AWS Cloud9 dla Data Science - Plan Szkolenia

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą korzystać z ekosystemu Anaconda do przechwytywania, zarządzania i wdrażania pakietów i przepływów pracy analizy danych na jednej platformie.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować komponenty i biblioteki Anaconda.
• Zrozumieć podstawowe pojęcia, funkcje i zalety Anaconda.
• Zarządzać pakietami, środowiskami i kanałami za pomocą Anaconda Navigator.
• Używanie pakietów Conda, R i Python do nauki o danych i uczenia maszynowego.
• Poznanie praktycznych przypadków użycia i technik zarządzania wieloma środowiskami danych.

Szkolenie "Tworzenie rozwiązań IoT z wykorzystaniem Amazon Web Services" skupia się na prezentacji usług AWS w kontekście tworzenia rozwiązań IoT. Uczestnicy zdobędą umiejętności korzystania z konsoli zarządzania, narzędzia AWS CLI, oraz poznają architekturę AWS. Kurs obejmuje omówienie usługi AWS IoT Core, definiowanie urządzeń, generowanie certyfikatów, i nawiązywanie bezpiecznej komunikacji. Dodatkowo uczestnicy dowiedzą się, jak zintegrować IoT Core z różnymi usługami AWS, w tym SNS, SQS, DynamoDB, S3, API Gateway, AWS Lambda, a także jak integrować IoT z usługami sztucznej inteligencji, takimi jak Rekognition i Textract.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla inżynierów, którzy chcą wdrażać urządzenia IoT i zarządzać nimi w AWS.

Pod koniec tego szkolenia uczestnicy będą mogli zbudować platformę IoT, która obejmuje wdrażanie i zarządzanie backendem, bramą i urządzeniami na AWS.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla programistów, którzy chcą zainstalować, skonfigurować i zarządzać możliwościami AWS IoT Greengrass w celu tworzenia aplikacji dla różnych urządzeń.

Pod koniec tego szkolenia uczestnicy będą mogli używać AWS IoT Greengrass do tworzenia, wdrażania, zarządzania, zabezpieczania i monitorowania aplikacji na inteligentnych urządzeniach.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla programistów, którzy chcą używać AWS Lambda do tworzenia i wdrażania usług i aplikacji w chmurze, bez konieczności martwienia się o zapewnienie środowiska wykonawczego (serwery, maszyny wirtualne i kontenery, dostępność, skalowalność, pamięć masową itp.)

Pod koniec tego szkolenia uczestnicy będą w stanie

• Skonfigurować AWS Lambda w celu wykonania funkcji.
• Zrozumieć FaaS (Funkcje jako usługa) i zalety rozwoju bezserwerowego.
• Budować, przesyłać i wykonywać funkcje AWS Lambda.
• Integracja funkcji Lambda z różnymi źródłami zdarzeń.
• Pakowanie, wdrażanie, monitorowanie i rozwiązywanie problemów z aplikacjami opartymi na Lambda.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą pogłębić swoją wiedzę na temat DevOps praktyk i usprawnić procesy programistyczne za pomocą AWS Cloud9.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Konfigurować i konfigurować AWS Cloud9 dla DevOps przepływów pracy.
• Wdrażać potoki ciągłej integracji i ciągłego dostarczania (CI/CD).
• Automatyzować procesy testowania, monitorowania i wdrażania przy użyciu AWS Cloud9.
• Integracja usług AWS, takich jak Lambda, EC2 i S3 z przepływami pracy DevOps.
• Wykorzystanie systemów kontroli źródła, takich jak GitHub lub GitLab w ramach AWS Cloud9.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średniozaawansowanych profesjonalistów, którzy chcą dowiedzieć się, jak skutecznie budować, wdrażać i utrzymywać aplikacje bezserwerowe w AWS Cloud9 i AWS Lambda.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Zrozumieć podstawy architektury bezserwerowej.
• Skonfigurować AWS Cloud9 do tworzenia aplikacji bezserwerowych.
• Rozwijać, testować i wdrażać aplikacje bezserwerowe przy użyciu AWS Lambda.
• Zintegrować AWS Lambda z innymi usługami AWS, takimi jak API Gateway i S3.
• Optymalizacja aplikacji serverless pod kątem wydajności i efektywności kosztowej.

Big data to zbiory danych, które są tak obszerne i złożone, że tradycyjne aplikacje do przetwarzania danych nie są w stanie sobie z nimi poradzić. Wyzwania związane z dużymi zbiorami danych obejmują przechwytywanie danych, przechowywanie danych, analizę danych, wyszukiwanie, udostępnianie, przesyłanie, wizualizację, zapytania, aktualizację i prywatność informacji.

Podsumowanie:

• Podstawy architektury i funkcji IoT
• "Rzeczy", "Czujniki", Internet i mapowanie między funkcjami biznesowymi IoT
• Niezbędne komponenty oprogramowania IoT - sprzęt, oprogramowanie układowe, oprogramowanie pośredniczące, chmura i aplikacja mobilna
• Funkcje IoT - menedżer floty, wizualizacja danych, FM i DV oparte na SaaS, alerty/alarmy, wdrażanie czujników, wdrażanie "rzeczy", geofencing
• Podstawy komunikacji urządzeń IoT z chmurą za pomocą MQTT.
• Podłączanie urządzeń IoT do AWS za pomocą MQTT (AWS IoT Core).
• Łączenie rdzenia AWS IoT z funkcją AWS Lambda do obliczeń i przechowywania danych.
• Połączenie Raspberry PI z rdzeniem AWS IoT i prosta komunikacja danych.
• Alerty i zdarzenia
• Kalibracja czujników

