Von Lehrern geleitete Live-Modin-Schulungen online oder vor Ort demonstrieren durch interaktive praktische Übungen, wie Sie Modin verwenden, um parallele Berechnungen mit Pandas für eine schnellere Datenanalyse zu erstellen und zu implementieren. Modin-Schulungen sind als „Online-Live-Schulung“ oder „Vor-Ort-Live-Schulung“ verfügbar. Das Online-Live-Training (auch „Remote-Live-Training“) wird über einen interaktiven Remote-Desktop durchgeführt. Vor-Ort-Live-Schulungen können vor Ort beim Kunden in Wien oder in den Schulungszentren von NobleProg in Wien durchgeführt werden. NobleProg – Ihr lokaler Schulungsanbieter
NobleProg Wien
Modecenterstraße 22, Wien, Austria, 1030
Überblick
Unsere Schulungsräumlichkeiten befinden sich in der Modecenterstraße...
Überblick
Unsere Schulungsräumlichkeiten befinden sich in der Modecenterstraße 22 in Wien. Unsere großzügigen Schulungsräume bieten optimale Trainingsbedingungen für Ihre Bedürfnisse.
Für Fragen und Schulungsanmeldungen wenden Sie sich bitte an unsere Firmenzentrale:
NobleProg Europe GmbH,
Kolonnenstr. 8
10827 Berlin
Deutschland
Anfahrt
Die NobleProg-Schulungsräumlichkeiten liegen verkehrsgünstig nahe der Autobahn A23 und die nächste, fussläufig erreichbare, U-Bahnstation ist die Station Zippererstrasse.
Parkplätze
Rund um unsere Schulungsräume gibt es in den umliegenden Straßen Parkmöglichkeiten.
Lokale Infrastruktur
In der fussläufigen Umgebung gibt es zahlreiche Lokale.
Diese von einem Dozenten geleitete Live-Schulung (online oder vor Ort) richtet sich an Datenwissenschaftler und -entwickler, die Modin verwenden möchten, um parallele Berechnungen mit Pandas für eine schnellere Datenanalyse zu erstellen und zu implementieren.
Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
Die notwendige Umgebung einrichten, um mit der Entwicklung von Pandas Workflows in großem Umfang mit Modin zu beginnen.
Verstehen Sie die Funktionen, die Architektur und die Vorteile von Modin.
Kennen Sie die Unterschiede zwischen Modin, Dask und Ray.
Mit Modin Pandas Operationen schneller durchführen.
Implementieren Sie die gesamte Pandas API und Funktionen.