Γραμμικοποίηση GPU με το CUDA και το Python Κομμάτι εκπαίδευσης
CUDA (Compute Unified Device Architecture) είναι μια παράλληλη πλατφόρμα υπολογιστών και API που δημιουργήθηκε από την Nvidia.
Αυτή η εξέλιξη μαθήματος (διαπολιτεία ή επιχειρησιακό περιβάλλον) στόχο χωρίζει τους αξιωματικούς δημιουργούς που θέλουν να χρησιμοποιήσουν CUDA για να κτίνουν Python εφαρμογές που λειτουργούν αραίως στους NVIDIA GPU.
Μετά τη λήξη της εκπαίδευσης, οι μετέχοντες θα είναι σε θέση να:
- Χρησιμοποιούν τον μεταγλωττίστη Numba για να επιταχύνουν Python εφαρμογές που λειτουργούν σε NVIDIA GPU.
- Δημιουργούν, μεταφράζουν και ξεκινούν τυποποιημένους πυρήνες CUDA.
- Διαχειρίζονται τη μνήμη GPU.
- Μετατρέπουν ένα CPU βασικό πρόγραμμα σε ένα αύξητο εφαρμογή υπολογιστών GPU.
Η μορφή του μαθήματος:
- Δεικτική παρουσίαση και συζήτηση.
- Πολλές ασκήσεις και εφαρμογή.
- Εφαρμογή σε ένα πραγματικό εργαστηριακό περιβάλλον.
Προσαρμοσμένες επιλογές μαθήματος:
- Για να αίτηση για ένα προσωπικώς προσαρμοσμένο μάθημα, επικοινωνήστε μαζί μας για να το καταλήξετε.
Εξέλιξη Κομματιού
Εισαγωγή
- Τι είναι το προγράμματο GPU;
- Γιατί να χρησιμοποιήσουμε CUDA με το Python;
- Κλειδιά κοντέκστα: Θρόνοι, Βλάκα, Δίκτυα
Γενική επίσημη των χαρακτηριστικών και της αρχιτεκτονικής CUDA
- GPU vs CPU αρχιτεκτονική
- Ερμηνεία SIMT (Single Instruction, Multiple Threads)
- Πρότυπο προγράμματος CUDA
Ρύθμιση του Κλιδών Συσκευής
- Εγκατάσταση CUDA Toolkit και πίνακων δεσμεύσεων (drivers)
- Εγκατάσταση Python και Numba
- Ρύθμιση και επαλήθευση του περιβάλλοντος
Χρησιμότητα των Σειρίων Programming
- Εισαγωγή στην παράλληλη εκτέλεση
- Ερμηνεία θρόνων και ιεραρχιών θρόνων
- Αλληλεπίδραση με warps και συγκοινωνία
Χρήση του συμβολοσειράκτη Numba
- Εισαγωγή στο Numba
- Συγγραφή CUDA kernels με το Numba
- Ερμηνεία @cuda.jit διασκεδαστών (decorators)
Ανάπτυξη Προσωπικοποιημένου CUDA Kernel
- Σύνθεση και εκτόξευση βασικών kernels
- Χρήση threads για σχηματικά δομημένες λειτουργίες
- Διαχείριση των διαστάσεων grid και block
Μνήμη Management
- Τύποι μνήμης GPU (γκλόματο, κοινή, τοπική, σταθερά)
- Μεταφορά μνήμης από host σε device
- Οптιμизация χρήσης μνήμης και εξαλείψεις αποδυσκαθίστωσης
Σχετικά με το πρόγραμμα GPU Acceleration
- Κοινή μνήμη και συγκοινωνία
- Χρήση streams για ασυγχρόνη εκτέλεση
- Βασικά της πολυ-GPU προγραμματισμού
Μετατροπή Προγραμμάτων με βάση CPU σε GPU
- Προφίλ ακτιβισμός CPU κώδικα
- Αναγνώριση παράλληλων τμημάτων
- Μεταφορά λογικής σε CUDA kernels
Συσχέτιση προβλημάτων
- Αποκατάσταση CUDA εφαρμογών
- Μεγάλους λόγους και τρόπους επίλυσής τους
- Εργαλεία και τεχνικές για δοκιμή και έγκυρη σύνδεση
Σύνοψη και Επόμενα Βήματα
- Αξίωση κλειδιών υποθέσεων
- Ηρωικές πράξεις στον προγραμματισμό GPU
- Πόροι για να συνεχίσουν την εκπαίδευση
Απαιτήσεις
- Python εμπειρία προγραμματισμού
- Εμπειρία με το NumPy (ndarrays, ufuncs, κ.λπ.)
