Algorithmic Trading with Python and R Training Course

Pelatihan langsung oleh instruktur di Indonesia (online atau di tempat) ini ditujukan kepada ilmuwan data dan insinyur perangkat lunak yang ingin menggunakan Dask dengan ekosistem Python untuk membangun, meng skalakan, dan menganalisis dataset besar.

Setelah pelatihan ini selesai, peserta akan dapat:

• Mengatur lingkungan untuk memulai pengolahan data besar dengan Dask dan Python.
• Mengexploitasi fitur, perpustakaan, alat, dan API yang tersedia dalam Dask.
• Memahami bagaimana Dask mempercepat komputasi paralel di Python.
• Mempelajari cara meng skalakan ekosistem Python (Numpy, SciPy, dan Pandas) menggunakan Dask.
• Memaksimalkan lingkungan Dask untuk mempertahankan kinerja tinggi dalam menangani dataset besar.

This instructor-led, live training in Indonesia (online or onsite) is aimed at intermediate-level Python developers and data analysts who wish to enhance their skills in data analysis and manipulation using Pandas and NumPy.

By the end of this training, participants will be able to:

• Set up a development environment that includes Python, Pandas, and NumPy.
• Create a data analysis application using Pandas and NumPy.
• Perform advanced data wrangling, sorting, and filtering operations.
• Conduct aggregate operations and analyze time series data.
• Visualize data using Matplotlib and other visualization libraries.
• Debug and optimize their data analysis code.

This instructor-led, live training in (online or onsite) is aimed at developers who wish to use the FARM (FastAPI, React, and MongoDB) stack to build dynamic, high-performance, and scalable web applications.

By the end of this training, participants will be able to:

• Set up the necessary development environment that integrates FastAPI, React, and MongoDB.
• Understand the key concepts, features, and benefits of the FARM stack.
• Learn how to build REST APIs with FastAPI.
• Learn how to design interactive applications with React.
• Develop, test, and deploy applications (front end and back end) using the FARM stack.

Pelatihan langsung yang dipandu oleh instruktur ini, di Indonesia (online atau onsite), ditujukan untuk para pengembang yang ingin menggunakan FastAPI dengan Python untuk membangun, menguji, dan menerapkan RESTful API dengan lebih mudah dan cepat.

Di akhir pelatihan ini, peserta akan dapat:

• Menyiapkan lingkungan pengembangan yang diperlukan untuk mengembangkan API dengan Python dan FastAPI.
• Membuat API lebih cepat dan mudah menggunakan pustaka FastAPI.
• Mempelajari cara membuat model data dan skema berdasarkan Pydantic dan OpenAPI.
• Menghubungkan API ke database menggunakan SQLAlchemy.
• Menerapkan keamanan dan autentikasi di API menggunakan alat FastAPI.
• Membuat image container dan menerapkan web API ke server cloud.

Pelatihan langsung yang dipimpin instruktur dalam Indonesia (online atau di tempat) ini ditujukan untuk analis data tingkat menengah dan profesional bisnis yang ingin melakukan peramalan deret waktu dan mengotomatiskan alur kerja analisis data menggunakan R.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami dasar-dasar teknik peramalan di R.
• Terapkan pemulusan eksponensial dan model ARIMA untuk analisis deret waktu.
• Manfaatkan paket 'forecast' untuk menghasilkan model peramalan yang akurat.
• Otomatisasi alur kerja peramalan untuk aplikasi bisnis dan penelitian.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk ilmuwan data dan pengembang yang ingin menggunakan Modin untuk membangun dan menerapkan komputasi paralel dengan Pandas untuk analisis data yang lebih cepat.

Pada akhir pelatihan ini, peserta akan dapat:

• Siapkan lingkungan yang diperlukan untuk mulai mengembangkan Pandas alur kerja berskala dengan Modin.
• Memahami fitur, arsitektur, dan keuntungan Modin.
• Ketahui perbedaan antara Modin, Dask, dan Ray.
• Lakukan operasi Pandas lebih cepat dengan Modin.
• Terapkan seluruh API dan fungsi Pandas.

Audience

Business owners (marketing managers, product managers, customer base managers) and their teams; customer insights professionals.

