AWS Cloud9 for Data Science Treningskurs

Dette er en innføring i Data Science og Kunstig Intelligens (KI) over fem dager.

Kurset leveres med eksempler og øvelser som bruker Python

Denne instruktørledede, live opplæringen (online eller på sted) er rettet mot deltakere på mellomnivå som ønsker å automatisere og administrere maskinlæringsarbeidsflyter, inkludert modelltrening, validering og deployering ved bruk av Apache Airflow.

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

• Opprette Apache Airflow for maskinlæringsarbeidsflytovervåkning.
• Automatisere datapreprosessering, modelltrening og valideringsoppgaver.
• Integrere Airflow med maskinlæringsrammeverk og verktøy.
• Deployere maskinlæringsmodeller ved bruk av automatiserte rørledninger.
• Overvåke og optimalisere maskinlæringsarbeidsflyter i produksjon.

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.

Dette instruktørledede, live-treningen i Norge (online eller på stedet) er rettet mot datavitenskapsforskere og IT-professionelle med begynnernivå som ønsker å lære grunnleggende dataviten ved hjelp av Google Colab.

Ved slutten av denne treningen vil deltakerne kunne:

• Sette opp og navigere i Google Colab.
• Skrive og kjøre grunnleggende Python-kode.
• Importere og håndtere datasett.
• Opprette visualiseringer ved hjelp av Python-biblioteker.

Deltakerne som fullfører denne treningen vil få en praktisk, reell forståelse av Data Science og dens relaterte teknologier, metoder og verktøy.

Deltakerne vil ha muligheten til å sette dette kunnskapen i praksis gjennom håndsjekkede øvelser. Gruppeinteraksjon og instruktørtilbakemelding er en viktig del av kurset.

Kurset starter med en introduksjon til grunnleggende konsepter i Data Science, for så å gå over til verktøyene og metodene som brukes i Data Science.

Målgruppe

• Utviklere
• Tekniskanalytikere
• IT-konsulenter

Kursformat

• Del forelesning, del diskusjon, øvelser og mye praktisk arbeid

Merk

• For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å ordne det.

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.

Oppsummering:

• Grunnleggende om IoT-arkitektur og funksjoner
• «Ting», «Sensorer», internett og sammenhengen mellom IoTs forretningsfunksjoner
• Essensielle komponenter i alle IoT-programvaresystemer – maskinvare, fastvare, mellomvare, skytjenester og mobilapper
• IoT-funksjoner: Flåtestyring, datavisualisering, SaaS-basert flåtestyring og datavisualisering, varsling/alarm, tilkobling av sensorer, tilkobling av «ting», geofencing
• Grunnleggende om IoT-enhetenes kommunikasjon med skyen via MQTT.
• Tilkobling av IoT-enheter til AWS via MQTT (AWS IoT Core).
• Tilkobling av AWS IoT Core til en AWS Lambda-funksjon for beregning og lagring av data ved hjelp av DynamoDB.
• Tilkobling av Raspberry Pi til AWS IoT Core og enkel datakommunikasjon.
• Praktisk arbeid med Raspberry Pi og AWS IoT Core for å bygge en intelligent enhet.
• Visualisering av sensordata og kommunikasjon via webgrensesnitt.

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.

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.