AWS Cloud9 for Data Science

• Podstawowe zrozumienie koncepcji nauki o danych
• Znajomość programowania Python
• Doświadczenie ze środowiskami chmurowymi i usługami AWS

Publiczność

• Naukowcy zajmujący się danymi
• Analitycy danych
• Inżynierowie uczenia maszynowego

AWS Cloud9 oferuje solidne środowisko do nauki o danych, umożliwiając użytkownikom tworzenie, testowanie i wdrażanie modeli danych za pomocą narzędzi opartych na chmurze. Ten kurs prowadzi uczestników przez konfigurowanie i zarządzanie środowiskiem nauki o danych w AWS Cloud9, z naciskiem na integrację z usługami AWS do przechowywania danych, przetwarzania i uczenia maszynowego.

To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych naukowców i analityków danych, którzy chcą korzystać z AWS Cloud9 w celu usprawnienia przepływów pracy w nauce o danych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Skonfigurować środowisko nauki o danych w AWS Cloud9.
• Przeprowadzać analizę danych przy użyciu Python, R i Jupyter Notebook w Cloud9.
• Zintegrować AWS Cloud9 z usługami danych AWS, takimi jak S3, RDS i Redshift.
• Wykorzystanie AWS Cloud9 do opracowywania i wdrażania modeli uczenia maszynowego.
• Optymalizacja przepływów pracy w chmurze do analizy i przetwarzania danych.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie do AWS Cloud9 dla Data Science

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

Pozyskiwanie i przygotowywanie danych

• Importowanie i czyszczenie danych z różnych źródeł
• Korzystanie z AWS S3 do przechowywania i dostępu do danych
• Wstępne przetwarzanie danych do analizy i modelowania

Data Analysis w chmurze AWS Cloud9

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

Tworzenie modeli Machine Learning

• Tworzenie modeli uczenia maszynowego przy użyciu Scikit-learn i TensorFlow
• Szkolenie i ocena modeli w AWS Cloud9
• Używanie SageMaker z Cloud9 do opracowywania modeli na dużą skalę

Database Integracja i Management

• Integracja AWS RDS i Redshift z AWS Cloud9
• Przetwarzanie dużych zbiorów danych przy użyciu SQL i Python
• Obsługa dużych zbiorów danych za pomocą usług AWS

Wdrażanie i optymalizacja modeli

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

Wspólny rozwój i bezpieczeństwo

• Współpraca nad projektami data science w Cloud9
• Używanie Git do kontroli wersji i zarządzania projektami
• Najlepsze praktyki w zakresie bezpieczeństwa danych i modeli w AWS Cloud9

Podsumowanie i kolejne kroki