데이터 사이언스와 인공지능(AI) Python을 이용한 소개 교육 과정

LangGraph는 지속적인 상태를 가지며 여러 액터로 구성된 LLM 애플리케이션을 구성 가능한 그래프로 구축할 수 있는 프레임워크입니다.

이 강사는 온라인 또는 현장 실습을 통해 AI 플랫폼 엔지니어, AI 및 ML 아키텍트들이 LangGraph 시스템을 최적화, 디버깅, 모니터링, 운영할 수 있도록 고급 수준의 지식을 제공합니다.

이 강좌를 마친 후, 참가자들은 다음을 할 수 있게 됩니다:

• 속도, 비용, 확장성을 고려한 복잡한 LangGraph 토폴로지를 설계하고 최적화합니다.
• 재시도, 타임아웃, 아이뎀포턴시, 체크포인트 기반 복구를 통해 신뢰성을 강화합니다.
• 그래프 실행, 상태 검사 및 생산 문제를 체계적으로 재현할 수 있습니다.
• 로그, 메트릭 및 트레이스를 그래프에 통합하고, 프로덕션에 배포하며, SLAs 및 비용을 모니터링합니다.

강좌 형식

• 상호작용적인 강의 및 토론.
• 다양한 연습 및 실습.
• 실습 환경에서의 실습 구현.

강좌 맞춤화 옵션

• 이 강좌의 맞춤형 교육을 요청하려면 문의해 주세요.

대한민국에서 강사가 진행하는 이 라이브 교육(온라인 또는 현장)은 단일 플랫폼에서 패키지 및 데이터 분석 워크플로를 캡처, 관리, 배포하기 위해 Anaconda 에코시스템을 사용하려는 데이터 과학자를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• Anaconda개의 구성 요소와 라이브러리를 설치하고 구성합니다.
• Anaconda의 핵심 개념, 기능 및 이점을 이해하세요.
• Anaconda Navigator를 사용하여 패키지, 환경 및 채널을 관리하세요.
• 데이터 과학 및 머신 러닝에는 Conda, R 및 Python 패키지를 사용합니다.
• 여러 데이터 환경을 관리하기 위한 몇 가지 실제 사용 사례와 기술을 알아보세요.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Dask를 Python 생태계와 함께 사용하여 대규모 데이터 세트를 구축, 확장 및 분석하려는 데이터 과학자 및 소프트웨어 엔지니어를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Dask와 Python으로 빅데이터 처리 구축을 시작할 수 있는 환경을 설정합니다.
• Dask에서 사용할 수 있는 기능, 라이브러리, 도구 및 API를 살펴보세요.
• Dask가 Python에서 병렬 컴퓨팅을 어떻게 가속화하는지 이해하세요.
• Dask를 사용하여 Python 생태계(Numpy, SciPy 및 Pandas)를 확장하는 방법을 알아보세요.
• 대규모 데이터 세트를 처리할 때 높은 성능을 유지하려면 Dask 환경을 최적화하세요.

이 온라인 또는 현장 강사 주도 라이브 교육은 Python, Pandas 및 NumPy를 활용한 데이터 분석 및 조작 기술을 향상시키려는 중급 Python 개발자와 데이터 분석가를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있게 됩니다:

• Python, Pandas, 및 NumPy를 포함하는 개발 환경을 설정합니다.
• Pandas 및 NumPy를 사용하여 데이터 분석 애플리케이션을 만듭니다.
• 고급 데이터 정제, 정렬 및 필터링 작업을 수행합니다.
• 집계 작업을 수행하고 시간 시리즈 데이터를 분석합니다.
• Matplotlib 및 기타 시각화 라이브러리를 사용하여 데이터를 시각화합니다.
• 데이터 분석 코드를 디버깅하고 최적화합니다.

이 강사는 온라인 또는 현장에서 개발자들을 대상으로 동적, 고성능, 확장 가능한 웹 애플리케이션을 구축하기 위해 FARM(FastAPI, React, MongoDB) 스택을 사용하는 인터랙티브 라이브 트레이닝입니다.

이 트레이닝을 통해 참가자는 다음을 할 수 있습니다:

• FastAPI, React, MongoDB를 통합하는 개발 환경 설정.
• FARM 스택의 주요 개념, 기능 및 이점 이해.
• FastAPI를 사용하여 REST API 구축.
• React를 사용하여 상호작용 애플리케이션 설계.
• FARM 스택을 사용하여 애플리케이션 개발, 테스트 및 배포(프론트엔드 및 백엔드).

