Curso de Python para Usuários de Unix / Shell – Automação e Scripts

Este curso intensivo e prático abrange técnicas avançadas de Python, melhores práticas de engenharia e padrões de design comumente utilizados para construir aplicações Python mantíveis, testáveis e de alto desempenho. O curso enfatiza ferramentas modernas, tipagem, modelos de concorrência, padrões arquiteturais e fluxos de trabalho prontos para implantação.

Esta formação orientada por instrutor (online ou presencial) é direcionada a desenvolvedores Python intermediários a avançados que desejam adotar práticas e padrões profissionais para sistemas Python de produção.

Ao final deste treinamento, os participantes serão capazes de:

• Aplique a tipagem do Python, dataclasses e verificações de tipo para aumentar a confiabilidade do código.
• Use padrões de design e princípios arquiteturais para estruturar aplicações robustas.
• Implemente concorrência e paralelismo corretamente usando asyncio e multiprocessing.
• Construa código bem testado com pytest, testes baseados em propriedades e pipelines CI.
• Perfis, otimize e fortalezas as aplicações Python para produção.
• Empacote, distribua e implante projetos Python usando ferramentas modernas e contêineres.

Formato do Curso

• Aulas interativas e demonstrações curtas.
• Laboratórios práticos e exercícios de codificação todos os dias.
• Projeto mini-culminante integrando padrões, testes e implantação.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado ou área de foco (dados, web ou infraestrutura), entre em contato conosco para arranjar.

Este curso ensina técnicas práticas de engenharia para projetar, construir, testar e implantar sistemas agênticos (autônomos) usando Python. Ele abrange o loop do agente, integrações com ferramentas, gerenciamento de memória e estado, padrões de orquestração, controles de segurança e considerações para produção.

Esta formação conduzida por instrutor (online ou presencial) é voltada para engenheiros de ML intermediários a avançados, desenvolvedores de IA e engenheiros de software que desejam construir agentes autônomos robustos e prontos para produção usando Python.

Ao final deste treinamento, os participantes serão capazes de:

• Projetar e implementar o loop do agente e fluxos de trabalho de tomada de decisão.
• Integrar ferramentas externas e APIs para estender as capacidades dos agentes.
• Implementar arquiteturas de memória de curto e longo prazo para os agentes.
• Coordenar orquestrações multietapa e composição de agentes.
• Aplicar melhores práticas de segurança, controle de acesso e observabilidade para agentes implantados.

Formato do Curso

• Aula interativa e discussão.
• Laboratórios práticos construindo agentes com Python e SDKs populares.
• Exercícios baseados em projetos que produzem protótipos implantáveis.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Explora abordagens práticas para a Ciência de Dados e IA utilizando Python — capacita profissionais com as competências necessárias para explorar dados, construir modelos de machine learning e implementar aplicações de IA em contextos empresariais; Aborda fluxos de trabalho CRISP-DM, análise estatística, aprendizado supervisionado e não supervisionado, deep learning com Tensorflow, processamento de linguagem natural, big data com Spark e narrativa impulsionada por dados; Ideal para iniciantes que procuram certificação em ciência de dados com Python e formação em análise de dados pronta para o mercado.

Inteligência Artificial com Python é o desenvolvimento de sistemas inteligentes usando o amplo ecossistema de bibliotecas de IA e aprendizado de máquina do Python.

Esta formação presencial (online ou no local) liderada por instrutores destina-se a programadores de nível intermediário em Python que desejam projetar, implementar e implantar soluções de IA usando o Python.

No final desta formação, os participantes serão capazes de:

• Implementar algoritmos de IA utilizando as bibliotecas de IA principais do Python.
• Trabalhar com modelos de aprendizado supervisionado, não supervisionado e por reforço.
• Integrar soluções de IA em aplicações e fluxos de trabalho existentes.
• Avaliar o desempenho do modelo e otimizar para precisão e eficiência.

Formato do Curso

• Aula interativa e discussão.
• Muitos exercícios e prática.
• Implementação prática em um ambiente de laboratório ao vivo.

Opções de Personalização do Curso

• Para solicitar uma formação personalizada para este curso, por favor entre em contato conosco para agendar.

Este treinamento liderado por instrutor, ao vivo em Brasil (online ou presencial), é voltado para analistas de negócios que desejam automatizar o comércio com negociação algorítmica, Python e R.

Ao final deste treinamento, os participantes serão capazes de:

• Utilizar algoritmos para comprar e vender títulos em incrementos especializados rapidamente.
• Reduzir os custos associados à negociação usando a negociação algorítmica.
• Monitorar automaticamente os preços das ações e realizar negociações.

Inteligência Artificial Aplicada do Zero em Python capacita programadores e analistas de dados com técnicas fundamentais para construir soluções de aprendizado de máquina do zero usando Python. Abrange os princípios básicos de classificação e regressão de aprendizado supervisionado, agrupamento e detecção de anomalias de aprendizado não supervisionado, além de arquiteturas avançadas de redes neurais. Examina métodos comprovados para trabalhar com scikit-learn, Apache Spark MLlib e notebooks Jupyter para o desenvolvimento prático de IA. Ajuda profissionais a implementar modelos de aprendizado de máquina práticos, avaliar as limitações dos algoritmos e realizar projetos aplicados para a resolução de problemas do mundo real.

Esse treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores de nível intermediário Python que desejam aprimorar sua experiência de desenvolvimento Python usando o AWS Cloud9.

No final deste treinamento, os participantes serão capazes de:

• Configurar e configurar o AWS Cloud9 para o desenvolvimento Python.
• Entenda a interface e os recursos do AWS Cloud9 IDE.
• Escrever, depurar e implantar aplicativos Python no AWS Cloud9.
• Colaborar com outros desenvolvedores usando a plataforma AWS Cloud9.
• Integrar o AWS Cloud9 com outros serviços da AWS para implantações avançadas.

