Zkuste nás kontaktovat

Návrh Školení

Úvod do použití AWS Cloud9 pro účely datové vědy

  • Přehled funkcí AWS Cloud9 určených k práci s daty
  • Nastavení prostředí pro datovou vědu v AWS Cloud9
  • Konfigurace prostředí Cloud9 na potřeby práce s Pythonem, R a nástrojem Jupyter Notebook

Načítání a příprava dat

  • Importování a čištění dat z různých zdrojů
  • Využití služby AWS S3 k ukládání a přístupu k datům
  • Předzpracování dat pro další analýzu a modelování

Analýza dat v rámci AWS Cloud9

  • Průzkumná analýza dat s využitím Pythonu a R
  • Práce s knihovnami Pandas, NumPy a nástroji pro vizualizaci dat
  • Statická analýza a testování hypotéz v prostředí Cloud9

Vývoj modelů strojového učení

  • Tvorba modelů strojového učení pomocí knihoven Scikit-learn a TensorFlow
  • Trénování a vyhodnocování modelů v prostředí AWS Cloud9
  • Využití služby SageMaker spolu s Cloud9 pro vývoj rozsáhlých modelů strojového učení

Integrace a správa databází

  • Propojení služeb AWS RDS a Redshift s prostředím AWS Cloud9
  • Tvorba dotazů na rozsáhlé datové soubory pomocí jazyka SQL i Pythonu
  • Práce s velkými objemy dat využitím řešení poskytovaných AWS

Nasazování a optimalizace modelů

  • Nasazování modelů strojového učení prostřednictvím služby AWS Lambda
  • Automatické nasazování pomocí nástroje AWS CloudFormation
  • Optimalizace datových toků z hlediska výkonu i efektivity nákladů

Spolupráce na projektech a bezpečnost

  • Spolupráce na datově-vědeckých projektech v prostředí Cloud9
  • Používání nástroje Git k řízení verzí a správě projektů
  • Doporučené postupy zajišťující bezpečnost dat a modelů v AWS Cloud9

Shrnutí a další kroky

Požadavky

  • Základní znalosti konceptů datové vědy
  • Seznámenost s programovacím jazykem Python
  • Praktické zkušenosti s cloudovým prostředím a službami AWS

Cílová skupina

  • Datoví vědci
  • Data analytici
  • Inženýři specializující se na strojové učení
 28 Hodiny

Počet účastníků


Cena za účastníka

Reference (2)

Nadcházející kurzy

Související kategorie