Plan Szkolenia

Wprowadzenie do AWS Cloud9 dla Data Science

  • Przegląd funkcji AWS Cloud9 dla nauki o danych
  • Konfigurowanie środowiska nauki o danych w AWS Cloud9
  • Konfigurowanie Cloud9 dla Python, R i Jupyter Notebook

Pozyskiwanie i przygotowywanie danych

  • Importowanie i czyszczenie danych z różnych źródeł
  • Korzystanie z AWS S3 do przechowywania i dostępu do danych
  • Wstępne przetwarzanie danych do analizy i modelowania

Data Analysis w chmurze AWS Cloud9

  • Eksploracyjna analiza danych przy użyciu Python i R
  • Praca z Pandas, NumPy i bibliotekami wizualizacji danych
  • Analiza statystyczna i testowanie hipotez w Cloud9

Tworzenie modeli Machine Learning

  • Tworzenie modeli uczenia maszynowego przy użyciu Scikit-learn i TensorFlow
  • Szkolenie i ocena modeli w AWS Cloud9
  • Używanie SageMaker z Cloud9 do opracowywania modeli na dużą skalę

Database Integracja i Management

  • Integracja AWS RDS i Redshift z AWS Cloud9
  • Przetwarzanie dużych zbiorów danych przy użyciu SQL i Python
  • Obsługa dużych zbiorów danych za pomocą usług AWS

Wdrażanie i optymalizacja modeli

  • Wdrażanie modeli uczenia maszynowego przy użyciu AWS Lambda
  • Używanie AWS CloudFormation do automatyzacji wdrażania
  • Optymalizacja potoków danych pod kątem wydajności i opłacalności

Wspólny rozwój i bezpieczeństwo

  • Współpraca nad projektami data science w Cloud9
  • Używanie Git do kontroli wersji i zarządzania projektami
  • Najlepsze praktyki w zakresie bezpieczeństwa danych i modeli w AWS Cloud9

Podsumowanie i kolejne kroki

Wymagania

  • Podstawowe zrozumienie koncepcji nauki o danych
  • Znajomość programowania Python
  • Doświadczenie ze środowiskami chmurowymi i usługami AWS

Uczestnicy

  • Naukowcy zajmujący się danymi
  • Analitycy danych
  • Inżynierowie uczenia maszynowego
 28 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (4)

Propozycje terminów

Powiązane Kategorie