AWS Cloud9 az adattudományhoz Képzés

Ez egy 5 napos bevezető tanfolyam az adattudományba és a mesterséges intelligenciába (MI).

A tanfolyamot példákon és gyakorlatokon keresztül, Python használatával tartjuk.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középhaladó szintű résztvevőknek szól, akik gépi tanulási munkafolyamatokat szeretnének automatizálni és kezelni, beleértve a modellképzést, érvényesítést és üzembe helyezést az Apache Airflow segítségével.

A képzés végére a résztvevők képesek lesznek:

• Az Apache Airflow beállítása gépi tanulási munkafolyamatok összehangolására.
• Adatfeldolgozás, modellképzés és érvényesítési feladatok automatizálása.
• Az Airflow integrálása gépi tanulási keretrendszerekkel és eszközökkel.
• Gépi tanulási modellek üzembe helyezése automatizált folyamatok segítségével.
• Gépi tanulási munkafolyamatok monitorozása és optimalizálása éles környezetben.

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

A képzés végére a résztvevők képesek lesznek:

• Az Anaconda komponensek és könyvtárak telepítésére és konfigurálására.
• Megérteni az Anaconda alapvető fogalmait, jellemzőit és előnyeit.
• Csomagok, környezetek és csatornák kezelésére az Anaconda Navigator segítségével.
• A Conda, R és Python csomagok használatára adattudományban és gépi tanulásban.
• Megismerni néhány gyakorlati használati esetet és technikát több adatkörnyezet kezelésére.

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

A képzés végére a résztvevők képesek lesznek egy IoT platformot építeni, amely magában foglalja a háttérrendszer, az átjáró és az eszközök üzembe helyezését és kezelését az AWS-en.

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

A képzés végén a résztvevők képesek lesznek az AWS IoT Greengrass használatával alkalmazásokat építeni, telepíteni, kezelni, biztonságossá tenni és monitorozni intelligens eszközökön.

Ez az oktató által vezetett, élő képzés Magyarország-ban (helyszíni vagy távoli) azoknak a fejlesztőknek szól, akik szeretnék az AWS Lambda használatával szolgáltatásokat és alkalmazásokat építeni és üzembe helyezni a felhőben, anélkül, hogy aggódniuk kellene az execution környezet kiépítésével (kiszolgálók, virtuális gépek és konténerek, elérhetőség, skálázhatóság, tárolás stb.).

A képzés végén a résztvevők képesek lesznek:

• Az AWS Lambda konfigurálása egy függvény végrehajtásához.
• A FaaS (Functions as a Service) megértése és a kiszolgáló nélküli fejlesztés előnyei.
• Az AWS Lambda függvények építése, feltöltése és végrehajtása.
• Lambda függvények integrálása különböző eseményforrásokkal.
• Lambda alapú alkalmazások csomagolása, üzembe helyezése, monitorozása és hibaelhárítása.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) kezdő szintű adattudósok és informatikai szakemberek számára készült, akik meg szeretnék ismerni az adattudomány alapjait a Google Colab használatával.

A képzés végére a résztvevők képesek lesznek:

• A Google Colab beállítására és navigálására.
• Alapvető Python kód írására és futtatására.
• Adathalmazok importálására és kezelésére.
• Vizualizációk készítésére Python könyvtárak segítségével.

A képzés elvégzése során a résztvevők gyakorlati, valós világbeli betekintést nyerhetnek az adattudományba és az ahhoz kapcsolódó technológiákba, módszertanokba és eszközökbe.

A résztvevőknek lehetőségük lesz ezt a tudást gyakorlatba átültetni, gyakorlati feladatok segítségével. A csoportos interakció és az oktató visszajelzései a képzés fontos összetevőit képezik.

A kurzus az adattudomány alapfogalmaival kezdődik, majd az adattudományban használt eszközökre és módszertanokra tér ki.

Célközönség

• Fejlesztők
• Műszaki elemzők
• IT tanácsadók

A képzés formátuma

• Részben előadás, részben vita, gyakorlatok és intenzív gyakorlati munka

Megjegyzés

• Ha egyedi képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) haladó szintű szakembereknek szól, akik mélyebben szeretnék megérteni a DevOps gyakorlatokat és optimalizálni szeretnék a fejlesztési folyamatokat az AWS Cloud9 segítségével.

