AWS Cloud9 for Data Science Képzés

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adatkutatóknak szól, akik a Anaconda ökoszisztémát szeretnék használni csomagok és adatelemzési munkafolyamatok egyetlen platformon történő rögzítésére, kezelésére és üzembe helyezésére.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a Anaconda összetevőket és könyvtárakat.
• Ismerje meg a Anaconda alapfogalmait, szolgáltatásait és előnyeit.
• Csomagok, környezetek és csatornák kezelése a Anaconda Navigátor segítségével.
• Használja a Conda, R és Python csomagokat az adattudományhoz és a gépi tanuláshoz.
• Ismerjen meg néhány gyakorlati felhasználási esetet és technikát több adatkörnyezet kezeléséhez.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (helyszíni vagy távoli) azoknak a mérnököknek szól, akik IoT-eszközöket szeretnének telepíteni és kezelni az AWS-en.

A képzés végére a résztvevők képesek lesznek egy IoT-platformot felépíteni, amely magában foglalja a háttérrendszer, az átjáró és az eszközök telepítését és kezelését az AWS-n felül.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik szeretnék telepíteni, konfigurálni és kezelni AWS IoT Greengrass képességeket, hogy alkalmazásokat hozzanak létre különféle eszközökhöz.

A képzés végére a résztvevők a AWS IoT Greengrass segítségével intelligens eszközökön alkalmazásokat építhetnek, telepíthetnek, kezelhetnek, biztosíthatnak és figyelhetnek.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (helyszíni vagy távoli) azoknak a fejlesztőknek szól, akik a AWS Lambda segítségével szeretnének szolgáltatásokat és alkalmazásokat felépíteni és telepíteni a felhőbe anélkül, hogy aggódniuk kellene a végrehajtási környezet (szerverek, Virtuális gépek és tárolók, elérhetőség, méretezhetőség, tárolás stb.).

A képzés végére a résztvevők képesek lesznek:

• Konfigurálja a AWS Lambda-t egy függvény végrehajtásához.
• Ismerje meg a FaaS-t (Functions as a Service) és a szerver nélküli fejlesztés előnyeit.
• Építs fel, tölts fel és hajts végre AWS Lambda függvényeket.
• Integrálja a lambda-funkciókat különböző eseményforrásokkal.
• Lambda alapú alkalmazások becsomagolása, üzembe helyezése, figyelése és hibaelhárítása.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) haladó szintű szakembereknek szól, akik szeretnék elmélyíteni a DevOps gyakorlatok megértését és az AWS Cloud9 segítségével egyszerűsíteni a fejlesztési folyamatokat.

A képzés végére a résztvevők képesek lesznek:

• Az AWS Cloud9 beállítása és konfigurálása DevOps munkafolyamatokhoz.
• Folyamatos integráció és folyamatos szállítás (CI/CD) csővezetékek megvalósítása.
• Automatizálja a tesztelési, megfigyelési és telepítési folyamatokat az AWS Cloud9 segítségével.
• Integrálja az AWS-szolgáltatásokat, mint például a Lambda, EC2 és S3 DevOps munkafolyamatokba.
• Használjon forrásvezérlő rendszereket, például GitHub vagy GitLab az AWS Cloud9-en belül.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű szakembereknek szól, akik szeretnék megtanulni, hogyan lehet hatékonyan építeni, telepíteni és karbantartani szerver nélküli alkalmazásokat az AWS Cloud9 és AWS Lambda rendszeren.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a szerver nélküli architektúra alapjait.
• Állítsa be az AWS Cloud9-et a szerver nélküli alkalmazásfejlesztéshez.
• Szerver nélküli alkalmazások fejlesztése, tesztelése és üzembe helyezése a AWS Lambda használatával.
• Integrálja a AWS Lambda-t más AWS-szolgáltatásokkal, mint például az API Gateway és az S3.
• A kiszolgáló nélküli alkalmazások optimalizálása a teljesítmény és a költséghatékonyság érdekében.

A nagy adat olyan adatkészletek, amelyek annyira terjedelmesek és összetettek, hogy a hagyományos adatfeldolgozó alkalmazásszoftverek nem megfelelőek ezek kezelésére. A nagy adat kihívások között szerepel az adatok rögzítése, az adatok tárolása, az adatok elemzése, a keresés, a megosztás, az átvitel, a megjelenítés, a lekérdezés, a frissítés és az adatvédelem.

