AWS Cloud9 for Data Science培訓
AWS Cloud9 為數據科學提供了強大的環境,使用戶能夠使用基於雲的工具構建、測試和部署數據模型。本課程將指導參與者在 AWS Cloud9 中設置和管理數據科學環境,重點介紹如何與 AWS 服務集成以進行數據存儲、處理和機器學習。
這種講師指導的現場培訓(在線或現場)面向希望使用 AWS Cloud9 簡化數據科學工作流程的中級數據科學家和分析師。
在本次培訓結束時,參與者將能夠:
- 在 AWS Cloud9 中設置數據科學環境。
- 在 Cloud9 中使用 Python、R 和 Jupyter Notebook 執行數據分析。
- 將 AWS Cloud9 與 S3、RDS 和 Redshift 等 AWS 數據服務整合。
- 利用 AWS Cloud9 進行機器學習模型的開發和部署。
- 優化基於雲的工作流程以進行數據分析和處理。
課程形式
- 互動講座和討論。
- 大量的練習和練習。
- 在即時實驗室環境中動手實施。
課程自定義選項
- 要申請本課程的定製培訓,請聯繫我們進行安排。
課程簡介
適用於 Data Science 的 AWS Cloud9 簡介
- AWS Cloud9 數據科學功能概述
- 在 AWS Cloud9 中設置數據科學環境
- 為 Python、R 和 Jupyter Notebook 配置 Cloud9
數據攝取和準備
- 從各種來源導入和清理數據
- 使用 AWS S3 進行資料存儲和訪問
- 預處理數據以進行分析和建模
Data Analysis 在 AWS Cloud9 中
- 使用 Python 和 R 進行探索性數據分析
- 使用 Pandas、NumPy 和數據可視化庫
- Cloud9 中的統計分析和假設檢驗
Machine Learning 模型開發
- 使用 Scikit-learn 和 TensorFlow 構建機器學習模型
- 在 AWS Cloud9 中訓練和評估模型
- 將 SageMaker 與 Cloud9 結合使用進行大規模模型開發
Database 集成和 Management
- 將 AWS RDS 和 Redshift 與 AWS Cloud9 集成
- 使用 SQL 和 Python 查詢大型數據集
- 使用 AWS 服務處理大數據
模型部署和優化
- 使用 AWS Lambda 部署機器學習模型
- 使用 AWSCloudFormation 實現自動化部署
- 優化數據管道以提高性能和成本效益
協作開發和安全性
- 在 Cloud9 中協作開展數據科學專案
- 使用 Git 進行版本控制和專案管理
- AWS Cloud9 中數據和模型的安全最佳實踐
總結和後續步驟
最低要求
- 對數據科學概念的基本瞭解
- 熟悉 Python 程式設計
- 使用雲環境和 AWS 服務的經驗
觀眾
- 數據科學家
- 數據分析師
- 機器學習工程師
Open Training Courses require 5+ participants.
AWS Cloud9 for Data Science培訓 - Booking
AWS Cloud9 for Data Science培訓 - Enquiry
AWS Cloud9 for Data Science - 咨詢詢問
咨詢詢問
客戶評論 (3)
All good, nothing to improve
Ievgen Vinchyk - GE Medical Systems Polska Sp. Z O.O.
