Kursplan

Introduksjon til AWS Cloud9 for datavitenskap

  • Oversikt over AWS Cloud9-funksjoner for datavitenskap
  • Oppsett av et datavitenskapsmiljø i AWS Cloud9
  • Konfigurering av Cloud9 for Python, R, og Jupyter Notebook

Inntak og forberedelse av data

  • Importering og rensing av data fra ulike kilder
  • Bruk av AWS S3 for datalagring og tilgang
  • Forbehandling av data for analyse og modellering

Dataanalyse i AWS Cloud9

  • Eksplorativ dataanalyse med Python og R
  • Arbeid med Pandas, NumPy, og biblioteker for datavisualisering
  • Statistisk analyse og hypoteseprøving i Cloud9

Utvikling av maskinlæringsmodeller

  • Bygging av maskinlæringsmodeller med Scikit-learn og TensorFlow
  • Trening og evaluering av modeller i AWS Cloud9
  • Bruk av SageMaker med Cloud9 for utvikling av store modeller

Integrering og administrasjon av databaser

  • Integrering av AWS RDS og Redshift med AWS Cloud9
  • Spørring av store datamengder med SQL og Python
  • Håndtering av store data med AWS-tjenester

Utplassering og optimalisering av modeller

  • Utplassering av maskinlæringsmodeller med AWS Lambda
  • Bruk av AWS CloudFormation for automatisering av utplassering
  • Optimalisering av datapipelines for ytelse og kostnadseffektivitet

Samarbeidende utvikling og sikkerhet

  • Samarbeid på datavitenskaplige prosjekter i Cloud9
  • Bruk av Git for versjonskontroll og prosjektstyring
  • Sikkerhetsbest praksis for data og modeller i AWS Cloud9

Oppsummering og neste steg

Krav

  • Grunnleggende forståelse av data science-konssepter
  • Kjennskap til Python-programmering
  • Erfaring med cloud-miljøer og AWS-tjenester

Målgruppe

  • Data scientists
  • Data analysts
  • Machine learning engineers
 28 timer

Antall deltakere


Pris per deltaker

Referanser (3)

Kommende kurs

Relaterte kategorier