Nyárias:

• Az IoT architektúra és funkcióinak alapjai
• „Dolgok”, „Szenzorok”, Internet és az IoT üzleti funkciói közötti leképezés
• Alapvető fontosságú az összes IoT szoftverkomponenshez – hardver, firmware, köztes szoftver, felhő és mobilalkalmazás
• IoT-funkciók – Flottakezelő, adatvizualizáció, SaaS alapú FM és DV, riasztás/riasztás, érzékelők beépítése, „dolog” beépítés, geo-kerítés
• Az IoT-eszközök felhővel történő kommunikációjának alapjai az MQTT-vel.
• IoT-eszközök csatlakoztatása az AWS-hez MQTT-vel (AWS IoT Core).
• A AWS IoT mag összekapcsolása AWS Lambda funkcióval a számításhoz és az adattároláshoz.
• A Raspberry PI összekapcsolása AWS IoT maggal és egyszerű adatkommunikációval.
• Figyelmeztetések és események
• Érzékelő kalibrálása

Összegzés:

• Az IoT architektúra és funkcióinak alapjai
• „Dolgok”, „Szenzorok”, Internet és az IoT üzleti funkciói közötti leképezés
• Alapvető fontosságú az összes IoT szoftverkomponenshez – hardver, firmware, köztes szoftver, felhő és mobilalkalmazás
• IoT funkciók – Flottakezelő, adatvizualizáció, SaaS alapú FM és DV, riasztás/riasztás, szenzorok beépítése, „dolgok” beépítése, geo-kerítés
• Az IoT-eszközök felhővel történő kommunikációjának alapjai az MQTT-vel.
• IoT-eszközök csatlakoztatása az AWS-hez MQTT-vel (AWS IoT Core).
• A AWS IoT mag összekapcsolása AWS Lambda funkcióval a számításhoz és az adattároláshoz a DynamoDB használatával.
• A Raspberry PI összekapcsolása AWS IoT maggal és egyszerű adatkommunikációval.
• Használja a Raspberry PI-t és a AWS IoT Core-t az okoseszköz elkészítéséhez.
• Szenzoradatok megjelenítése és kommunikáció webes felülettel.

Ez interaktív, tanárvezetett képzés Magyarország (online vagy helyszínen) bevezeti a közös fejlesztési folyamatot adattudományokban és bemutatja, hogyan lehet a Jupyter segítségével nyomon követni és részt venni egy csapatban a "számítógépi gondolat élettartamának" folyamában. A résztvevőknek bejárják egy mintapélda létrehozását adattudományi projektnek a Jupyter ekoszisztéma alapján.

A képzés végén a résztvevők képesek lesznek:

• Jupyter telepítésére és konfigurálására, beleértve egy csapat depójának létrehozását és integrálását Git-en.
• Jupyter funkcióinak használatára, mint például bővítmények, interaktív widget-ek, több felhasználós mód és több más, hogy lehetővé tegyék a projekt közös munkáját.
• Jupyter Notebookok létrehozására, megosztására és szervezésére csapattagokkal.
• Scala, Python, R között választhatnak, hogy melyik programozási nyelven írjanak és futtassák le a kódot nagyadattárakkal, mint például Apache Spark, mind a Jupyter felületén keresztül.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik szeretnének tanulni és karrierjüket a Data Science-ban az Kaggle segítségével építeni.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az adattudományt és a gépi tanulást.
• Fedezze fel az adatelemzést.
• További információ a Kaggle-ről és annak működéséről.

A képzés első részében bemutatjuk az MATLAB alapjait, valamint nyelvként és platformként való funkcióját. Ez a vita tartalmazza a MATLAB szintaxis, a tömbök és mátrixok, az adatvizualizáció, a szkriptfejlesztés és az objektumorientált elvek bevezetését.

A második részben bemutatjuk, hogyan használható az MATLAB adatbányászathoz, gépi tanuláshoz és prediktív elemzéshez. Annak érdekében, hogy a résztvevők világos és gyakorlatias perspektívát kapjanak MATLAB megközelítéséről és erejéről, összehasonlítjuk az MATLAB és más eszközök, például táblázatok, C, C++ és Visual Basic használatával.

A tréning harmadik részében a résztvevők megtanulják, hogyan lehet egyszerűsíteni munkájukat adatfeldolgozásuk és jelentéskészítésük automatizálásával.