Ακροατήριο
- Προγραμματιστές
Κομμάτια Εκπαίδευσης χρειάζονται 5+ συμμετέχοντες.
Γραμμικοποίηση GPU με το CUDA και το Python Κομμάτι εκπαίδευσης - Κράτηση
Γραμμικοποίηση GPU με το CUDA και το Python Κομμάτι εκπαίδευσης - Ζήτημα Συμβουλευτικής
Γραμμικοποίηση GPU με το CUDA και το Python - Συμβουλευτική Αίτημα
Συμβουλευτική Αίτημα
Σχόλια (1)
Πολύ διαδραστικό με διάφορα παραδείγματα, με καλή εξέλιξη στην πολυπλοκότητα μεταξύ της έναρξης και του τέλους της εκπαίδευσης.
Jenny - Andheo
Κομμάτι - GPU Programming with CUDA and Python
Μηχανική Μετάφραση
Εφεξής Μαθήματα
Σχετικά Μαθήματα
Διαχείριση του CUDA
35 ΏρεςΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε αρχάριους διαχειριστές συστημάτων και επαγγελματίες πληροφορικής που επιθυμούν να εγκαταστήσουν, να διαμορφώσουν, να διαχειριστούν και να αντιμετωπίσουν τα περιβάλλοντα CUDA.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανοήστε την αρχιτεκτονική, τα στοιχεία και τις δυνατότητες του CUDA.
- Εγκαταστήστε και διαμορφώστε περιβάλλοντα CUDA.
- Διαχειριστείτε και βελτιστοποιήστε τους πόρους CUDA.
- Εντοπισμός σφαλμάτων και αντιμετώπιση κοινών προβλημάτων CUDA.
Μεγισμένη Ανάλυση Δεδομένων με το Python και το Dask
14 ΏρεςΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και μηχανικούς λογισμικού που επιθυμούν να χρησιμοποιήσουν το Dask με το οικοσύστημα Python για να δημιουργήσουν, να κλιμακώσουν και να αναλύσουν μεγάλα σύνολα δεδομένων.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Ρυθμίστε το περιβάλλον για να ξεκινήσετε τη δημιουργία επεξεργασίας μεγάλων δεδομένων με το Dask και την Python.
- Εξερευνήστε τις δυνατότητες, τις βιβλιοθήκες, τα εργαλεία και τα API που είναι διαθέσιμα στο Dask.
- Κατανοήστε πώς το Dask επιταχύνει τον παράλληλο υπολογισμό στην Python.
- Μάθετε πώς να κλιμακώνετε το οικοσύστημα της Python (Numpy, SciPy και Pandas) χρησιμοποιώντας το Dask.
- Βελτιστοποιήστε το περιβάλλον Dask για να διατηρήσετε υψηλή απόδοση στο χειρισμό μεγάλων συνόλων δεδομένων.
Ανάλυση Δεδομένων με Πύθον, Pandas και Numpy
14 ΏρεςΑυτή η εκπαιδευτική διάλεξη (μέσω διαδικτύου ή υπό ζωντανές συνθήκες) στο Ελλάδα είναι κατε劳动翻译的内容超出指示要求,且包含未请求的额外内容。根据用户的要求,我将直接提供从英语到希腊语的翻译,并严格遵守所有的指导原则:
Αυτή η εκπαιδευτική διάλεξη (μέσω διαδικτύου ή υπό ζωντανές συνθήκες) στο Ελλάδα είναι κατεπιβλημένη για μεσαίου επιπέδου Python προγραμματιστές και αναλυτές δεδομένων που θέλουν να βελτιώσουν τεχνικές τους γνώσεις στην ανάλυση και επεξεργασία δεδομένων χρησιμοποιώντας Pandas και NumPy.
Τελούντας αυτή την εκπαίδευση, οι συμμετέχοντες θα μπορούν να:
- Εγκαταστήσουν ένα περιβάλλον ανάπτυξης που περιλαμβάνει Python, Pandas και NumPy.
- Δημιουργήσουν μια εφαρμογή ανάλυσης δεδομένων χρησιμοποιώντας Pandas και NumPy.
- Εκτελούν προβληματικές λειτουργίες δεδομένων, ταξινόμησης και φίλτρωσης.
- Προχωρούν σε απογοητευτικές εκτελήσεις και ανάλυση χρονικών δεδομένων.
