Amazon Web Services (AWS) SageMaker Treningskurs

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å integrere en DynamoDB NoSQL-database i en nettapplikasjon som er vert på AWS.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige utviklingsmiljøet for å begynne å integrere data i DynamoDB.
• Integrer DynamoDB i webapplikasjoner og mobilapplikasjoner.
• Flytt data i AWS med AWS-tjenester.
• Implementere operasjoner med AWS DAX.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å bruke AWS CloudFormation til å automatisere prosessen med å administrere AWS-skyinfrastruktur.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Aktiver AWS-tjenester for å komme i gang med å administrere infrastruktur.
• Forstå og anvende prinsippet om "infrastruktur som kode".
• Forbedre kvaliteten og senk kostnadene ved utplassering av infrastruktur.
• Skriv AWS CloudFormation maler med YAML.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot skyingeniører og utviklere som ønsker å bruke CloudFormation til å administrere infrastrukturressurser i AWS-økosystemet.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Implementer CloudFormation maler for å automatisere infrastrukturadministrasjon.
• Integrer eksisterende AWS-ressurser i CloudFormation.
• Bruk StackSets til å administrere stabler på tvers av flere kontoer og regioner.

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 være i stand til å bygge en IoT-plattform som inkluderer distribusjon og administrasjon av en backend, gateway og enheter på toppen av AWS.

Summery:

• Basics of IoT architecture and functions
• “Things”, “Sensors”, Internet and the mapping between business functions of IoT
• Essential of all IoT software components- hardware, firmware, middleware, cloud and mobile app
• IoT functions- Fleet manager, Data visualization, SaaS based FM and DV, alert/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Basics of IoT device communication with cloud with MQTT.
• Connecting IoT devices to AWS with MQTT (AWS IoT Core).
• Connecting AWS IoT core with AWS Lambda function for computation and data storage.
• Connecting Raspberry PI with AWS IoT core and simple data communication.
• Alerts and events
• Sensor calibration

Summary:

• Basics of IoT architecture and functions
• “Things”, “Sensors”, Internet and the mapping between business functions of IoT
• Essential of all IoT software components- hardware, firmware, middleware, cloud and mobile app
• IoT functions- Fleet manager, Data visualization, SaaS based FM and DV, alert/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Basics of IoT device communication with cloud with MQTT.
• Connecting IoT devices to AWS with MQTT (AWS IoT Core).
• Connecting AWS IoT core with AWS Lambda function for computation and data storage using DynamoDB.
• Connecting Raspberry PI with AWS IoT core and simple data communication.
• Hands on with Raspberry PI and AWS IoT Core to build a smart device.
• Sensor data visualization and communication with web interface.

Denne instruktørledede, live-opplæringen 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.
• Pakk, distribuer, overvåk og feilsøk Lambda-baserte applikasjoner.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å integrere AWS Lambda applikasjoner og tjenester med andre tjenester (API Gateway, Kinesis Streams, etc.). Opplæringen viser hvordan du bruker den nettleserbaserte AWS Cloud9 IDE for å utvikle programvare i samarbeid.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Utvikle funksjoner, applikasjoner og tjenester i samarbeid med AWS Cloud9 IDE.
• Integrer AWS Lambda funksjoner med andre AWS-tjenester.
• Opprett og administrer APIer.
• Sett opp en AWS Lambda-funksjon for å lese og behandle strømmedata i sanntid.
• Opprett og administrer en kontinuerlig integrasjonspipeline for å bygge, teste og distribuere en AWS Lambda funksjoner og applikasjoner.

H2O AutoML is an artificial intelligence platform that automates the process of building, selecting and optimizing large numbers of machine learning models.

This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use H2O AutoML to automate the process of building and selecting the best machine learning algorithm and parameters.

By the end of this training, participants will be able to:

• Automate the machine learning workflow.
• Automatically train and tune many machine learning models within a specified time range.
• Train stacked ensembles to arrive at highly predictive ensemble models.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot maskinlæringsutøvere som ønsker å bruke Auto-sklearn til å automatisere prosessen med å velge og optimalisere en maskinlæringsmodell.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Automatiser prosessen med å trene opp svært effektive maskinlæringsmodeller.
• Bygg svært nøyaktige maskinlæringsmodeller mens du omgår de mer kjedelige oppgavene med å velge, trene og teste forskjellige modeller.
• Bruk kraften til maskinlæring for å løse virkelige forretningsproblemer.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere så vel som mindre tekniske personer som ønsker å bruke Auto-Keras for å automatisere prosessen med å velge og optimalisere en maskinlæringsmodell.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Automatiser prosessen med å trene opp svært effektive maskinlæringsmodeller.
• Søk automatisk etter de beste parametrene for dyplæringsmodeller.
• Bygg svært nøyaktige maskinlæringsmodeller.
• Bruk kraften til maskinlæring for å løse virkelige forretningsproblemer.

Denne instruktørledede, live-opplæringen i (online eller på stedet) er rettet mot dataforskere, maskinlæringsingeniører og datasynsforskere som ønsker å utnytte Stable Diffusion til å generere bilder av høy kvalitet for en rekke bruksområder.

Ved slutten av denne opplæringen vil deltakerne kunne:

Forstå prinsippene for Stable Diffusion og hvordan det fungerer for bildegenerering. Bygg og tren Stable Diffusion-modeller for bildegenereringsoppgaver. Bruk Stable Diffusion på ulike scenarier for bildegenerering, for eksempel innpainting, outpainting og bilde-til-bilde-oversettelse. Optimaliser ytelsen og stabiliteten til Stable Diffusion-modeller.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot dataforskere på middels til avansert nivå, maskinlæringsingeniører, dyplæringsforskere og datasynseksperter som ønsker å utvide kunnskapen og ferdighetene sine innen dyp læring for tekst-til-bilde generering.

Ved slutten av denne opplæringen vil deltakerne kunne:

Forstå avanserte dyplæringsarkitekturer og teknikker for tekst-til-bilde generering. Implementer komplekse modeller og optimaliseringer for bildesyntese av høy kvalitet. Optimaliser ytelse og skalerbarhet for store datasett og komplekse modeller. Juster hyperparametre for bedre modellytelse og generalisering. Integrer Stable Diffusion med andre dyplæringsrammer og verktøy

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot biologer som ønsker å forstå hvordan AlphaFold fungerer og bruke AlphaFold modeller som guider i sine eksperimentelle studier.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå de grunnleggende prinsippene til AlphaFold.
• Finn ut hvordan AlphaFold fungerer.
• Lær hvordan du tolker AlphaFold spådommer og resultater.