowiska pracy, a raczej wspomagają pracę w odpowiednich obszarach wielu środowisk. Znaczna część języków programowania — dotyczy to choćby języków: Perl, PHP, JavaScript, Java, Ruby oraz (oczywiście) Python — ma zaimplementowany mechanizm wsparcia dla wyrażeń regularnych. Wiele narzędzi jest przeznaczonych wyłącznie do operacji na regex. Odnosi się to zarówno do tych uniksopochodnych, jak komenda grep czy edytor strumieniowy sed, jak i windowsowych edytorów tekstu, do których należy między innymi EditPad Pro, TextPad oraz Crimson Editor. Tak szerokie wsparcie wyrażeń regularnych wynika z ich istotności — przydają się one wszędzie tam, gdzie ważne są obróbka, filtrowanie i weryfikacja danych, na przykład przy programowaniu, w wyszukiwarkach, edytorach tekstów, bazach danych oraz w narzędziach do jednoczesnej zmiany nazw wielu plików i ich katalogów. Po szkoleniu... Będziesz w stanie łatwiej wyszukiwać części tekstu o specyficznych kryteriach w procesorach, a także edytorach tekstowych, i to niezależnie od języka, w jakim pracujesz. Łatwo przefiltrujesz wyniki, logi aplikacji oraz dowolne zbiory danych, dzięki czemu szybko dotrzesz do konkretnego, wymaganego przez siebie typu informacji. Wyrażenia regularne wykorzystasz do pracy z prostymi skryptami i podczas operacji w popularnym frameworku Django. Stosując wyrażenia regularne, w ekspresowym tempie zwalidujesz daty, adresy i wszelkie inne dane, które posiadają regularną, czyli z góry narzuconą strukturę — na przykład ISBN książek w bibliotece, listę adresów IP, numery telefonów itd. Aktualizacja kursu (2024-03-26) Kurs został wzbogacony o dodatkowy rozdział Nowości i zmiany w wyrażeniach regularnych, a w nim zostały wyjaśnione: - grupy atomiczne - kwantyfikatory posiadające - flagi wewnątrz-liniowe - asercje z wyrażeniami regularnymi - raw-string w wyrażeniu regularnym - re.sub z grupami numerowanymi - grupy numerowane a unicode - ukrywacz komentarzy