AWS Cloud9 for Data Science

• 對數據科學概念的基本瞭解
• 熟悉 Python 程式設計
• 使用雲環境和 AWS 服務的經驗

觀眾

• 數據科學家
• 數據分析師
• 機器學習工程師

AWS Cloud9 為數據科學提供了強大的環境，使用戶能夠使用基於雲的工具構建、測試和部署數據模型。本課程將指導參與者在 AWS Cloud9 中設置和管理數據科學環境，重點介紹如何與 AWS 服務集成以進行數據存儲、處理和機器學習。

這種講師指導的現場培訓（在線或現場）面向希望使用 AWS Cloud9 簡化數據科學工作流程的中級數據科學家和分析師。

在本次培訓結束時，參與者將能夠：

• 在 AWS Cloud9 中設置數據科學環境。
• 在 Cloud9 中使用 Python、R 和 Jupyter Notebook 執行數據分析。
• 將 AWS Cloud9 與 S3、RDS 和 Redshift 等 AWS 數據服務整合。
• 利用 AWS Cloud9 進行機器學習模型的開發和部署。
• 優化基於雲的工作流程以進行數據分析和處理。

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在即時實驗室環境中動手實施。

課程自定義選項

• 要申請本課程的定製培訓，請聯繫我們進行安排。

適用於 Data Science 的 AWS Cloud9 簡介

• AWS Cloud9 數據科學功能概述
• 在 AWS Cloud9 中設置數據科學環境
• 為 Python、R 和 Jupyter Notebook 配置 Cloud9

數據攝取和準備

• 從各種來源導入和清理數據
• 使用 AWS S3 進行資料存儲和訪問
• 預處理數據以進行分析和建模

Data Analysis 在 AWS Cloud9 中

• 使用 Python 和 R 進行探索性數據分析
• 使用 Pandas、NumPy 和數據可視化庫
• Cloud9 中的統計分析和假設檢驗

Machine Learning 模型開發

• 使用 Scikit-learn 和 TensorFlow 構建機器學習模型
• 在 AWS Cloud9 中訓練和評估模型
• 將 SageMaker 與 Cloud9 結合使用進行大規模模型開發

Database 集成和 Management

• 將 AWS RDS 和 Redshift 與 AWS Cloud9 集成
• 使用 SQL 和 Python 查詢大型數據集
• 使用 AWS 服務處理大數據

模型部署和優化

• 使用 AWS Lambda 部署機器學習模型
• 使用 AWSCloudFormation 實現自動化部署
• 優化數據管道以提高性能和成本效益

協作開發和安全性

• 在 Cloud9 中協作開展數據科學專案
• 使用 Git 進行版本控制和專案管理
• AWS Cloud9 中數據和模型的安全最佳實踐

總結和後續步驟