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Python과 함께 FastAPI를 사용하여 RESTful API를 더 쉽고 빠르게 구축, 테스트 및 배포하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Python 및 FastAPI을 사용하여 API를 개발하기 위한 필수 개발 환경을 설정합니다.
• FastAPI 라이브러리를 사용하여 API를 더 빠르고 쉽게 생성합니다.
• Pydantic 및 OpenAPI를 기반으로 데이터 모델 및 스키마를 생성하는 방법을 학습합니다.
• SQLAlchemy를 사용하여 API를 데이터베이스에 연결합니다.
• FastAPI 도구를 사용하여 API에 보안 및 인증을 구현합니다.
• 컨테이너 이미지를 빌드하고 웹 API를 클라우드 서버에 배포합니다.

대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 Kaggle을 사용하여 Data Science에서 학습하고 경력을 쌓고자 하는 데이터 과학자와 개발자를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• 데이터 과학과 머신러닝에 대해 알아보세요.
• 데이터 분석을 살펴보세요.
• Kaggle에 대해 알아보고 작동 방식을 알아보세요.

LangGraph는 상태 유지 및 다중 액터 LLM 애플리케이션을 조합 가능한 그래프로 구축하기 위한 프레임워크로, 지속적인 상태와 실행에 대한 제어를 제공합니다.

이 강사는 중급에서 고급 수준의 전문가들을 대상으로 하며, 적절한 관리, 관찰 가능성, 준수성을 갖춘 LangGraph 기반 금융 솔루션을 설계, 구현 및 운영하는 방법을 학습합니다.

이 교육을 마치면 참가자들은 다음을 할 수 있습니다:

• 규제 및 감사 요구 사항에 맞는 금융 전용 LangGraph 워크플로우를 설계합니다.
• 금융 데이터 표준 및 온톨로지를 그래프 상태 및 도구에 통합합니다.
• 중요한 프로세스에 대한 신뢰성, 안전성 및 인간 개입 제어를 구현합니다.
• 성능, 비용 및 SLA를 위해 LangGraph 시스템을 배포, 모니터링 및 최적화합니다.

강의 형식

• 상호작용 강의 및 토론.
• 수많은 연습 및 실습.
• 라이브 랩 환경에서 직접 구현.

강의 맞춤화 옵션

• 이 강의를 맞춤형으로 교육받기 원하시면, 문의하여 안내받으세요.

LangGraph는 계획, 분기, 도구 사용, 메모리 및 제어 가능한 실행 기능을 지원하는 그래프 구조의 LLM 애플리케이션을 구축하기 위한 프레임워크입니다.

이 강사는 온라인 또는 오프라인에서 진행되는 강사 주도의 라이브 트레이닝(온라인 또는 현장)에서 초급 개발자, 프로프트 엔지니어, 데이터 전문가들이 LangGraph를 사용하여 신뢰할 수 있고 다단계 LLM 워크플로우를 설계하고 구축하고자 하는 사람들에게 적합합니다.

이 트레이닝을 마치면 참가자는 다음을 할 수 있습니다:

• 핵심 LangGraph 개념(nodes, edges, state) 및 그 사용 시기를 설명합니다.
• 분기, 도구 호출 및 메모리 유지 기능을 갖춘 프롬프트 체인을 구축합니다.
• 검색 및 외부 API를 그래프 워크플로우에 통합합니다.
• 신뢰성과 안전성을 위해 LangGraph 앱을 테스트, 디버깅 및 평가합니다.

코스 형식

• 상호작용형 강의 및 논의
• 샌드박스 환경에서 안내형 실습 및 코드 워크스루
• 설계, 테스트 및 평가에 중점을 둔 시나리오 기반 연습

코스 맞춤화 옵션

• 이 코스의 맞춤형 트레이닝을 요청하려면 연락하여 조정을 부탁하십시오.

LangGraph는 상태가 있는 다중 액터 워크플로를 LLMs로 구동하며 실행 경로와 상태 지속성에 대한 정확한 제어를 가능하게 합니다. 의료 분야에서는 이러한 기능이 규제 준수, 상호 운용성, 그리고 의료 워크플로와 일치하는 결정 지원 시스템 구축에 중요합니다.

이 강사는 중간 수준부터 고급 수준의 전문가를 대상으로 하며, LangGraph 기반의 의료 솔루션을 설계, 구현, 관리하고 규제, 윤리적, 운영상의 문제를 해결하는 방법을 배우는 것을 목표로 합니다.

이 강좌를 마친 후 참가자들은 다음을 수행할 수 있게 됩니다:

• 규제 준수와 감사 가능성을 고려하여 의료 전문 LangGraph 워크플로를 설계합니다.
• LangGraph 애플리케이션을 의료 온톨로지와 표준(FHIR, SNOMED CT, ICD)과 통합합니다.
• 민감한 환경에서 신뢰성, 추적 가능성, 설명 가능성을 위한 모범 사례를 적용합니다.
• 의료 생산 환경에서 LangGraph 애플리케이션을 배포, 모니터링 및 검증합니다.

강좌 형식

• 대화형 강의 및 토론.
• 실제 사례 연구를 통해 직접 연습.
• 실시간 실험실 환경에서의 구현 연습.