Overview

The course follows the customer life cycle from acquiring new customers, managing the existing customers for profitability, retaining good customers, and finally understanding which customers are leaving us and why. We will be working with real (if anonymous) data from a variety of industries including telecommunications, insurance, media, and high tech.

Format

Instructor-led training over the course of five half-day sessions with in-class exercises as well as homework. It can be delivered as a classroom or distance (online) course.

Audience

• managers
• developers
• scientists
• students

Format of the course

on-line instruction and discussion OR face-to-face workshops

R is an open-source free programming language for statistical computing, data analysis, and graphics. R is used by a growing number of managers and data analysts inside corporations and academia. R has also found followers among statisticians, engineers and scientists without computer programming skills who find it easy to use. Its popularity is due to the increasing use of data mining for various goals such as set ad prices, find new drugs more quickly or fine-tune financial models. R has a wide variety of packages for data mining.

This course covers the manipulation of objects in R including reading data, accessing R packages, writing R functions, and making informative graphs. It includes analyzing data using common statistical models. The course teaches how to use the R software (https://www.r-project.org) both on a command line and in a graphical user interface (GUI).

This course is an introduction to applying neural networks in real world problems using R-project software.

This course is for data scientists and statisticians that already have basic R & C++ coding skills and R code and need advanced R coding skills.

The purpose is to give a practical advanced R programming course to participants interested in applying the methods at work.

Sector specific examples are used to make the training relevant to the audience

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk analis data yang ingin menganalisis kumpulan data besar dengan Stata.

Pada akhir pelatihan ini, peserta akan dapat:

• Membuat model statistik untuk memprediksi variabel dan peristiwa penting.
• Hasilkan visualisasi deskriptif, tabel ringkasan, frekuensi, dan banyak lagi.
• Kelola dan susun kumpulan data besar, siap untuk analisis data.

Pelatihan langsung yang dipimpin instruktur dalam Indonesia (online atau di tempat) ini ditujukan untuk profesional ilmu komputer tingkat menengah hingga tingkat lanjut yang ingin memanfaatkan Stata untuk analisis statistik dan mengintegrasikannya dengan R.

Pada akhir pelatihan ini, peserta akan dapat:

• Gunakan Stata secara efektif untuk analisis data dan pemodelan statistik.
• Bandingkan fungsionalitas Stata dengan SPSS dan R.
• Integrasikan Stata dengan R untuk komputasi statistik yang lancar.
• Mengembangkan dan mengotomatiskan alur kerja menggunakan Stata dan R.

Pelatihan langsung yang dipimpin instruktur ini (online atau di tempat) ditujukan untuk analis data yang ingin menggunakan Stata dan R untuk menganalisis data besar untuk analisis statistik.

Pada akhir pelatihan ini, peserta akan dapat:

• Membuat model statistik untuk memprediksi variabel dan peristiwa penting.
• Hasilkan visualisasi deskriptif, tabel ringkasan, frekuensi, dan banyak lagi.
• Mengelola dan menyusun basis data besar untuk mempersiapkan analisis data.

Audience

Format of the course

Dengan akhir pelatihan ini, peserta akan dapat:

Dalam pelatihan langsung yang dipandu oleh instruktur ini, peserta akan belajar bagaimana memanipulasi dan visualisasi data menggunakan alat-alat yang termasuk dalam Tidyverse.

Tidyverse adalah koleksi paket R yang fleksibel untuk membersihkan, memproses, memodelkan, dan mengvisualisasikan data. Beberapa dari paket yang disertakan adalah: ggplot2, dplyr, tidyr, readr, purrr, dan tibble.

• Pemula dalam bahasa R
• Pemula dalam analisis data dan visualisasi data

• Sebagian presentasi, sebagian diskusi, latihan, dan praktek langsung yang intensif

• Melakukan analisis data dan membuat visualisasi menarik
• Mengambil kesimpulan berguna dari berbagai dataset data contoh
• Memfilter, mengurutkan, dan meringkas data untuk menjawab pertanyaan eksplorasi
• Mengubah data yang telah diproses menjadi grafik garis informatif, diagram batang, histogram
• Mengekspor dan memfilter data dari berbagai sumber data, termasuk Excel, CSV, dan file SPSS