- Εμφανίζουν δεδομένα χρησιμοποιώντας το Matplotlib και άλλες βιβλιοθήκες εμφάνισης.
- Αποσφυγίζουν και βελτιώνουν τον κωδικό ανάλυσης δεδομένων τους.
FARM (FastAPI, React και MongoDB) Πλήρες Στάκλ Δεσμέυσης
14 ΏρεςΑυτή η εκπαίδευση υπό την καθοδήγηση του εκπαιδευτικού (online ή σε θέρμα) απευθύνεται σε προγραμματιστές που επιθυμούν να χρησιμοποιήσουν τη στοίβα FARM (FastAPI, React, και MongoDB) για τη δημιουργία δυναμικών, υψηλής απόδοσης και εξατομικευμένων ιστοεφαρμογών.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Θέσουν υπό διαθεσινό το απαραίτητο περιβάλλον ανάπτυξης που ενσωματώνει FastAPI, React και MongoDB.
- Κατανοήσουν τις βασικές έννοιες, χαρακτηριστικά και πλεονεκτήματα της στοίβας FARM.
- Μάθουν πώς να δημιουργούν REST APIs με FastAPI.
- Μάθουν πώς να σχεδιάζουν αλληλεπίδραστες εφαρμογές με React.
- Να αναπτύσσουν, δοκιμάζουν και να καταβάλλουν εφαρμογές (front end και back end) χρησιμοποιώντας τη στοίβα FARM.
Ανάπτυξη API με Python και FastAPI
14 ΏρεςΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το FastAPI με Python για να δημιουργήσουν, να δοκιμάσουν και να αναπτύξουν RESTful API ευκολότερα και πιο γρήγορα.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Να εγκαταστήσουν το απαραίτητο περιβάλλον ανάπτυξης για την ανάπτυξη APIs με Python και FastAPI.
- Να δημιουργούν APIs πιο γρήγορα και εύκολα χρησιμοποιώντας τη βιβλιοθήκη FastAPI.
- Να μάθουν πώς να δημιουργούν μοντέλα δεδομένων και σχήματα βασισμένα στα Pydantic και OpenAPI.
- Να συνδέσουν APIs σε μια βάση δεδομένων χρησιμοποιώντας το SQLAlchemy.
- Να εφαρμόσουν ασφάλεια και αυθεντικοποίηση σε APIs χρησιμοποιώντας τα εργαλεία FastAPI.
- Να δημιουργήσουν εικόνες container και να αναπτύξουν web APIs σε έναν cloud server.
Μάशιν Λεαρνινγ με Python – 2 Ημέρες
14 ΏρεςΣτόχος αυτού του μαθήματος είναι να παρέχει μια βασική ικανότητα στην εφαρμογή Machine Learning μεθόδων στην πράξη. Μέσω της χρήσης της Python γλώσσας προγραμματισμού και των διαφόρων βιβλιοθηκών της, και με βάση ένα πλήθος πρακτικών παραδείξεων, αυτό το μάθημα διδάσκει πώς να χρησιμοποιήσετε τα πιο σημαντικά κτίρια Machine Learning, πώς να λάβετε αποφάσεις μοντελοποίησης δεδομένων, να ερμηνεύσετε τα αποτελέσματα των αλγόριθμων και να επικυρώσετε τα αποτελέσματα.
Στόχος μας είναι να σας δώσουμε τις δεξιότητες για να κατανοήσετε και να χρησιμοποιήσετε με εμπιστοσύνη τα πιο θεμελιώδη εργαλεία από το κουτί εργαλείων Machine Learning και να αποφύγετε τις κοινές πτώσεις των εφαρμογών Data Science.
Μαθησιακά Συστήματα με Python – 4 ημέρες
28 Ώρεςο στόχος αυτού του μαθήματος είναι να παρέχει γενική επάρκεια στην εφαρμογή μεθόδων μηχανικής μάθησης στην πράξη. Μέσω της χρήσης της γλώσσας προγραμματισμού Python και των διαφόρων βιβλιοθηκών της, και με βάση ένα πλήθος πρακτικών παραδειγμάτων, αυτό το μάθημα διδάσκει πώς να χρησιμοποιείτε τα σημαντικότερα δομικά στοιχεία της μηχανικής μάθησης, πώς να κάνετε αποφάσεις μοντελοποίησης δεδομένων, να ερμηνεύσετε την τις εκροές των αλγορίθμων και να επικυρώσετε τα αποτελέσματα.
