AWS Cloud9 για Data Science Κομμάτι εκπαίδευσης

Αυτή είναι μια πέντε-ημερής εισαγωγή στην Επιστήμη των Δεδομένων και την Τεχνητή Νοημοσύνη (AI).

Η μάθηση παρουσιάζεται με παραδείγματα και ασκήσεις χρησιμοποιώντας το Python

Αυτή η καθοδήγηση επιχειρηματίων, ζωντανά μαθήματος σε Ελλάδα (online ή on-site) απευθύνεται σε μεταξύ επίπεδου συμμετέχοντες που επιθυμούν να αυτοματοποιήσουν και να διαχειριστούν ροές εργασίας μηχανικής μάθησης, συμπεριλαμβανομένης της εκπαίδευσης, έλεγχου και διατοπισμού μοντέλων χρησιμοποιώντας το Apache Airflow.

Στο τέλος αυτής της καθοδήγησης, οι συμμετέχοντες θα είναι σε θέση να:

• Να ρυθμίσουν το Apache Airflow για την χορεύρωση ροών εργασίας μηχανικής μάθησης.
• Να αυτοματοποιούν τα έργα προεπεξεργασίας δεδομένων, εκπαίδευσης και ελέγχου μοντέλων.
• Να ενσωματώσουν το Airflow με πλατφόρμες και εργαλεία μηχανικής μάθησης.
• Να διατοπισουν τα μοντέλα μηχανικής μάθησης χρησιμοποιώντας αυτοματοποιημένες καταδικασίες.
• Να παρακολουθούν και να βελτιώνουν τις ροές εργασίας μηχανικής μάθησης σε παραγωγή.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν το οικοσύστημα Anaconda για να συλλάβουν, να διαχειριστούν και να αναπτύξουν πακέτα και ροές εργασίας ανάλυσης δεδομένων σε μια ενιαία πλατφόρμα.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε στοιχεία και βιβλιοθήκες Anaconda.
• Κατανοήστε τις βασικές έννοιες, τα χαρακτηριστικά και τα οφέλη του Anaconda.
• Διαχειριστείτε πακέτα, περιβάλλοντα και κανάλια χρησιμοποιώντας το Anaconda Navigator.
• Χρησιμοποιήστε πακέτα Conda, R και Python για επιστήμη δεδομένων και μηχανική εκμάθηση.
• Γνωρίστε ορισμένες περιπτώσεις πρακτικής χρήσης και τεχνικές για τη διαχείριση πολλαπλών περιβαλλόντων δεδομένων.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (επιτόπου ή εξ αποστάσεως) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν και να διαχειριστούν συσκευές IoT σε AWS.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να δημιουργήσουν μια πλατφόρμα IoT που περιλαμβάνει την ανάπτυξη και τη διαχείριση ενός backend, μιας πύλης και συσκευών πάνω από το AWS.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε προγραμματιστές που επιθυμούν να εγκαταστήσουν, να διαμορφώσουν και να διαχειριστούν τις AWS IoT δυνατότητες του Greengrass για τη δημιουργία εφαρμογών για διάφορες συσκευές.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να χρησιμοποιούν το AWS IoT Greengrass για την κατασκευή, την ανάπτυξη, τη διαχείριση, την ασφάλεια και την παρακολούθηση εφαρμογών σε έξυπνες συσκευές.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (επιτόπου ή απομακρυσμένα) απευθύνεται σε προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το AWS Lambda για να δημιουργήσουν και να αναπτύξουν υπηρεσίες και εφαρμογές στο cloud, χωρίς να χρειάζεται να ανησυχούν για την παροχή του περιβάλλοντος εκτέλεσης (διακομιστές, VM και κοντέινερ, διαθεσιμότητα, επεκτασιμότητα, αποθήκευση κ.λπ.).

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Διαμορφώστε το AWS Lambda για να εκτελέσετε μια λειτουργία.
• Κατανοήστε το FaaS (Λειτουργίες ως Υπηρεσία) και τα πλεονεκτήματα της ανάπτυξης χωρίς διακομιστή.
• Δημιουργία, αποστολή και εκτέλεση συναρτήσεων AWS Lambda.
• Ενσωματώστε τις λειτουργίες Lambda με διαφορετικές πηγές συμβάντων.
• Συσκευασία, ανάπτυξη, παρακολούθηση και αντιμετώπιση προβλημάτων εφαρμογών που βασίζονται στο Lambda.