A tanfolyam során a résztvevők gyakorlati gyakorlatok során elsajátított ötleteket a gyakorlatba ültetik át laborkörnyezetben. A képzés végére a résztvevők alaposan átlátják MATLAB képességeit, és képesek lesznek alkalmazni azt valós adattudományi problémák megoldására, valamint munkájuk automatizálással történő egyszerűsítésére.

A tanfolyam során értékeléseket végeznek, hogy felmérjék az előrehaladást.

A tanfolyam formátuma

• A kurzus elméleti és gyakorlati gyakorlatokat tartalmaz, beleértve az esetmegbeszéléseket, a mintakód ellenőrzését és a gyakorlati megvalósítást.

jegyzet

• A gyakorlatok előre meghatározott mintaadatjelentés-sablonokon alapulnak. Ha konkrét igényei vannak, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljük.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik az Modin segítségével párhuzamos számításokat kívánnak készíteni és megvalósítani a Pandas-vel a gyorsabb adatelemzés érdekében.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges környezetet a Pandas munkafolyamatok nagyarányú fejlesztésének megkezdéséhez az Modin segítségével.
• Ismerje meg az Modin szolgáltatásait, felépítését és előnyeit.
• Ismerje meg a különbségeket Modin, Dask és Ray között.
• Hajtsa végre a Pandas műveletet gyorsabban az Modin segítségével.
• Valósítsa meg a teljes Pandas API-t és funkciókat.

A Python egy olyan programozási nyelv, amely jelentős népszerűséget szerzett a pénzügyi iparban. A legnagyobb befektetési bankok és hedge alapok által is elterjedt, szerte a világon használják különböző pénzügyi alkalmazásokat létrehozni, melyek a központi kereskedelmi programoktól kezdve az eszközkezelési rendszerekig terjednek.

Ebben az oktatási tanfolyamon résztvevők megtanulhatják, hogyan használják a Python-t a pénzügyekben álló konkrét feladatok megoldására irányított alkalmazások fejlesztésére.

A képzés végére a résztvevők képesek lesznek:

• Érteni a Python programozási nyelv alapjait
• Lekérni, telepíteni és karbantartani a legjobb fejlesztési eszközöket a pénzügyi alkalmazásokhoz Pythonban
• Kiválasztani és felhasználni az egyesleges Python csomagokat és programozási technikákat, hogy rendezhesse, megjeleníthesse és elemezze a pénzügyi adatokat különböző forrásból (CSV, Excel, adatbázis, web, stb.)
• Alkalmazásokat építenek olyan problémák megoldására, mint az eszközkezelés, a kockázatanalízis, a befektetési teljesítmény és még sok mást
• Hibaelhárítást, integrálást, telepítést és optimalizálást végezni egy Python-alkalmazás esetében

Célcsoport

• Fejlesztők
• Analitikusok
• Quant-szektorban dolgozó szakemberek

Képzés formája

• Részben előadás, részben viták, gyakorlatok és intenzív gyakorlódás

Megjegyzés

• Ez a képzés megoldásokat kínál néhány főbb pénzügyi szakszerű problémára. Ha van egy bizonyos téma, eszköz vagy technika, amit hozzá szeretne adni vagy részletesebben elmagyarázni, kérjük, lépjen kapcsolatba velünk a rendezéséhez.

Ez az interaktív képzés Magyarország-ban (online vagy helyszíni) adataitudományosok és fejlesztők számára készült, akik GPU-gyorsított adatfolyamatokat, munkafolyamatozásokat és vizualizációkat szeretnének létrehozni a RAPIDS segítségével, alkalmazva gépi tanulási algoritmusokat, mint például az XGBoost-t és a cuML-ot.

A képzés végére a résztvevők képesek lesznek:

• Beállítani az adatmodellek készítéséhez szükséges fejlesztői környezetet a NVIDIA RAPIDS-szel.
• Megérteni a RAPIDS jellemzőit, összetevőit és előnyeit.
• A GPU-kat felhasználni az adat- és elemzőfolyamatok teljes folyamatának gyorsítására.
• Implementálni a GPU-gyorsított adatelőkészítést és ETL-t a cuDF-vel és az Apache Arrow-val.
• Megtanulni, hogyan végezhetnek gépi tanulási feladatokat XGBoost és cuML algoritmusokkal.
• Készíteni adatvizualizációkat és gráf elemzést a cuXfilter-ral és a cuGraph-ral.