ο στόχος μας είναι να σας δώσουμε τις δεξιότητες για να κατανοήσετε και να χρησιμοποιήσετε τα πιο θεμελιώδη εργαλεία από την εργαλειοθήκη μηχανικής εκμάθησης με σιγουριά και να αποφύγετε τις κοινές παγίδες των εφαρμογών των Επιστημών δεδομένων.
Αξιοποίηση του Modin για ταχύτερους διαδromούς Python Pandas
14 ΏρεςΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το Modin για να δημιουργήσουν και να εφαρμόσουν παράλληλους υπολογισμούς με το Pandas για ταχύτερη ανάλυση δεδομένων.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Ρυθμίστε το απαραίτητο περιβάλλον για να ξεκινήσετε την ανάπτυξη Pandas ροών εργασίας σε κλίμακα με Modin.
- Κατανοήστε τα χαρακτηριστικά, την αρχιτεκτονική και τα πλεονεκτήματα του Modin.
- Γνωρίστε τις διαφορές μεταξύ Modin, Dask και Ray.
- Εκτελέστε τις λειτουργίες Pandas πιο γρήγορα με το Modin.
- Εφαρμόστε ολόκληρο το Pandas API και τις λειτουργίες.
Python για Γέννηση Φυσικού Γλώσσας (NLG)
21 ΏρεςΣε αυτή την εκπαιδευτική οργανωμένη και ζωντανή διάλεξη στο Ελλάδα, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιήσουν το Python για να παραγάγουν ευψύνον ελληνικό κείμενο, αποτέλεσμα της κατασκευής δικής τους συστήματος NLG από μηδέν. Θα εξεταστούν περίπτωση μελέτης και θα εφαρμοστούν τα σχετικά όριζόντια σε ζωντανά προγράμματα laboratόrίου για την παραγωγή περιεχομένου.
Τελικά από αυτή την διάλεξη, οι συμμετέχοντες θα μπορέσουν να:
- Χρησιμοποιούν NLG για την αυτόματη παραγωγή περιεχομένου σε διάφορες βιομηχανίες, από την εκδοτική ρύθμιση έως το κληρικό περιβάλλον, μέχρι την εγχώρια και αθλητική υπηρεσία δημοσιεύσεων.
- Επιλέγουν και οργανώνουν πηγαίο περιεχόμενο, σχεδιάζουν πρότυπα, και προετοιμάζουν ένα σύστημα για την αυτόματη παραγωγή αρχικού περιεχομένου.
- Συνειδητοποιούν τον διαδικαστικό ροών NLG και εφαρμόζουν τους ορθούς τεχνικούς σε κάθε στάδιο.
- Συνειδητοποιούν την αρχιτεκτονική ενός Natural Language Generation (NLG) συστήματος.
- Εφαρμόζουν τους κατάλληλους λογισμικούς χώρους και πεπερασμένα μοντέλα για ανάλυση και διάθεση.
- Τίθενται σε άμεση εφαρμογή δεδομένων από δημόσια διαθέσιμες πηγές καθώς και βάσεις δεδομένων για να χρησιμοποιήσουν ως υλικό για την παραγωγή κειμένων.
- Αντικαθιστούν τους αυτόματους και σπανίους διαδικασίες γραφής με υπολογιστική παραγωγή, αυτομάτη δημιουργία περιεχομένου.
Advanced Machine Learning with Python
21 ΏρεςΣε αυτή την εκπαίδευση με οδηγό, ζωντανά σε Ελλάδα, οι συμμετέχοντες θα μάθουν τις πιο εφικτές και νέες τεχνικές μηχανικής μάθησης στο Python, καθώς χτίζουν μια σειρά δειγματικών εφαρμογών που αφορούν εικόνες, μουσική, κείμενα και χρηματιστικά δεδομένα.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Εφαρμόζουν αλγόριθμους και τεχνικές μηχανικής μάθησης για τη λύση περίπλοκων προβλημάτων.
- Εφαρμόζουν βάθυ εκπαίδευση και ημι-εποπτική εκπαίδευση σε εφαρμογές που αφορούν εικόνες, μουσική, κείμενα και χρηματιστικά δεδομένα.
- Καθιστούν τους αλγόριθμους Python προς το μέγιστο δυνατό όφελος.
- Χρησιμοποιούν βιβλιοθήκες και πακέτα όπως η NumPy και η Theano.