Αυτή η καθοδήγηση με εκπαιδευτικό (online ή onsite) απευθύνεται σε νέους επιστήμονες δεδομένων και IT επαγγελματίες που επιθυμούν να μάθουν τα βασικά στοχεία της επιστήμης δεδομένων χρησιμοποιώντας το Google Colab.

Στο τέλος αυτής της καθοδήγησης, οι συμμετέχοντες θα είναι σε θέση να:

• Να ρύθμισουν και να πλοηγούνται στο Google Colab.
• Να γράφουν και να εκτελούν βασικό Python code.
• Να εισάγουν και να χειρίζονται datasets.
• Να δημιουργούν visualization χρησιμοποιώντας Python libraries.

Οι συμμετέχοντες που ολοκληρώσουν αυτή την εκπαίδευση θα κατακτήσουν μια πρακτική, πραγματικού κόσμου κατανόηση της Επιστήμης των Δεδομένων και των συναφών τεχνολογιών, μεθοδολογιών και εργαλείων.

Οι συμμετέχοντες θα έχουν την ευκαιρία να εφαρμόσουν αυτή τη γνώση μέσω πρακτικών επαστάθμισεων. Η αλληλεπίδραση σε ομάδα και το feedback του εκπαιδευτή αποτελούν μια σημαντική πτυχή της εκπαίδευσης.

Το μάθημα ξεκινά με μια εισαγωγή στα βασικά χαρακτηριστικά της Επιστήμης των Δεδομένων και προχωρά στα εργαλεία και μεθόδους που χρησιμοποιούνται στη Επιστήμη των Δεδομένων.

Ακροατήριο

• Προγραμματιστές
• Τεχνικοί αναλυτές
• Σύμβουλοι IT

Μορφή της εκπαίδευσης

• Μέρος ομιλία, μέρος συζήτηση, ασκήσεις και πολύς πρακτικός χαρακτήρας

Σημείωση

• Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλώ επικοινωνήστε μαζί μας για διοργάνωση.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες προχωρημένου επιπέδου που επιθυμούν να εμβαθύνουν στην κατανόησή τους σχετικά με τις DevOps πρακτικές και να εξορθολογίσουν τις διαδικασίες ανάπτυξης χρησιμοποιώντας το AWS Cloud9.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Ρυθμίστε και διαμορφώστε το AWS Cloud9 για ροές εργασίας DevOps.
• Υλοποίηση αγωγών συνεχούς ενοποίησης και συνεχούς παράδοσης (CI/CD).
• Αυτοματοποιήστε τις διαδικασίες δοκιμών, παρακολούθησης και ανάπτυξης χρησιμοποιώντας το AWS Cloud9.
• Ενσωματώστε υπηρεσίες AWS όπως το Lambda, το EC2 και το S3 στις ροές εργασίας DevOps.
• Χρησιμοποιήστε συστήματα ελέγχου πηγής όπως το GitHub ή το GitLab στο AWS Cloud9.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες μεσαίου επιπέδου που επιθυμούν να μάθουν πώς να δημιουργούν, να αναπτύσσουν και να διατηρούν αποτελεσματικά εφαρμογές χωρίς διακομιστή στο AWS Cloud9 και στο AWS Lambda.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Κατανοήστε τις βασικές αρχές της αρχιτεκτονικής χωρίς διακομιστή.
• Ρυθμίστε το AWS Cloud9 για ανάπτυξη εφαρμογών χωρίς διακομιστή.
• Αναπτύξτε, δοκιμάστε και αναπτύξτε εφαρμογές χωρίς διακομιστή χρησιμοποιώντας το AWS Lambda.
• Ενσωματώστε το AWS Lambda με άλλες υπηρεσίες AWS όπως το API Gateway και το S3.
• Βελτιστοποιήστε εφαρμογές χωρίς διακομιστή για απόδοση και αποδοτικότητα κόστους.

