AWS Cloud9 for Data Science Treningskurs

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot dataforskere som ønsker å bruke Anaconda-økosystemet til å fange opp, administrere og distribuere pakker og dataanalysearbeidsflyter på én enkelt plattform.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Anaconda komponenter og biblioteker.
• Forstå kjernekonseptene, funksjonene og fordelene ved Anaconda.
• Administrer pakker, miljøer og kanaler ved hjelp av Anaconda Navigator.
• Bruk Conda-, R- og Python-pakker for datavitenskap og maskinlæring.
• Bli kjent med noen praktiske brukstilfeller og teknikker for å administrere flere datamiljøer.

Denne instruktørledede, live-opplæringen i Norge (på stedet eller ekstern) er rettet mot ingeniører som ønsker å distribuere og administrere IoT-enheter på AWS.

Ved slutten av denne opplæringen vil deltakerne kunne bygge en IoT-plattform som inkluderer distribusjon og administrasjon av en backend, gateway og enheter på toppen av AWS.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å installere, konfigurere og administrere AWS IoT Greengrass-funksjoner for å lage applikasjoner for ulike enheter.

Ved slutten av denne opplæringen vil deltakerne kunne bruke AWS IoT Greengrass til å bygge, distribuere, administrere, sikre og overvåke applikasjoner på intelligente enheter.

Denne instruktørledede, live-opplæringen i Norge (på stedet eller ekstern) er rettet mot utviklere som ønsker å bruke AWS Lambda til å bygge og distribuere tjenester og applikasjoner til skyen, uten å måtte bekymre deg for å klargjøre utførelsesmiljøet (servere, VM-er og containere, tilgjengelighet, skalerbarhet, lagring osv.).

Ved slutten av denne opplæringen vil deltakerne kunne:

• Konfigurer AWS Lambda for å utføre en funksjon.
• Forstå FaaS (Functions as a Service) og fordelene med serverløs utvikling.
• Bygg, last opp og utfør AWS Lambda funksjoner.
• Integrer Lambda-funksjoner med forskjellige hendelseskilder.
• Pakke, distribuere, overvåke og feilsøke Lambda-baserte applikasjoner.

Eksplosjonen av informasjon og data i dagens verden er uten sidestykke, vår evne til å innovere og flytte grensene for det mulige vokser raskere enn den noen gang har gjort. Rollen som Data Scientist er en av de høyest etterspurte ferdighetene i bransjen i dag.

Vi tilbyr mye mer enn å lære gjennom teori; vi leverer praktiske, salgbare ferdigheter som bygger bro mellom akademia og industriens krav.

Denne 7 ukers læreplanen kan skreddersys til dine spesifikke bransjekrav, vennligst kontakt oss for mer informasjon eller besøk Nobleprog Institutes nettsted

Publikum:

Dette programmet er rettet mot kandidater på postnivå så vel som alle med de nødvendige forutsetningene som vil bli bestemt av en vurdering og intervju.

Leveranse:

Levering av kurset vil være en blanding av Instructor Led Classroom og Instructor Led Online; typisk vil den første uken være 'klasseromsledet', uke 2 - 6 'virtuelt klasserom' og uke 7 tilbake til 'klasseromsledet'.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot profesjonelle på avansert nivå som ønsker å utdype sin forståelse av DevOps praksis og strømlinjeforme utviklingsprosesser ved å bruke AWS Cloud9.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Konfigurer og konfigurer AWS Cloud9 for DevOps arbeidsflyter.
• Implementer kontinuerlig integrasjon og kontinuerlig levering (CI/CD) rørledninger.
• Automatiser testing, overvåking og distribusjonsprosesser ved hjelp av AWS Cloud9.
• Integrer AWS-tjenester som Lambda, EC2 og S3 i DevOps arbeidsflyter.
• Bruk kildekontrollsystemer som GitHub eller GitLab i AWS Cloud9.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot fagfolk på middels nivå som ønsker å lære hvordan man effektivt bygger, distribuerer og vedlikeholder serverløse applikasjoner på AWS Cloud9 og AWS Lambda.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå det grunnleggende om serverløs arkitektur.
• Konfigurer AWS Cloud9 for serverløs applikasjonsutvikling.
• Utvikle, test og distribuer serverløse applikasjoner ved hjelp av AWS Lambda.
• Integrer AWS Lambda med andre AWS-tjenester som API Gateway og S3.
• Optimaliser serverløse applikasjoner for ytelse og kostnadseffektivitet.

Big data er datasett som er så omfangsrike og komplekse at tradisjonell databehandlingsapplikasjonsprogramvare er utilstrekkelig til å håndtere dem. Store datautfordringer inkluderer innhenting av data, datalagring, dataanalyse, søk, deling, overføring, visualisering, spørring, oppdatering og informasjon om personvern.