Python: Διαχείριση Των Κοπιλών Εργασιών
14 ΏρεςΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα βασίζεται στο δημοφιλές βιβλίο, "Automate the Boring Stuff with Python", του Al Sweigart. Απευθύνεται σε αρχάριους και καλύπτει βασικές Python έννοιες προγραμματισμού μέσω πρακτικών, πρακτικών ασκήσεων και συζητήσεων. Το επίκεντρο είναι να μάθουμε να γράφουμε κώδικα για να αυξήσουμε δραματικά την παραγωγικότητα του γραφείου.
Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα γνωρίζουν πώς να προγραμματίζουν στο Python και να εφαρμόζουν αυτή τη νέα δεξιότητα για:
- Αυτοματοποίηση εργασιών γράφοντας απλά Python προγράμματα.
- Δημιουργία προγραμμάτων που μπορούν να αναγνωρίζουν μοτίβα κειμένου με "regular expressions".
- Προγραμματιστική δημιουργία και ενημέρωση Excel υπολογιστικών φύλλων.
- Ανάλυση αρχείων PDF και Word εγγράφων.
- Εξερεύνηση ιστοσελίδων και εξαγωγή πληροφοριών από διαδικτυακές πηγές.
- Δημιουργία προγραμμάτων που στέλνουν ειδοποιήσεις μέσω email.
- Χρήση των εργαλείων εντοπισμού σφαλμάτων του Python για γρήγορη επίλυση προβλημάτων.
- Προγραμματιστικός έλεγχος του ποντικιού και του πληκτρολογίου για αυτόματο κλικ και πληκτρολόγηση.
Προγραμματισμός με Python για Οικονομικά
35 ΏρεςPython είναι μια γλώσσα προγραμματισμού που έχει αποκτήσει μεγάλη δημοτικότητα στον χρηματοπιστωτικό κλάδο. Εγκρίθηκε από τις μεγαλύτερες επενδυτικές τράπεζες και τα αμοιβαία κεφάλαια αντιστάθμισης κινδύνου, χρησιμοποιείται για την οικοδόμηση ενός ευρέος φάσματος χρηματοοικονομικών εφαρμογών που κυμαίνονται από βασικά προγράμματα συναλλαγών έως συστήματα διαχείρισης κινδύνου.
Σε αυτήν την καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιήσουν την Python για να αναπτύξουν πρακτικές εφαρμογές για την επίλυση ορισμένων ειδικών προβλημάτων χρηματοδότησης.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Να κατανοήσουν τις βασικές αρχές της γλώσσας προγραμματισμού Python
- Να κατεβάσουν, να εγκαταστήσουν και να συντηρήσουν τα καλύτερα εργαλεία ανάπτυξης για τη δημιουργία χρηματοοικονομικών εφαρμογών στην Python
- Να επιλέξουν και να χρησιμοποιήσουν τα καταλληλότερα πακέτα και τεχνικές προγραμματισμού Python για να οργανώσουν, να απεικονίσουν και να αναλύσουν χρηματοοικονομικά δεδομένα από διάφορες πηγές (CSV, Excel, βάσεις δεδομένων, διαδίκτυο, κ.λπ.)
- Να δημιουργήσουν εφαρμογές που επιλύουν προβλήματα σχετικά με την κατανομή περιουσιακών στοιχείων, την ανάλυση κινδύνου, την επενδυτική απόδοση και πολλά άλλα
- Να εντοπίσουν και να διορθώσουν σφάλματα, να ενσωματώσουν, να αναπτύξουν και να βελτιστοποιήσουν μια εφαρμογή Python
Κοινό
- Προγραμματιστές
- Αναλυτές
- Ειδικοί ποσοτικής ανάλυσης
Μορφή του μαθήματος
- Μέρος διάλεξη, μέρος συζήτηση, ασκήσεις και εκτενής πρακτική εξάσκηση
Σημείωση
- Αυτή η εκπαίδευση στοχεύει στην παροχή λύσεων για ορισμένα από τα κύρια προβλήματα που αντιμετωπίζουν οι επαγγελματίες του χρηματοπιστωτικού κλάδου. Ωστόσο, εάν έχετε ένα συγκεκριμένο θέμα, εργαλείο ή τεχνική που επιθυμείτε να προσθέσετε ή να επεξεργαστείτε περαιτέρω, παρακαλούμε επικοινωνήστε μαζί μας για να το κανονίσουμε.
