Open Source for Digital Sovereignty: Building Portable Platforms Beyond Hyperscaler Lock-In Treningskurs

Denne instruktørbaserte, live-utdanningen i Norge (online eller på stedet) er rettet mot avansertnivå profesjonelle som ønsker å utvide kunnskapen sin om maskinlæringsmodeller, forbedre ferdighetene sine i hyperparameter tuning, og lære hvordan man effektivt distribuerer modeller ved hjelp av Google Colab.

Ved slutten av dette kurset vil deltakerne kunne:

• Implementere avanserte maskinlæringsmodeller ved hjelp av populære rammer som Scikit-learn og TensorFlow.
• Optimalisere modellens ytelse gjennom hyperparameter tuning.
• Distribuere maskinlæringsmodeller i virkelige applikasjoner ved hjelp av Google Colab.
• Samarbeide og administrere store skala maskinlæringsprosjekter i Google Colab.

Dette underviserledede, live-treningen i Norge (online eller på stedet) er rettet mot mellomnivå dataforskere og helsevesenprofesjonelle som ønsker å nyte godt av AI for avanserte helsevesensapplikasjoner ved hjelp av Google Colab.

Ved slutten av denne treningen vil deltakerne kunne:

• Implementere AI-modeller for helsevesen ved hjelp av Google Colab.
• Bruke AI for prediktiv modellering i helsevesensdata.
• Analysere medisinske bilder ved hjelp av AI-drevne teknikker.
• Utforske etiske overvegelser i AI-baserte helsevesensløsninger.

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.

Denne instruktørledede, live opplæringen (online eller på sted) er rettet mot mellomnivå dataforskere og ingeniører som ønsker å bruke Google Colab og Apache Spark for behandling og analyse av store datasett.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Opprette en stor data-miljø ved bruk av Google Colab og Spark.
• Behandle og analysere store datasett effektivt med Apache Spark.
• Visualisere store data i et samarbeidsmiljø.
• Integrere Apache Spark med skyløsninger.

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.

Google Colab Pro er en skyløsning for skalerbar Python-utvikling og tilbyr høyytende GPUs, lengre kjøretider og mer minne for krevende AI- og datascienceoppgaver.

Denne instruktørledede opplæringen (online eller på stedet) er rettet mot mellomnivå-Python-brukere som ønsker å bruke Google Colab Pro til maskinlæring, databehandling og samarbeidsforskning i et kraftig notebook-grensesnitt.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Opprette og administrere skyløsningsbaserte Python-notebooks ved hjelp av Colab Pro.
• Access GPUs og TPUs for akselerert beregning.
• Strømlinjeforme maskinlæringsarbeidsflyter ved bruk av populære biblioteker (f.eks., TensorFlow, PyTorch, Scikit-learn).
• Integrere med Google Drive og eksterne datakilder for samarbeidsprosjekter.

Kursformat

• Interaktiv forelesning og diskusjon.
• Mye øvelser og praksis.
• Håndfast implementering i et live-lab-miljø.

Kursanpassningsmuligheter

• For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.

Denne instruktørledede, live-treningen i Norge (online eller på stedet) er rettet mot avanserte profesjonelle som ønsker å dyppe seg dypere inn i datavisjon og utforske TensorFlows kapasiteter for å utvikle sofistikerte visjonsmodeller ved hjelp av Google Colab.

Ved slutten av denne treningen vil deltakerne kunne:

• Bygge og trene konvolusjonelle nevrale nettverk (CNNs) ved hjelp av TensorFlow.
• Bruke Google Colab for skalerbar og effektiv skybasert modellutvikling.
• Implementere bildeforarbeidingsmetoder for datavisjonstider.
• Sette i drift datavisjonsmodeller for virkelige anvendelser.
• Bruke overføringsslur for å forbedre ytelsen på CNN-modeller.
• Visualisere og tolke resultater fra bildeklassifiseringsmodeller.

Denne instruktørledede, live-opplæringen (online eller på sted) er rettet mot mellomnivådataforskerne og utviklere som ønsker å forstå og bruke dyp læringsteknikker ved hjelp av Google Colab-miljøet.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Oppsette og navigere Google Colab for dyplæringprosjekter.
• Forstå grunnleggende prinsipper om neuronnettverk.
• Implementere dyplæringmodeller med TensorFlow.
• Trenne og vurdere dyplæringmodeller.
• Bruke avanserte funksjoner i TensorFlow for dyplæring.

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.

Denne instruktørlede, live-treningen (online eller på sted) er rettet mot begynnende dataforskere som ønsker å lære å lage meningsfulle og visuelt tiltrekkende datavisualiseringer.

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

• Opprette og navigere Google Colab for datavisualisering.
• Opprette ulike typer plott ved hjelp av Matplotlib.
• Bruke Seaborn for avanserte visualiseringsteknikker.
• Tilpasse plott for bedre presentasjon og klarhet.
• Tylle og presentere data effektivt ved hjelp av visuelle verktøy.

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.