Streszczenie:

• Podstawy architektury i funkcji IoT
• "Rzeczy", "Czujniki", Internet i mapowanie między funkcjami biznesowymi IoT
• Niezbędne komponenty oprogramowania IoT - sprzęt, oprogramowanie układowe, oprogramowanie pośredniczące, chmura i aplikacja mobilna
• Funkcje IoT - menedżer floty, wizualizacja danych, FM i DV oparte na SaaS, alerty/alarmy, wdrażanie czujników, wdrażanie "rzeczy", geofencing
• Podstawy komunikacji urządzeń IoT z chmurą za pomocą MQTT.
• Podłączanie urządzeń IoT do AWS za pomocą MQTT (AWS IoT Core).
• Łączenie rdzenia AWS IoT z funkcją AWS Lambda do obliczeń i przechowywania danych przy użyciu DynamoDB.
• Łączenie Raspberry PI z rdzeniem AWS IoT i prosta komunikacja danych.
• Praktyczne wykorzystanie Raspberry PI i AWS IoT Core do zbudowania inteligentnego urządzenia.
• Wizualizacja danych z czujników i komunikacja z interfejsem sieciowym.

To szkolenie prowadzone przez instruktora, dostępne online lub stacjonarnie, wprowadza koncepcję wspólnego rozwoju w dziedzinie nauk o danych i demonstruje, jak używać Jupyter do śledzenia i udziału w zespole w "cyklu życia pomysłu obliczeniowego". Przewodzi uczestników przez tworzenie przykładowego projektu z dziedziny nauk o danych opartych na ekosystemie Jupyter.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zainstalować i skonfigurować Jupyter, w tym utworzyć i zintegrować repozytorium zespołu w Git.
• Używać funkcji Jupyter, takich jak rozszerzenia, interaktywne widgety, tryb wieloużytkownika i więcej, aby umożliwić współpracę nad projektem.
• Tworzyć, dzielić się i organizować Jupyter Notebooks z członkami zespołu.
• Wybierać spośród języków Scala, Python, R do pisania i wykonywania kodu na systemach obsługujących duże zbiory danych, takich jak Apache Spark, wszystkie przez interfejs Jupyter.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą uczyć się i budować swoją karierę w Data Science za pomocą Kaggle.

Pod koniec tego szkolenia uczestnicy będą mogli:

• Dowiedzieć się o nauce o danych i uczeniu maszynowym.
• Poznaj analitykę danych.
• Dowiedzieć się o Kaggle i jak to działa.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą używać Modin do tworzenia i wdrażania równoległych obliczeń z Pandas w celu szybszej analizy danych.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Skonfigurować niezbędne środowisko, aby rozpocząć opracowywanie Pandas przepływów pracy na dużą skalę z Modin.
• Zrozumieć funkcje, architekturę i zalety Modin.
• Znać różnice między Modin, Dask i Ray.
• Szybsze wykonywanie operacji Pandas za pomocą Modin.
• Wdrożenie całego interfejsu API i funkcji Pandas.

Python jest językiem programowania, który zdobył ogromną popularność w sektorze finansowym. Został przyjęty przez największe banki inwestycyjne i fundusze hedgingowe i jest wykorzystywany do budowy szerokiej gamy aplikacji finansowych, od programów handlowych podstawowych po systemy zarządzania ryzykiem.

W tym prowadzonym przez instruktora szkoleniu online uczestnicy nauczą się, jak używać Pythona do tworzenia praktycznych aplikacji rozwiązujących różne problemy związane z finansami.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy języka programowania Python
• Pobrać, zainstalować i utrzymywać najlepsze narzędzia programistyczne do tworzenia aplikacji finansowych w Python
• Wybierać i wykorzystywać najodpowiedniejsze pakiety Python i techniki programowania do organizowania, wizualizacji i analizy danych finansowych z różnych źródeł (CSV, Excel, bazy danych, internet, itp.)
• Budować aplikacje rozwiązujące problemy związane z alokacją aktywów, analizą ryzyka, wydajnością inwestycji i innymi kwestiami
• Diagnozować, integrować, wdrażać i optymalizować aplikację Python

Grupa docelowa

• Developers
• Analysts
• Quants

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i intensywne praktyczne ćwiczenia

Uwaga

• To szkolenie ma na celu dostarczenie rozwiązań dla niektórych z głównych problemów, z którymi borykają się specjaliści ds. finansowych. Jeśli jednak masz konkretny temat, narzędzie lub technikę, o której chciałbyś wiedzieć więcej, skontaktuj się z nami, aby to zaryzować.

To szkolenie prowadzone przez instruktora w formie online lub stacjonarnej jest skierowane do naukowców danych i deweloperów, którzy chcą wykorzystać RAPIDS do budowy GPU-przyspieszanych przepływów danych, procesów pracy oraz wizualizacji, stosując algorytmy uczenia maszynowego, takie jak XGBoost, cuML, itd.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Ustawić niezbędne środowisko deweloperskie do budowy modeli danych z NVIDIA RAPIDS.
• Zrozumieć funkcje, składniki i zalety RAPIDS.
• Wykorzystywać GPU do przyspieszania przepływów danych i analiz od początku do końca.
• Wdrażać GPU-przyspieszane przygotowanie danych i ETL z użyciem cuDF i Apache Arrow.
• Nauczyć się wykonywania zadań uczenia maszynowego z użyciem algorytmów XGBoost i cuML.
• Tworzyć wizualizacje danych i wykonywać analizę grafu z użyciem cuXfilter i cuGraph.