Course - AWS Lambda for Developers
IOT applications
Palaniswamy Suresh Kumar - Makers' Academy
Course - Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「4 Hours Remote」
Subject presentation knowledge timing
Aly Saleh - FAB banak Egypt
Course - Introduction to Data Science and AI (using Python)
Provisional Upcoming Courses (Require 5+ participants)
相關課程
Advanced Amazon Web Services (AWS) CloudFormation
7 時間:此講師指導式現場培訓在 香港(在線或現場)進行,面向希望使用 CloudFormation 管理 AWS 生態系統內基礎設施資源的雲工程師和開發人員。
在本次培訓結束時,參與者將能夠:
- 實施 CloudFormation 範本以自動化基礎設施管理。
- 將現有 AWS 資源整合到 CloudFormation 中。
- 使用 StackSets 管理跨多個帳戶和區域的堆疊。
Introduction to Data Science and AI using Python
35 時間:這是為期5天的Data Science和AI入門。
本課程隨附使用Python示例和練習
Anaconda Ecosystem for Data Scientists
14 時間:這種由 講師指導的 香港 現場培訓(在線或現場)面向希望使用 Anaconda 生態系統在單一平臺中捕獲、管理和部署軟體包和數據分析工作流 的數據科學家。
在本次培訓結束時,參與者將能夠:
- 安裝和配置 Anaconda 個元件和庫。
- 瞭解 Anaconda 的核心概念、功能和優勢。
- 使用 Anaconda Navigator 管理包、環境和頻道。
- 將 Conda、R 和 Python 包用於數據科學和機器學習。
- 瞭解管理多個數據環境的一些實際使用案例和技術。
Amazon DynamoDB for Developers
14 時間:此講師指導的現場培訓在 香港(在線或現場)進行,面向希望將 DynamoDB NoSQL 資料庫集成到 AWS 上託管的 Web 應用程式的開發人員。
在本次培訓結束時,參與者將能夠:
- 設置必要的開發環境以開始將數據集成到 DynamoDB 中。
- 將 DynamoDB 整合到 Web 應用程式和行動應用程式中。
- 使用 AWS 服務在 AWS 中行動資料。
- 使用 AWS DAX 實施 操作。
AWS IoT Core
14 時間:這種以講師為主導的 香港(現場或遠端)現場培訓 面向希望在AWS上部署和管理物聯網設備的工程師。
在本次培訓結束時,參與者將能夠構建一個物聯網平臺,其中包括在 AWS 之上部署和管理後端、網關和設備。
Amazon Web Services (AWS) IoT Greengrass
21 時間:這種以講師為主導的香港現場培訓(現場或遠端)針對希望安裝,配置和管理AWS IoT Greengrass功能以創建各種設備的應用程式的開發人員。
在本次培訓結束時,參與者將能夠使用 AWS IoT Greengrass 在智慧設備上構建、部署、管理、保護和監控應用程式。
AWS Lambda for Developers
14 時間:這種由 講師指導的 香港 現場(現場或遠端)實時培訓 面向希望使用 AWS Lambda 構建服務和應用程式並將其部署到雲中的開發人員,而無需擔心配置執行環境(伺服器、VM 和容器、可用性、可擴充性、存儲等)。
在本次培訓結束時,參與者將能夠:
- 配置 AWS Lambda 以執行函數。
- 瞭解 FaaS (Functions as a Service) 和無伺服器開發的優勢。
- 構建、上傳和執行 AWS Lambda 函數。
- 將 Lambda 函數與不同的事件源集成。
- 打包、部署、監控基於 Lambda 的應用程式並對其進行故障排除。
AWS CloudFormation
7 時間:這種由講師指導的香港現場現場培訓面向希望使用AWS CloudFormation自動管理AWS雲基礎設施過程的工程師。
在培訓結束時,參與者將能夠:
- 啟用 AWS 服務以開始管理基礎設施。
- 理解並應用「基礎設施即程式碼」的原則。
- 提高品質並降低部署基礎架構的成本。
- 使用 YAML 編寫 AWS CloudFormation 樣本。
Mastering DevOps with AWS Cloud9
21 時間:這項由 講師指導的現場培訓香港(在線或現場)面向希望加深對 DevOps 實踐的理解並使用 AWS Cloud9 簡化開發流程的高級專業人員。
