Kursplan

Introduktion till AWS Cloud9 för datavetenskap

  • Översikt över AWS Cloud9-funktioner för datavetenskap
  • Inställning av en datavetenskaplig miljö i AWS Cloud9
  • Konfigurering av Cloud9 för Python, R och Jupyter Notebook

Datahantering och förberedelse

  • Import och rensning av data från olika källor
  • Användning av AWS S3 för datalagring och åtkomst
  • Förbehandling av data för analys och modellering

Dataanalys i AWS Cloud9

  • Explorativ dataanalys med Python och R
  • Arbetande med Pandas, NumPy och bibliotek för datavisualisering
  • Statistisk analys och hypotesprövning i Cloud9

Utveckling av maskininlärningsmodeller

  • Byggande av maskininlärningsmodeller med Scikit-learn och TensorFlow
  • Träning och utvärdering av modeller i AWS Cloud9
  • Användning av SageMaker med Cloud9 för stor skalig modellutveckling

Databasintegration och hantering

  • Integration av AWS RDS och Redshift med AWS Cloud9
  • Frågehantering av stora datamängder med SQL och Python
  • Hantering av big data med AWS-tjänster

Modellimplementering och optimering

  • Implementering av maskininlärningsmodeller med AWS Lambda
  • Användning av AWS CloudFormation för automatiserad implementering
  • Optimering av dataflöden för prestanda och kostnadseffektivitet

Samarbete och säkerhet

  • Samarbete på datavetenskapliga projekt i Cloud9
  • Användning av Git för versionshantering och projektledning
  • Säkerhetsbästa praxis för data och modeller i AWS Cloud9

Sammanfattning och nästa steg

Krav

  • Grundläggande förståelse för datavetenskapliga begrepp
  • Kunskap om Python-programmering
  • Erfarenhet av molnmiljöer och AWS-tjänster

Målgrupp

  • Datavetare
  • Dataanalytiker
  • Maskininlärningsingenjörer
 28 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (3)

Kommande Kurser

Relaterade Kategorier