Τα μεγάλα ποσά δεδομένων είναι σύνολα δεδομένων τόσο μεγάλα και περίπλοκα ώστε οι παραδοσιακές εφαρμογές επεξεργασίας δεδομένων να είναι ανεπαρκείς για την χειριστική τους. Τα προβλήματα μεγάλων ποσών δεδομένων περιλαμβάνουν τη συλλογή δεδομένων, αποθήκευση δεδομένων, ανάλυση δεδομένων, αναζήτηση, μοιρασισμός, μεταφορά, επικίνδυνη οπτικοποίηση, καθορισμός απορρόφησης, αναβάθμιση και προστασία πληροφοριών.

Σύνοψη:

• Βασικές έννοιες αρχιτεκτονικής και λειτουργιών του IoT
• Οι "Συσκευές", οι "Αισθητήρες", το Διαδίκτυο και η χαρτογράφηση μεταξύ των επιχειρηματικών λειτουργιών του IoT
• Βασικά στοιχεία όλων των λογισμικών συστατικών του IoT - υλικό, firmware, μεσολαβητής, cloud και εφαρμογή κινητού
• Λειτουργίες IoT - Διαχειριστής στόλου, οπτικοποίηση δεδομένων, FM και DV βασισμένα σε SaaS, ειδοποιήσεις/alarms, καταχώριση αισθητήρων, καταχώριση "συσκευής", γεωφencing
• Βασικές έννοιες επικοινωνίας συσκευών IoT με cloud μέσω MQTT.
• Σύνδεση συσκευών IoT με AWS μέσω MQTT (AWS IoT Core).
• Σύνδεση AWS IoT core με συνάρτηση AWS Lambda για υπολογισμούς και αποθήκευση δεδομένων χρησιμοποιώντας DynamoDB.
• Σύνδεση Raspberry PI με AWS IoT core και απλή επικοινωνία δεδομένων.
• Χειροκίνητη εξάσκηση με Raspberry PI και AWS IoT Core για την κατασκευή μιας έξυπνης συσκευής.
• Οπτικοποίηση δεδομένων αισθητήρων και επικοινωνία μέσω διεπαφής web.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που επιθυμούν να μάθουν και να χτίσουν τη σταδιοδρομία τους στο Data Science χρησιμοποιώντας το Kaggle.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Μάθετε για την επιστήμη των δεδομένων και τη μηχανική μάθηση.
• Εξερευνήστε την ανάλυση δεδομένων.
• Μάθετε για το Kaggle και πώς λειτουργεί.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το Modin για να δημιουργήσουν και να εφαρμόσουν παράλληλους υπολογισμούς με το Pandas για ταχύτερη ανάλυση δεδομένων.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Ρυθμίστε το απαραίτητο περιβάλλον για να ξεκινήσετε την ανάπτυξη Pandas ροών εργασίας σε κλίμακα με Modin.
• Κατανοήστε τα χαρακτηριστικά, την αρχιτεκτονική και τα πλεονεκτήματα του Modin.
• Γνωρίστε τις διαφορές μεταξύ Modin, Dask και Ray.
• Εκτελέστε τις λειτουργίες Pandas πιο γρήγορα με το Modin.
• Εφαρμόστε ολόκληρο το Pandas API και τις λειτουργίες.

Αυτή η εκπαίδευση με εξαγωγό, ζωντανά (online ή onsite), απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που θέλουν να χρησιμοποιήσουν το RAPIDS για τη δημιουργία GPU-επιταχυνμένων αναλυτικών και πλυθμού δεδομένων, workflows, και οπτικοποιήσεων, εφαρμόζοντας μηχανικές μέθοδους μάθησης, όπως το XGBoost, cuML κλπ.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Εγκαθιστήσουν το απαραίτητο περιβάλλον ανάπτυξης για τη δημιουργία μοdel από δεδομένα με NVIDIA RAPIDS.
• Να κατανοήσουν τις πληροφορίες, συστατικά και πλεονεκτήματα του RAPIDS.
• Να χρησιμοποιήσουν GPUs για να επιταχύνουν από κάθε πλευρά τους πίπτοντες αναλυτικούς και δεδομένων.
• Να υλοποιήσουν GPU-επιταχυνμένη προετοίμαση δεδομένων και ETL με cuDF και Apache Arrow.
• Να μάθουν πώς να εκτελούν μηχανικές εργασίες μάθησης με XGBoost και cuML αλγόριθμους.
• Να δημιουργήσουν οπτικοποιήσεις δεδομένων και να εκτελούν γράφημα ανάλυση με cuXfilter και cuGraph.