在本次培訓結束時,參與者將能夠:
- 為 DevOps 個工作流設置和配置 AWS Cloud9。
- 實施持續集成和持續交付 (CI/CD) 管道。
- 使用 AWS Cloud9 自動執行測試、監控和部署流程。
- 將 Lambda、EC2 和 S3 等 AWS 服務整合到 DevOps 工作流中。
- 在 AWS Cloud9 中使用原始程式碼控制系統,如 GitHub 或 GitLab。
Developing Serverless Applications on AWS Cloud9
14 時間:這種以講師指導的現場培訓<本地>(在線或現場)面向希望學習如何在AWS Cloud9 和 AWS Lambda 上有效構建、部署和維護無伺服器應用程式的中級專業人員。
在本次培訓結束時,參與者將能夠:
- 瞭解無伺服器架構的基礎知識。
- 設置 AWS Cloud9 以進行無伺服器應用程式開發。
- 使用 AWS Lambda 開發、測試和部署無伺服器應用程式。
- 與其他 AWS 服務(如 API Gateway 和 S3)集成。
- 優化無伺服器應用程式以提高性能和成本效率。
Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「4 Hours Remote」
4 時間:總結:
- 物聯網架構和功能的基礎知識
- “物”、“感測器”、互聯網和物聯網業務功能之間的映射
- 所有物聯網軟體元件的基本要素 - 硬體、韌體、中間件、雲端和行動應用程式
- 物聯網功能 - 車隊管理器、數據可視化、基於 SaaS 的 FM 和 DV、警報/警報、感測器入職、“事物”入職、地理圍欄
- 使用 MQTT 與雲端進行物聯網設備通信的基礎知識。
- 使用 MQTT (AWS IoT Core) 將 IoT 設備連接到 AWS。
- 將 AWS IoT 內核與 AWS Lambda 功能連接,用於計算和數據存儲。
- 連接具有 AWS IoT 核心和簡單數據通信的Raspberry PI。
- 警報和事件
- 感測器校準
Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「8 Hours Remote」
8 時間:總結:
- 物聯網架構和功能的基礎知識
- “物”、“感測器”、互聯網和物聯網業務功能之間的映射
- 所有物聯網軟體元件的基本要素 - 硬體、韌體、中間件、雲端和行動應用程式
- 物聯網功能 - 車隊管理器、數據可視化、基於 SaaS 的 FM 和 DV、警報/警報、感測器入職、“事物”入職、地理圍欄
- 使用 MQTT 與雲端進行物聯網設備通信的基礎知識。
- 使用 MQTT (AWS IoT Core) 將 IoT 設備連接到 AWS。
- 將 AWS IoT 核心與 AWS Lambda 函數連接,以使用 DynamoDB 進行計算和數據存儲。
- 連接具有 AWS IoT 核心和簡單數據通信的Raspberry PI。
- 動手使用Raspberry PI和 AWS IoT Core 構建智慧設備。
- 感測器數據可視化和與網路介面的通信。
Kaggle
14 時間:這個由 講師指導的 香港 現場培訓(在線或現場)面向希望在 Data Science 中使用 Kaggle 學習和建立職業生涯的數據科學家和開發人員。
在本次培訓結束時,參與者將能夠:
- 了解數據科學和機器學習。
- 探索數據分析。
- 瞭解 Kaggle 及其工作原理。
Accelerating Python Pandas Workflows with Modin
14 時間:這種由 講師指導的 香港 現場現場培訓(在線或現場)面向希望使用 Modin 構建和實施並行計算的數據科學家和開發人員 Pandas 以加快數據分析速度。
在本次培訓結束時,參與者將能夠:
- 設置必要的環境,開始使用 Modin 大規模開發 Pandas 工作流。
- 瞭解 Modin 的功能、架構和優勢。
- 瞭解 Modin、Dask 和 Ray 之間的區別。
- 使用 Modin 更快地執行 Pandas 操作。
- 實現整個 Pandas API 和函數。
GPU Data Science with NVIDIA RAPIDS
14 時間:這種以講師為主導的香港現場培訓(現場或遠端)針對希望使用RAPIDS構建GPU加速數據管道,工作流和可視化的數據科學家和開發人員,應用機器學習演算法,如XGBoost,cuML等。
在培訓結束時,參與者將能夠:
- 設置必要的開發環境以使用 NVIDIA RAPIDS 構建數據模型。
- 瞭解 RAPIDS 的特性、元件和優勢。
- 利用 GPU 加速端到端數據和分析管道。
- 使用 cuDF 和 Apache Arrow 實現 GPU 加速的數據準備和 ETL。
- 瞭解如何使用 XGBoost 和 cuML 演算法執行機器學習任務。
- 使用 cuXfilter 和 cuGraph 構建數據可視化並執行圖形分析。