Sommerlig:

• Grunnleggende om IoT-arkitektur og funksjoner
• "Ting", "Sensorer", Internett og kartleggingen mellom forretningsfunksjoner til IoT
• Viktig for alle IoT-programvarekomponenter - maskinvare, fastvare, mellomvare, sky og mobilapp
• IoT-funksjoner- Fleet manager, datavisualisering, SaaS-basert FM og DV, varsling/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Grunnleggende om IoT-enhetskommunikasjon med sky med MQTT.
• Koble IoT-enheter til AWS med MQTT (AWS IoT Core).
• Koble AWS IoT kjerne med AWS Lambda funksjon for beregning og datalagring.
• Koble til Raspberry PI med AWS IoT kjerne og enkel datakommunikasjon.
• Varsler og hendelser
• Sensorkalibrering

Sammendrag:

• Grunnleggende om IoT-arkitektur og funksjoner
• "Ting", "Sensorer", Internett og kartleggingen mellom forretningsfunksjoner til IoT
• Viktig for alle IoT-programvarekomponenter - maskinvare, fastvare, mellomvare, sky og mobilapp
• IoT-funksjoner- Fleet manager, datavisualisering, SaaS-basert FM og DV, varsling/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Grunnleggende om IoT-enhetskommunikasjon med sky med MQTT.
• Koble IoT-enheter til AWS med MQTT (AWS IoT Core).
• Koble til AWS IoT kjerne med AWS Lambda funksjon for beregning og datalagring ved hjelp av DynamoDB.
• Koble Raspberry PI med AWS IoT kjerne og enkel datakommunikasjon.
• Hands on med Raspberry PI og AWS IoT Core for å bygge en smart enhet.
• Sensordatavisualisering og kommunikasjon med webgrensesnitt.

Denne instruktørledede, live-trening på Norge (online eller på sted) introduserer ideen om samarbeidsutvikling innen datascience og demonstrerer hvordan man bruker Jupyter til å følge og delta som et team i "livssyklusen til en beregningside". Den leder deltakere gjennom opprettelsen av et eksempel på et datascience-prosjekt basert på Jupyter-økosystemet.

Ved slutten av denne treningen vil deltakerne kunne:

• Installere og konfigurere Jupyter, inkludert opprettelse og integrering av et team-repositorium på Git.
• Bruk Jupyter-funksjoner som utvidelser, interaktive widget og flerbruker-modus for å muliggjøre samarbeid på prosjekter.
• Opprette, dele og organisere Jupyter Notebooks med teammedlemmer.
• Velge mellom Scala, Python, R, for å skrive og kjøre kode mot store datasystemer som Apache Spark, alt gjennom Jupyter-grensesnittet.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot datavitere og utviklere som ønsker å lære og bygge karrierer i Data Science ved hjelp av Kaggle.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lær om datavitenskap og maskinlæring.
• Utforsk dataanalyse.
• Lær om Kaggle og hvordan det fungerer.

I den første delen av denne opplæringen dekker vi det grunnleggende om MATLAB og dets funksjon som både et språk og en plattform. Inkludert i denne diskusjonen er en introduksjon til MATLAB syntaks, matriser og matriser, datavisualisering, skriptutvikling og objektorienterte prinsipper.

I den andre delen demonstrerer vi hvordan du bruker MATLAB til datautvinning, maskinlæring og prediktiv analyse. For å gi deltakerne et klart og praktisk perspektiv på MATLABs tilnærming og makt, trekker vi sammenligninger mellom bruk av MATLAB og andre verktøy som regneark, C, C++ og Visual Basic.

I den tredje delen av opplæringen lærer deltakerne hvordan de kan effektivisere arbeidet sitt ved å automatisere databehandlingen og rapportgenereringen.

Gjennom hele kurset vil deltakerne implementere ideene som er lært gjennom praktiske øvelser i et laboratoriemiljø. Ved slutten av opplæringen vil deltakerne ha en grundig forståelse av MATLAB sine evner og vil kunne bruke den til å løse datavitenskapelige problemer i den virkelige verden samt for å effektivisere arbeidet gjennom automatisering.

Det vil bli gjennomført vurderinger gjennom hele kurset for å måle fremgang.

Kursets format

• Kurset inkluderer teoretiske og praktiske øvelser, inkludert casediskusjoner, prøvekodeinspeksjon og praktisk implementering.

Merk

• Øvingsøktene vil være basert på forhåndsarrangerte rapportmaler for eksempeldata. Hvis du har spesifikke krav, vennligst kontakt oss for å avtale.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og utviklere som ønsker å bruke Modin til å bygge og implementere parallelle beregninger med Pandas for raskere dataanalyse.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige miljøet for å begynne å utvikle Pandas arbeidsflyter i skala med Modin.
• Forstå funksjonene, arkitekturen og fordelene ved Modin.
• Kjenn forskjellene mellom Modin, Dask og Ray.
• Utfør Pandas operasjoner raskere med Modin.
• Implementer hele Pandas API og funksjoner.

Denne instruktørledede, live treningen (online eller på stedet) er rettet mot datavitere og utviklere som ønsker å bruke RAPIDS for å bygge GPU-akselerte datapipeliner, arbeidsflyter og visualiseringer, ved å bruke maskinlæringsalgoritmer, slik som XGBoost, cuML, etc.

Ved slutten av denne treningen vil deltakerne være i stand til å:

• Opprette den nødvendige utviklingsmiljøet for å bygge datamodeller med NVIDIA RAPIDS.
• Forstå funksjonene, komponentene og fordelene ved RAPIDS.
• Utnytt GPU til å akselerere ende-til-ende data- og analytiske pipeliner.
• Implementere GPU-akselert datapreparering og ETL med cuDF og Apache Arrow.
• Lære å utføre maskinlæringsoppgaver med XGBoost- og cuML-algoritmer.
• Bygge data-visualiseringer og utføre grafanalyse med cuXfilter og cuGraph.