AWS Cloud9 för Data Science Träningskurs

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare som vill använda Anaconda-ekosystemet för att fånga, hantera och distribuera paket och arbetsflöden för dataanalys på en enda plattform.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Anaconda komponenter och bibliotek.
• Förstå de grundläggande begreppen, funktionerna och fördelarna med Anaconda.
• Hantera paket, miljöer och kanaler med hjälp av Anaconda Navigator.
• Använd Conda-, R- och Python-paket för datavetenskap och maskininlärning.
• Lär känna några praktiska användningsfall och tekniker för att hantera flera datamiljöer.

Denna instruktörsledda, liveutbildning i Sverige (på plats eller på distans) riktar sig till ingenjörer som vill distribuera och hantera IoT-enheter på AWS.

I slutet av denna utbildning kommer deltagarna att kunna bygga en IoT-plattform som inkluderar distribution och hantering av en backend, gateway och enheter ovanpå AWS.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill installera, konfigurera och hantera AWS IoT Greengrass-funktioner för att skapa applikationer för olika enheter.

I slutet av denna utbildning kommer deltagarna att kunna använda AWS IoT Greengrass för att bygga, distribuera, hantera, säkra och övervaka applikationer på intelligenta enheter.

Denna instruktörsledda, liveutbildning i Sverige (på plats eller fjärransluten) riktar sig till utvecklare som vill använda AWS Lambda för att bygga och distribuera tjänster och applikationer till molnet, utan att behöva oroa sig för att tillhandahålla körningsmiljön (servrar, virtuella datorer och behållare, tillgänglighet, skalbarhet, lagring etc.).

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera AWS Lambda för att köra en funktion.
• Förstå FaaS (Functions as a Service) och fördelarna med serverlös utveckling.
• Bygg, ladda upp och kör AWS Lambda funktioner.
• Integrera Lambda-funktioner med olika händelsekällor.
• Paketera, distribuera, övervaka och felsök Lambda-baserade applikationer.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till proffs på avancerad nivå som vill fördjupa sin förståelse för DevOps metoder och effektivisera utvecklingsprocesser med hjälp av AWS Cloud9.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera AWS Cloud9 för DevOps arbetsflöden.
• Implementera pipelines för kontinuerlig integrering och kontinuerlig leverans (CI/CD).
• Automatisera test-, övervaknings- och distributionsprocesser med hjälp av AWS Cloud9.
• Integrera AWS-tjänster som Lambda, EC2 och S3 i DevOps arbetsflöden.
• Använd källkontrollsystem som GitHub eller GitLab inom AWS Cloud9.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till proffs på mellannivå som vill lära sig hur man effektivt bygger, distribuerar och underhåller serverlösa applikationer på AWS Cloud9 och AWS Lambda.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i serverlös arkitektur.
• Konfigurera AWS Cloud9 för serverlös applikationsutveckling.
• Utveckla, testa och distribuera serverlösa program med hjälp av AWS Lambda.
• Integrera AWS Lambda med andra AWS-tjänster som API Gateway och S3.
• Optimera serverlösa program för prestanda och kostnadseffektivitet.

Big data är datauppsättningar som är så omfattande och komplexa att traditionell applikationsprogramvara för databehandling är otillräcklig för att hantera dem. Stora datautmaningar inkluderar fånga data, datalagring, dataanalys, sökning, delning, överföring, visualisering, fråga, uppdatering och informationssekretess.

Somrig:

• Grunderna i IoT-arkitektur och funktioner
• "Saker", "Sensorer", Internet och mappningen mellan affärsfunktioner i IoT
• Oumbärlig för alla IoT-programvarukomponenter – hårdvara, firmware, mellanprogram, moln och mobilapp
• IoT-funktioner - Fleet manager, datavisualisering, SaaS-baserad FM och DV, larm/larm, sensorintroduktion, "sak" onboarding, geo-fencing
• Grunderna i IoT-enhetskommunikation med molnet med MQTT.
• Ansluta IoT-enheter till AWS med MQTT (AWS IoT Core).
• Ansluter AWS IoT-kärnan med AWS Lambda-funktionen för beräkning och datalagring.
• Ansluter Raspberry PI med AWS IoT kärna och enkel datakommunikation.
• Aviseringar och händelser
• Kalibrering av sensor

Sammanfattning:

• Grunderna i IoT-arkitektur och funktioner
• "Saker", "Sensorer", Internet och mappningen mellan affärsfunktioner i IoT
• Oumbärlig för alla IoT-programvarukomponenter – hårdvara, firmware, mellanprogram, moln och mobilapp
• IoT-funktioner - Fleet manager, datavisualisering, SaaS-baserad FM och DV, larm/larm, sensorintroduktion, "sak" onboarding, geo-fencing
• Grunderna i IoT-enhetskommunikation med molnet med MQTT.
• Ansluta IoT-enheter till AWS med MQTT (AWS IoT Core).
• Anslutning av AWS IoT-kärna med AWS Lambda-funktion för beräkning och datalagring med hjälp av DynamoDB.
• Ansluter Raspberry PI med AWS IoT kärna och enkel datakommunikation.
• Hands on med Raspberry PI och AWS IoT Core för att bygga en smart enhet.
• Visualisering av sensordata och kommunikation med webbgränssnitt.