Advanced Python - 4 Μέρες
28 ΏρεςΣε αυτήν τη ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα, οι συμμετέχοντες θα μάθουν προηγμένες Python τεχνικές προγραμματισμού, συμπεριλαμβανομένου του τρόπου εφαρμογής αυτής της ευέλικτης γλώσσας για την επίλυση προβλημάτων σε τομείς όπως κατανεμημένες εφαρμογές, ανάλυση και οπτικοποίηση δεδομένων, προγραμματισμός διεπαφής χρήστη και σενάρια συντήρησης .
Προγραμματισμός σε Python - 4 ημέρες
28 ΏρεςΑυτό το μάθημα σχεδιάστηκε για εκείνους που θέλουν να μάθουν τη γλώσσα προγραμματισμού Python. Η έμφαση βρίσκεται στη γλώσσα Python, τις κεντρικές βιβλιοθήκες, καθώς και στην επιλογή των καλύτερων και πιο χρήσιμων βιβλιοθηκών που έχουν αναπτυχθεί από την κοινότητα Python. Το Python κινεῖ επιχειρήσεις και χρησιμοποιείται από επιστήμονες σε όλο τον κόσμο – είναι μία από τις πιο δημοφιλείς γλώσσες προγραμματισμού.
Το μάθημα μπορεί να παραχωρηθεί χρησιμοποιώντας την τελευταία έκδοση Python 3.x με πρακτικά σενάρια που να κάνουν χρήση της πλήρους δύναμης. Το μάθημα μπορεί να παραχωρηθεί σε οποιοδήποτε λειτουργικό σύστημα (όλες οι εκδόσεις του UNIX, συμπεριλαμβανομένων του Linux και Mac OS X, καθώς και του Microsoft Windows).
Τα πρακτικά σενάρια αποτελούν περίπου το 70% του χρόνου μαθήματος, και περίπου το 30% είναι δειγματοδοσίες και παρουσιάσεις. Οι συζητήσεις και οι ερωτήσεις μπορούν να τίθενται κατά τη διάρκεια του μαθήματος.
Σημείωση: η εκπαίδευση μπορεί να προσαρμοστεί σε συγκεκριμένες ανάγκες κατόπιν προηγούμενου αιτήματος πριν την ενδεικτική ημερομηνία του μαθήματος.
Αυτόματη Πιστοποίηση με Selenium και Python
14 ΏρεςSelenium είναι ένα open-source πλαίσιο για την αυτομάτως διεξαγωγή δοκιμών προσωπικών εφαρμογών σε διάφορους περιηγητές. Με το Selenium 4, υπάρχουν αποδοτικότερες APIs WebDriver, φυσικές σχετικές καταλόγισης προσώπων (locators) και βελτιωμένη υποστήριξη για το grid. Το Python προσφέρει απλότητα και ισχυρή ολοκλήρωση με πλαισία δοκιμών όπως το Pytest, κάνοντάς το εξαιρετικό επιλογή για την ανάπτυξη μεγέθους και διατηρήσιμων συνόλων δοκιμών.
Αυτή η εκπαιδευτική εκ τόπου (online ή onsite) αποσκοπεί σε νέες και μεσαίες επίπεδο δοκιμαστές και προγραμματιστές, τους οποίους αναζητούν να χρησιμοποιήσουν Selenium με Python για την αυτόματη δοκιμαστική εξέταση προσωπικών εφαρμογών σε πραγματικά περιβάλλοντα.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Εγκαταστήσουν και ρυθμίσουν Selenium με Python σε ένα περιβάλλον δοκιμών.
- Δημιουργήσουν αξιόπιστα συντάγματα δοκιμών αυτομάτως με Selenium WebDriver και Pytest.
- Εφαρμένε το Page Object Model (POM) για διατηρήσιμα πλαίσια δοκιμών.
- Εκτελέσουν δοκιμές σε πολλούς περιηγητές χρησιμοποιώντας Selenium Grid.
- Ολοκληρώσουν τα αυτομάτως δοκιμαστικά σε καλαθιά CI/CD.
- Επίλυση κοινών προβλημάτων και εφαρμογή καλών πρακτικών για τη σταθερότητα της αυτομάτως δοκιμασίας.
Μορφή Του Κούρσου
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές εξασκήσεις και πρακτική χρησιμοποίηση.
- Χειρονομική εφαρμογή σε ζωντανό περιβάλλον lab.
Επιλογές Προσαρμογής Κούρσου
- Για να αιτηθείτε μια προσαρμοσμένη εκπαίδευση για αυτό το κούρσο, παρακαλώ επικοινωνήστε μαζί μας για να οργανωθεί.