Новые складчины | страница 34

​

1. Дизайн сетей ЦОД
2. Технологии коммутации
3. Технологии маршрутизации
4. Наложенные сети VxLAN
5. Построение масштабируемых сетей EVPN
6. Альтернативные варианты организации L2 DCI
7. Application Centric Infrastructure (ACI)
8. Сети хранения данных (SAN)
9. Универсальная вычислительная система (UCS)
10. Поиск и устранение неисправностей
ccie_dc_2022_materials

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

0. Введение
1. Коммутация
2. Основы маршрутизации
3. OSPF
4. EIGRP
5. BGP
6. MPLS
7. DMVPN
8. Многоадресная рассылка
9. Безопасность сетевой инфраструктуры
10. Качество обслуживания
11. Software Defined WAN
12. Software Defined Access
13. IPv6

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

1. OSPF
2. IS-IS
3. BGP
4. MPLS
5. Ethernet VPN
6. Segment Routing
7. Многоадресная рассылка
8. Качество обслуживания (QoS) в сетях MPLS
9. LISP
10. IPv6

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

FastAPI для начинающих

Этот курс представляет собой подробное руководство по созданию приложений с помощью FastAPI. Вы узнаете, как создавать быстрые, эффективные и масштабируемые REST API на Python. Вы начнете с приложения Hello World и далее создадите полноценное API интернет магазина, использующее асинхронные запросы к базе данных, аутентификацию и права доступа. Внимание, данный курс не содержит ни минуты видео!

О курсе:

Раздел 1: «Введение в API» мы познакомимся с API, архитектурой REST API. Изучим основные HTTP методы и коды ответа сервера.

Раздел 2: «Знакомство с FastAPI» мы познакомимся с основами FastAPI и создадим свое первое API, возвращающее "Hello World". Также мы подробно изучим процесс создания конечных точек с использованием системы маршрутизации в FastAPI. И научимся валидировать параметры, получаемые из пути и тела запросов.

Раздел 3: «Создание CRUD-приложения на FastAPI» мы спроектируем и реализуем простой CRUD проект. Познакомимся с основными методами запросов GET, POST, PUT, DELETE, научимся создавать и валидировать модели класса Pydantic. Изучим моделирование ответов, обработку ошибок и коды состояния. Обсудим, как можно использовать шаблоны Jinja для создания представлений и вывода ответов из API.

Раздел 4: «Внедрения зависимостей» мы рассмотрим шаблон внедрения зависимостей, используемый FastAPI для управления экземплярами и структурой проекта с помощью директивы Depends() и сторонних модулей расширения.

Раздел 5: «Интернет магазин на FastAPI» мы рассмотрим основные возможности FastAPI, научимся правильно структурировать проект. Узнаем об использовании APIRouter для организации проектов. Создадим подключение к БД через SQLAlchemy, научимся использовать Alembic для выполнения миграций. Научимся использовать сессии и напишем свои первые запросы, которые в дальнейшем мы сделаем асинхронными. Реализуем аутентификацию используя HTTP Basic Auth, OAuth2, и научимся генерировать JWT токен. Где в дальнейшем будем использовать его, для проверки прав доступа к различным конечным точкам нашего API.

Раздел 6: «Продвинутые возможности в FastAPI» мы рассмотрим версионирование API сервисов, логгирование, кеширование ответов. Изучим, что такое тестирование и как тестировать конечные точки API.

Раздел 7: «Docker + FastAPI» мы рассмотрим основные концепции Docker и на примере создадим свой контейнер с Python проектом. Далее мы упакуем FastAPI, PostgreSQL, NGINX в контейнеры и подготовим проект к деплою.

Раздел 8. «Деплой проекта через Docker» мы рассмотрим деплой проекта FastAPI, вместе с базой данных PostgreSQL, веб сервером Gunicorn и Nginx на контейнерах Docker с Compose.

Чему вы научитесь:

• Работать с фреймворком FastAPI
• Писать свои API сервисы
• Валидировать данные через Pydantic
• Научитесь асинхронно работать с БД через SQLAlchemy и выполнять миграции используя Alembic
• Создавать аутентификацию на основе базовых методов и OAuth2 и JWT
• Упаковывать FastAPI в Docker Compose
• Выполнять деплой проектов на сервер

Для кого этот курс:

Курс будет полезен для заинтересованных в создании веб-API используя FastAPI.

Начальные требования:

Обладать хорошими практическими знаниями Python и иметь знания HTML, SQL. Желательно наличие знаний SQLAlchemy.

Преподаватель - Илья Перминов:

Занимаюсь веб-программированием с 2006 года.

Автор курсов по Django:

Django 5 для начинающих
Продвинутый Django 5 для продолжающих
Разработка backend-приложений на Django: полный курс.
FastAPI для начинающих

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Учись работать на Python решая проекты в области Data Science. От анализа данных до построения рекомендательной системы

Чему вы научитесь
Научишься обрабатывать данные на примере реальных проектов используя язык Python
Узнаешь про различные библиотеки Python, используемые для обработки данных и построения моделей машинного обучения
Сможешь визуализировать данные используя язык Python
На практике применишь алгоритмы supervised learning: logistic regression, linear regression, decision tree, random forest, SVM
Также научишься применять алгоритмы для сегментации такие как K-means clustering (unsupervised learning)
Научишься использовать Time Series models (временные ряды)
Примените ансамблевое обучение: AdaBoost, Gradient Boosting, XGBoost.
Попробуешь построить систему рекоммендаций и посмотреть что такое text mining
Узнаешь про deep leaning используя Tensor flow и Keras: Convolutional Networks, Recurrent Neural Networks

Материалы курса
6 разделов • 12 лекций • Общая продолжительность 3 ч 35 мин
Введение
Проект 1: Проанализировать данные Федерального управления гражданской авиации с
Проект 2: Проанализировать данные пожарной части Нью-Йорка
Проект 3: Построить ML: прогноз продаж в зависимости от рекламного бюджета
Проект 4: Посторить ML - прогноз заболевания диабетом на основе мед показателей
Проект 5: Проанализировать данные по автомобилям и построить графики зависимости

Требования: Интерес к решению практических задач. Навыки программирования не обязательны. Основы выучите на примерах.

Описание
Данный курс содержит разбор проблем/задач, которые встречаются в работе у Data Scientist-ов. Так как этот курс для начинающих, то мы подробно проходим некоторые детали, которые могут быть скучны для тех, кто уже работает в этой роли или в смежной специальности. Сложность задач идет по нарастающей.

Цель курса это показать природу задач в области Data Science и чтобы учащийся смог быстро определить для себя, подходит ли эта дисциплина для дальнейшего своего развития или же это не то, что изначально думал учащийся про Data Science. Также этот курс поможет учащимся быстро влиться в эту область, решая различные проблемы.
На данном курсе мы будем использовать Jupyter Notebook. Данные для анализа будут предоставлены в файлах, которые необходимо будет прочитать с помощью языка Python.

Для кого этот курс:
Данный курс предназначен для тех, кто хочет узнать, что такое Data Science на практике. Это курс для начинающих, кто никогда не программировал на Python для решения задач в области Data Science. Сложность задач идет с возрастанием. Первая половина курса не будет интересна тем, кто решал хоть какие-то задачи на Python в области анализа данных и построения моделей.

Преподаватель: Ержан Елемесов
Менеджер по продукту / Специалист по данным / Аналитик данных
Я имею степень бакалавра прикладной математики Московского государственного университета имени Ломоносова (Москва, Россия) и степень магистра математики Карлтонского университета (Оттава, Канада).

Язык - русский
Цена: 2100р.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...