Visão Geral do Curso

Este treinamento prático foi desenvolvido para profissionais com formação em engenharia de dados que desejam adquirir competências práticas em inteligência artificial, Python e modelos de linguagem de grande porte (LLMs). O curso foca em aplicações do mundo real, abordando o uso de modelos, engenharia de prompts e a criação de soluções com IA. Os participantes enfrentarão exercícios progressivos que partem de conceitos fundamentais até a construção de fluxos de trabalho com IA prontos para implantação.

Formato do Treinamento

• Treinamento presencial em sala de aula

• Sessões orientadas por instrutores com prática guiada

• Discussões interativas e estudos de caso do mundo real

• Exercícios práticos diários

Objetivos do Curso

• Compreender os conceitos centrais de IA e aprendizado de máquina relevantes para aplicações modernas

• Fortalecer as habilidades em Python para desenvolvimento de IA e fluxos de dados

• Aprender como os modelos de linguagem de grande porte funcionam e como utilizá-los de forma eficaz

• Elaborar e otimizar prompts para garantir saídas confiáveis

• Construir soluções de ponta a ponta com IA usando APIs e frameworks

• Integrar IA em pipelines de engenharia de dados

Este treinamento liderado por instrutor (online ou presencial) é voltado para cientistas de dados e engenheiros de software que desejam usar o Dask com o ecossistema do Python para construir, escalar e analisar grandes conjuntos de dados.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar o ambiente para começar a processar big data com Dask e Python.
• Explorar as funcionalidades, bibliotecas, ferramentas e APIs disponíveis no Dask.
• Compreender como o Dask acelera a computação paralela em Python.
• Aprender a escalar o ecossistema do Python (Numpy, SciPy e Pandas) usando o Dask.
• Otimizar o ambiente do Dask para manter alto desempenho no processamento de grandes conjuntos de dados.

Este treinamento ao vivo, ministrado por instrutor em Brasil (online ou presencial), é direcionado a desenvolvedores e analistas de dados intermediários que desejam aprimorar suas habilidades em análise e manipulação de dados usando Python, Pandas e NumPy.

No final deste treinamento, os participantes serão capazes de:

• Configurar um ambiente de desenvolvimento que inclua Python, Pandas e NumPy.
• Criar uma aplicação de análise de dados usando Pandas e NumPy.
• Realizar operações avançadas de manipulação, ordenação e filtragem de dados.
• Executar operações agregadas e analisar dados de séries temporais.
• Visualizar dados usando Matplotlib e outras bibliotecas de visualização.
• Depurar e otimizar seu código de análise de dados.

Este treinamento liderado por instrutor (online ou presencial) é voltado para desenvolvedores que desejam usar a pilha FARM (FastAPI, React e MongoDB) para construir aplicações web dinâmicas, de alto desempenho e escaláveis.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar o ambiente de desenvolvimento necessário que integra FastAPI, React e MongoDB.
• Compreender os conceitos-chave, recursos e benefícios da pilha FARM.
• Aprender a construir APIs REST com FastAPI.
• Aprender a projetar aplicações interativas com React.
• Desenvolver, testar e implantar aplicações (front end e back end) usando a pilha FARM.

Este treinamento liderado por instrutor (online ou presencial) é destinado a desenvolvedores que desejam usar o FastAPI com Python para construir, testar e implantar APIs RESTful de forma mais fácil e rápida.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar o ambiente de desenvolvimento necessário para desenvolver APIs com Python e FastAPI.
• Criar APIs de maneira mais rápida e fácil usando a biblioteca FastAPI.
• Aprender como criar modelos de dados e esquemas baseados em Pydantic e OpenAPI.
• Conectar APIs a um banco de dados usando SQLAlchemy.
• Implementar segurança e autenticação em APIs usando as ferramentas do FastAPI.
• Criar imagens de contêineres e implantar APIs web em um servidor na nuvem.

Este treinamento conduzido por instrutor, ao vivo (online ou presencial), é direcionado a cientistas de dados que desejam usar o TensorFlow para analisar dados potenciais de fraude.

Ao final deste treinamento, os participantes serão capazes de:

• Criar um modelo de detecção de fraude em Python e TensorFlow.
• Construir regressões lineares e modelos de regressão linear para prever fraudes.
• Desenvolver uma aplicação AI de ponta a ponta para analisar dados de fraude.

O objetivo deste curso é fornecer uma competência básica na aplicação de métodos Machine Learning na prática. Através do uso do Python linguagem de programação e suas várias bibliotecas, e com base em uma série de exemplos práticos, este curso ensina como usar os blocos de construção mais importantes de Machine Learning, como tomar decisões de modelagem de dados, interpretar as saídas dos algoritmos e validar os resultados.

Nosso objetivo é dar-lhe as habilidades para entender e usar as ferramentas mais fundamentais da caixa de ferramentas de forma confiável e evitar os problemas comuns das aplicações Data Science.

o objetivo deste curso é fornecer proficiência geral na aplicação de métodos de aprendizado de máquina na prática. Através do uso da linguagem de programação Python e suas várias bibliotecas, e com base em uma infinidade de exemplos práticos, este curso ensina como usar os blocos de construção mais importantes do aprendizado de máquina, como fazer decisões de modelagem de dados, interpretar o saídas dos algoritmos e validar os resultados.

nosso objetivo é dar a você as habilidades para entender e usar as ferramentas mais fundamentais da caixa de ferramentas de aprendizado de máquina com confiança e evitar as armadilhas comuns de aplicações de data Sciences.