A képzés végén a résztvevők képesek lesznek:

• Az AWS Cloud9 beállítására és konfigurálására DevOps munkafolyamatokhoz.
• Folyamatos integrációs és szállítási (CI/CD) folyamatok megvalósítására.
• Tesztelés, monitorozás és üzembe helyezés automatizálására az AWS Cloud9 segítségével.
• AWS szolgáltatások, például a Lambda, EC2 és S3 integrálására DevOps munkafolyamatokba.
• Verziókezelő rendszerek, mint a GitHub vagy a GitLab használatára az AWS Cloud9-en belül.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középszintű szakembereknek szól, akik szeretnék megtanulni, hogyan építsenek, helyezzenek üzembe és karbantartsanak hatékonyan kiszolgáló nélküli alkalmazásokat AWS Cloud9-en és AWS Lambda-n.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a kiszolgáló nélküli architektúra alapjait.
• Beállítani az AWS Cloud9-et kiszolgáló nélküli alkalmazásfejlesztéshez.
• Fejleszteni, tesztelni és üzembe helyezni kiszolgáló nélküli alkalmazásokat AWS Lambda használatával.
• Integrálni az AWS Lambda-t más AWS szolgáltatásokkal, mint az API Gateway és az S3.
• Optimalizálni a kiszolgáló nélküli alkalmazásokat teljesítmény és költséghatékonyság szempontjából.

Összefoglaló:

• Az IoT architektúra és funkcióinak alapjai
• „Dolgok”, „Érzékelők”, Internet és az IoT üzleti funkciói közötti leképezés
• Az összes IoT szoftverkomponens alapjai - hardver, firmware, middleware, felhő és mobilalkalmazás
• IoT funkciók - Flottakezelés, Adatvizualizáció, SaaS alapú FM és DV, riasztás/figyelmeztetés, érzékelő regisztráció, „dolog” regisztráció, geo-fencing
• Az IoT eszközök felhővel való kommunikációjának alapjai MQTT segítségével.
• IoT eszközök csatlakoztatása az AWS-hez MQTT segítségével (AWS IoT Core).
• Az AWS IoT Core összekapcsolása AWS Lambda funkcióval számítások és adattárolás céljából.
• Raspberry PI csatlakoztatása az AWS IoT Core-hoz és egyszerű adatkommunikáció.
• Riasztások és események
• Érzékelő kalibrálása

Összefoglaló:

• Az IoT architektúra és funkcióinak alapjai
• „Dolgok”, „Érzékelők”, az internet és az IoT üzleti funkciói közötti leképezés
• Az IoT szoftverkomponensek alapjai – hardver, firmware, middleware, felhő és mobilalkalmazás
• IoT funkciók – Flotta kezelő, Adatvizualizáció, SaaS alapú FM és DV, riasztás/figyelmeztetés, érzékelő regisztrálás, „dolog” regisztrálás, geofencing
• Az IoT eszközök felhővel való kommunikációjának alapjai MQTT segítségével.
• IoT eszközök csatlakoztatása az AWS-hez MQTT segítségével (AWS IoT Core).
• Az AWS IoT Core összekötése AWS Lambda függvénnyel számításokhoz és adattároláshoz DynamoDB használatával.
• Raspberry PI csatlakoztatása az AWS IoT Core-hoz és egyszerű adatkommunikáció.
• Gyakorlati munka Raspberry PI és AWS IoT Core segítségével intelligens eszköz építéséhez.
• Érzékelő adatok vizualizációja és kommunikáció webes felületen keresztül.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik szeretnének tanulni és karriert építeni az adattudományban a Kaggle használatával.

A képzés végére a résztvevők képesek lesznek:

• Megismerni az adattudományt és a gépi tanulást.
• Felfedezni az adatelemzést.
• Megismerni a Kagglet és annak működését.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik a Modin használatával párhuzamos számításokat szeretnének létrehozni és implementálni a Pandas segítségével a gyorsabb adatelemzés érdekében.

A képzés végén a résztvevők képesek lesznek:

• Beállítani a szükséges környezetet a nagy léptékű Pandas munkafolyamatok fejlesztéséhez a Modin segítségével.
• Megérteni a Modin jellemzőit, architektúráját és előnyeit.
• Ismerni a Modin, a Dask és a Ray közötti különbségeket.
• Gyorsabban végrehajtani Pandas műveleteket a Modin segítségével.
• Implementálni a teljes Pandas API-t és funkciókat.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) adattudósok és fejlesztők számára készült, akik a RAPIDS segítségével GPU-gyorsított adatfolyamatokat, munkafolyamatokat és vizualizációkat szeretnének létrehozni, olyan gépi tanulási algoritmusokat alkalmazva, mint az XGBoost, a cuML stb.

A képzés végére a résztvevők képesek lesznek:

• Beállítani a szükséges fejlesztői környezetet adatmodellek létrehozásához az NVIDIA RAPIDS segítségével.
• Megismerni a RAPIDS funkcióit, összetevőit és előnyeit.
• Kihasználni a GPU-kat a teljes körű adat- és elemzési folyamatok gyorsítására.
• GPU-gyorsított adatelőkészítést és ETL-t implementálni a cuDF és az Apache Arrow segítségével.
• Megtanulni gépi tanulási feladatok végrehajtását az XGBoost és cuML algoritmusokkal.
• Adatvizualizációk készítését és gráfelemzést végrehajtani a cuXfilter és a cuGraph segítségével.