Plan Szkolenia

Wprowadzenie do AWS Cloud9 dla nauk o danych

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

Pobieranie i przygotowanie danych

  • Importowanie i oczyszczanie danych z różnych źródeł
  • Używanie AWS S3 do przechowywania i dostępu do danych
  • Przetwarzanie danych do analizy i modelowania

Analiza danych w AWS Cloud9

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

Rozwoj modeli uczenia maszynowego

  • Budowanie modeli uczenia maszynowego przy użyciu Scikit-learn i TensorFlow
  • Trenowanie i ocena modeli w AWS Cloud9
  • Używanie SageMaker z Cloud9 do rozwoju modeli na dużą skalę

Integracja i zarządzanie bazami danych

  • Integracja AWS RDS i Redshift z AWS Cloud9
  • Zapytania do dużych zbiorów danych przy użyciu SQL i Python
  • Obsługa dużej ilości danych z usługami AWS

Wdrażanie i optymalizacja modeli

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

Współpraca i bezpieczeństwo

  • Współpraca nad projektami nauki o danych w Cloud9
  • Używanie Git do kontroli wersji i zarządzania projektami
  • Najlepsze praktyki bezpieczeństwa dla danych i modeli w AWS Cloud9

Podsumowanie i kolejne kroki

Wymagania

  • Podstawowe zrozumienie koncepcji nauki danych
  • Znajomość programowania w Pythonie
  • Doświadczenie w środowiskach chmurowych i usługach AWS

Odbiorcy

  • Naukowcy danych
  • Analitycy danych
  • Inżynierowie uczenia maszynowego
 28 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (4)

Propozycje terminów

Powiązane Kategorie