AWS Cloud9 for Data Science

• 对数据科学概念的基本了解
• 熟悉 Python 程式设计
• 使用云环境和 AWS 服务的经验

观众

• 数据科学家
• 数据分析师
• 机器学习工程师

AWS Cloud9 为数据科学提供了强大的环境，使用户能够使用基于云的工具构建、测试和部署数据模型。本课程将指导参与者在 AWS Cloud9 中设置和管理数据科学环境，重点介绍如何与 AWS 服务集成以进行数据存储、处理和机器学习。

这种讲师指导的现场培训（在线或现场）面向希望使用 AWS Cloud9 简化数据科学工作流程的中级数据科学家和分析师。

在本次培训结束时，参与者将能够：

• 在 AWS Cloud9 中设置数据科学环境。
• 在 Cloud9 中使用 Python、R 和 Jupyter Notebook 执行数据分析。
• 将 AWS Cloud9 与 S3、RDS 和 Redshift 等 AWS 数据服务整合。
• 利用 AWS Cloud9 进行机器学习模型的开发和部署。
• 优化基于云的工作流程以进行数据分析和处理。

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在即时实验室环境中动手实施。

课程自定义选项

• 要申请本课程的定制培训，请联系我们进行安排。

适用于 Data Science 的 AWS Cloud9 简介

• AWS Cloud9 数据科学功能概述
• 在 AWS Cloud9 中设置数据科学环境
• 为 Python、R 和 Jupyter Notebook 配置 Cloud9

数据摄取和准备

• 从各种来源导入和清理数据
• 使用 AWS S3 进行资料存储和访问
• 预处理数据以进行分析和建模

Data Analysis 在 AWS Cloud9 中

• 使用 Python 和 R 进行探索性数据分析
• 使用 Pandas、NumPy 和数据可视化库
• Cloud9 中的统计分析和假设检验

Machine Learning 模型开发

• 使用 Scikit-learn 和 TensorFlow 构建机器学习模型
• 在 AWS Cloud9 中训练和评估模型
• 将 SageMaker 与 Cloud9 结合使用进行大规模模型开发

Database 集成和 Management

• 将 AWS RDS 和 Redshift 与 AWS Cloud9 集成
• 使用 SQL 和 Python 查询大型数据集
• 使用 AWS 服务处理大数据

模型部署和优化

• 使用 AWS Lambda 部署机器学习模型
• 使用 AWSCloudFormation 实现自动化部署
• 优化数据管道以提高性能和成本效益

协作开发和安全性

• 在 Cloud9 中协作开展数据科学专案
• 使用 Git 进行版本控制和专案管理
• AWS Cloud9 中数据和模型的安全最佳实践

总结和后续步骤