Czy chcesz pracować szybciej i efektywniej z dużymi zbiorami danych? To szkolenie wprowadzi Cię w świat High-Performance Data Analytics (HPDA) poprzez intensywne, praktyczne zajęcia w środowisku Jupyter Notebook. Podczas warsztatów poznasz, jak wykorzystać możliwości języka Python oraz bibliotek takich jak Pandas i Dask, aby sprawnie analizować dane, od pojedynczych plików po zbiory przekraczające pamięć komputera. Szkolenie łączy teorię z praktyką, dzięki czemu od razu zastosujesz zdobywaną wiedzę w rzeczywistych scenariuszach analitycznych.
Czego można się spodziewać?
- nauki pracy z dużymi zbiorami danych w środowisku Python
- praktycznego wprowadzenia do analizy danych z wykorzystaniem Pandas
- poznania narzędzi do skalowania obliczeń (Dask)
- zrozumienia, jak działają HPC (High-Performance Computing) i HTC (High-Throughput Computing)
- pracy na rzeczywistych datasetach, w tym danych naukowych
- ćwiczeń, które pokazują różnice między podejściem lokalnym a rozproszonym
- poznania metod optymalizacji wydajności i przyspieszania analiz
Dla kogo? Szkolenie skierowane jest do osób, które chcą rozwijać swoje kompetencje w zakresie analizy danych:
- badaczy i pracowników naukowych
- inżynierów
- data scientistów i analityków
- wszystkich, którzy pracują z większymi zbiorami danych i chcą robić to wydajniej
Aby w pełni skorzystać ze szkolenia, warto posiadać:
- podstawową znajomość języka Python
- znajomość pracy w Jupyter Notebook
- chęć pracy z danymi i nauki nowych narzędzi Nie jest wymagane wcześniejsze uczestnictwo w innych kursach ani zakładanie kont. Szkolenie odbywa się online (Zoom), a link do spotkania otrzymują zarejestrowani uczestnicy. Język zajęć: polski lub angielski (w zależności od grupy) Czas trwania: 2 dni (łącznie 8 godzin)
Rejestracja (oraz lista rezerwowa) zamykają się automatycznie 3 lipca 2026 r. Liczba miejsc jest ograniczona – zapisy mogą zakończyć się wcześniej.
Szkolenie prowadzi Leszek Grzanka, doświadczony specjalista z zakresu obliczeń wysokiej wydajności i analizy danych z zespołu ACK Cyfronet AGH.