강좌 맞춤화 옵션

• 이 강좌에 대한 맞춤형 교육을 요청하려면 문의하여 조율해 주세요.

LangGraph는 분기, 도구 사용, 메모리, 그리고 제어 가능한 실행을 지원하는 그래프 구조의 LLM 워크플로우를 구성하는 프레임워크입니다.

이 강사는 중간 수준의 엔지니어와 제품 팀을 대상으로 LangGraph의 그래프 논리와 LLM 에이전트 루프를 결합하여 고객 지원 에이전트, 의사결정 트리, 정보 검색 시스템 등 동적이며 맥락 인식 응용 프로그램을 구축하고자 하는 사람들에게 맞춤형으로 진행됩니다.

이 강의를 마치면 참가자들은 다음과 같은 능력을 갖게 될 것입니다:

• LLM 에이전트, 도구, 메모리를 조율하는 그래프 기반 워크플로우를 설계합니다.
• 강력한 실행을 위한 조건부 라우팅, 재시도 및 폴백을 구현합니다.
• 검색, API, 구조화된 출력을 에이전트 루프에 통합합니다.
• 신뢰성과 안전성을 위해 에이전트 동작을 평가, 모니터링 및 강화합니다.

강좌 형식

• 대화형 강의 및 주제 토론.
• 샌드박스 환경에서 진행되는 안내형 실습 및 코드 워크스루.
• 시나리오 기반 설계 연습 및 동료 검토.

강좌 맞춤화 옵션

• 이 강좌의 맞춤형 교육을 요청하려면, 배정하기 위해 연락 주세요.

LangGraph는 조건부, 다단계 LLM 및 도구 워크플로를 가능하게 하는 그래프 기반 오케스트레이션 프레임워크로, 콘텐츠 파이프라인을 자동화하고 개인화하는 데 이상적입니다.

이 강사 주도 실시간 교육(온라인 또는 현장)은 중급 마케터, 콘텐츠 전략가, 자동화 개발자들을 대상으로 LangGraph를 사용하여 동적, 분기형 이메일 캠페인과 콘텐츠 생성 파이프라인을 구현하고자 하는 사람들에게 적합합니다.

이 교육을 마친 후 참가자는 다음과 같은 능력을 갖추게 됩니다:

• 조건부 논리를 사용하여 그래프 구조의 콘텐츠와 이메일 워크플로를 설계할 수 있습니다.
• 자동화된 개인화를 위해 LLM, API, 데이터 소스를 통합할 수 있습니다.
• 다단계 캠페인에서 상태, 메모리, 컨텍스트를 관리할 수 있습니다.
• 워크플로 성능과 전달 결과를 평가, 모니터링, 최적화할 수 있습니다.

코스 형식

• 상호 작용형 강의와 그룹 토론.
• 이메일 워크플로와 콘텐츠 파이프라인을 구현하는 실습실.
• 개인화, 세그멘테이션, 분기 논리에 대한 시나리오 기반 연습문제.

코스 맞춤 옵션

• 이 코스에 대한 맞춤형 교육을 요청하려면 연락주세요.

대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 Modin을 사용하여 Pandas를 통해 더 빠른 데이터 분석을 위한 병렬 계산을 구축하고 구현하려는 데이터 과학자와 개발자를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• Modin을 사용하여 대규모로 Pandas 워크플로 개발을 시작하는 데 필요한 환경을 설정하세요.
• Modin의 기능, 아키텍처 및 장점을 이해하세요.
• Modin, Dask, Ray의 차이점을 알아보세요.
• Modin을 사용하여 Pandas개의 작업을 더 빠르게 수행하십시오.
• 전체 Pandas API 및 기능을 구현합니다.

이 인스트럭터-리드 라이브 트레이닝은 대한민국 (온라인 또는 오프라인) 에서 데이터 과학자 및 개발자가 GPU 가속 데이터 파이프라인, 워크플로우, 시각화, 그리고 XGBoost, cuML 등의 머신러닝 알고리즘을 사용하여 RAPIDS를 활용할 수 있도록 지원합니다.

이 트레이닝을 마친 후, 참가자는 다음을 할 수 있게 됩니다:

• NVIDIA RAPIDS로 데이터 모델을 구축하기 위한 개발 환경을 설정합니다.
• RAPIDS의 기능, 구성 요소, 그리고 장점을 이해합니다.
• GPU를 활용하여 데이터 및 분석 파이프라인을 가속화합니다.
• cuDF와 Apache Arrow를 사용하여 GPU 가속 데이터 준비 및 ETL을 구현합니다.
• XGBoost 및 cuML 알고리즘을 사용하여 머신러닝 작업을 수행하는 방법을 학습합니다.
• cuXfilter와 cuGraph를 사용하여 데이터 시각화 및 그래프 분석을 구축합니다.