Denna instruktörsledda, liveutbildning på plats eller online introducerar idén om samarbetsutveckling inom datavetenskap och demonstrerar hur man använder Jupyter för att spåra och delta i ett team i "livscykeln för en beräkningsidé". Den vägleder deltagarna genom skapandet av ett exempelprojekt inom datavetenskap baserat på Jupyter-ekosystemet.

Efter denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Jupyter, inklusive skapande och integration av ett teamrepository på Git.
• Använda Jupyter-funktioner som tillägg, interaktiva widgetar, multiuserläge och mer för att möjliggöra projektkollaboration.
• Skapa, dela och organisera Jupyter Notebooks med teammedlemmar.
• Välja mellan Scala, Python, R, för att skriva och köra kod mot stora datasystem såsom Apache Spark, allt via Jupyter-gränssnittet.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare och utvecklare som vill lära sig och bygga sina karriärer i Data Science med hjälp av Kaggle.

I slutet av denna utbildning kommer deltagarna att kunna:

• Lär dig mer om datavetenskap och maskininlärning.
• Utforska dataanalys.
• Lär dig mer om Kaggle och hur det fungerar.

I den första delen av den här utbildningen går vi igenom grunderna i MATLAB och dess funktion som både ett språk och en plattform.  I den här diskussionen ingår en introduktion till MATLAB syntax, matriser och matriser, datavisualisering, skriptutveckling och objektorienterade principer.

I den andra delen visar vi hur man använder MATLAB för datautvinning, maskininlärning och prediktiv analys. För att ge deltagarna ett tydligt och praktiskt perspektiv på MATLABs tillvägagångssätt och kraft gör vi jämförelser mellan att använda MATLAB och att använda andra verktyg som kalkylblad, C, C++ och Visual Basic.

I den tredje delen av utbildningen lär sig deltagarna hur de kan effektivisera sitt arbete genom att automatisera sin databehandling och rapportgenerering.

Under hela kursen kommer deltagarna att omsätta de idéer som de lärt sig genom praktiska övningar i en labbmiljö i praktiken. I slutet av utbildningen kommer deltagarna att ha ett grundligt grepp om MATLAB:s kapacitet och kommer att kunna använda den för att lösa verkliga datavetenskapsproblem samt för att effektivisera sitt arbete genom automatisering.

Bedömningar kommer att genomföras under hela kursen för att mäta framstegen.

Kursens upplägg

• Kursen innehåller teoretiska och praktiska övningar, inklusive falldiskussioner, provkodsinspektion och praktisk implementering.

Not

• Övningssessioner kommer att baseras på förarrangerade exempeldatarapportmallar. Om du har specifika krav, vänligen kontakta oss för att ordna.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare och utvecklare som vill använda Modin för att bygga och implementera parallella beräkningar med Pandas för snabbare dataanalys.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera den miljö som krävs för att börja utveckla Pandas arbetsflöden i stor skala med Modin.
• Förstå funktionerna, arkitekturen och fördelarna med Modin.
• Känn till skillnaderna mellan Modin, Dask och Ray.
• Utför Pandas operationer snabbare med Modin.
• Implementera hela Pandas API:et och funktionerna.

Python är ett programmeringsspråk som har fått stort genomslag i finansindustrin. Antaget av de största investeringsbankerna och hedgefonderna används det för att skapa en bred uppsättning finansiella program, från grundläggande handelssystem till riskhanteringssystem.

I detta instruktörsledda liveutbildning kommer deltagarna att lära sig hur man använder Python för att utveckla praktiska applikationer för att lösa ett antal specifika finansrelaterade problem.

När denna utbildning är avslutad kommer deltagarna att kunna:

• Förstå grunderna i Python-programmeringsspråket
• Ladda ner, installera och underhålla de bästa utvecklingsverktygen för att skapa finansiella applikationer i Python
• Välja och använda de lämpligaste Python-paket och programmeringstekniker för att organisera, visualisera och analysera finansiell data från olika källor (CSV, Excel, databaser, webben etc.)
• Bygga applikationer som löser problem relaterade till tillgångsallokering, riskanalys, investeringsprestanda och mer
• Felsöka, integrera, distribuera och optimera en Python-applikation

Målgrupp

• Utvecklare
• Analytiker
• Kvantitativa analytiker (Quants)

Kursformat

• Del föreläsning, del diskussion, övningar och mycket praktisk övning

Notering

• Denna utbildning syftar till att erbjuda lösningar på några av de huvudsakliga problem som finansprofessorer står inför. Om du har ett specifikt ämne, verktyg eller teknik som du önskar lägga till eller utveckla mer, vänligen kontakta oss för att ordna.

Denna instruktörsledda, live-utbildning (online eller på plats) riktar sig till datavetare och utvecklare som vill använda RAPIDS för att bygga GPU-accelererade datapipelines, arbetsflöden och visualiseringar, med tillämpning av maskininlärningsalgoritmer, såsom XGBoost, cuML etc.

Efter avslutad utbildning kommer deltagarna kunna:

• Installera nödvändiga utvecklingsmiljöer för att bygga datamodeller med NVIDIA RAPIDS.
• Förstå funktioner, komponenter och fördelar med RAPIDS.
• Utnyttja GPUer för att accelerera slut- till-slut datapipelines och analyser.
• Implementera GPU-accelererad datapreparation och ETL med cuDF och Apache Arrow.
• Lära sig hur man utför maskininlärningsuppgifter med XGBoost- och cuML-algoritmer.
• Bygga datavisualiseringar och utföra grafanalyser med cuXfilter och cuGraph.