Kursplan

Introduktion till AWS Cloud9 för Data Science

  • Översikt över AWS Cloud9-funktioner för datavetenskap
  • Konfigurera en datavetenskapsmiljö i AWS Cloud9
  • Konfigurera Cloud9 för Python, R och Jupyter Notebook

Inmatning och förberedelse av data

  • Importera och rensa data från olika källor
  • Använda AWS S3 för datalagring och åtkomst
  • Förbehandling av data för analys och modellering

Data Analysis i AWS Cloud9

  • Undersökande dataanalys med hjälp av Python och R
  • Arbeta med Pandas, NumPy och datavisualiseringsbibliotek
  • Statistisk analys och hypotesprövning i Cloud9

Machine Learning Utveckling av modeller

  • Skapa maskininlärningsmodeller med hjälp av Scikit-learn och TensorFlow
  • Träna och utvärdera modeller i AWS Cloud9
  • Använda SageMaker med Cloud9 för storskalig modellutveckling

Database Integration och Management

  • Integrera AWS RDS och Redshift med AWS Cloud9
  • Fråga stora datamängder med hjälp av SQL och Python
  • Hantering av big data med AWS-tjänster

Distribution och optimering av modeller

  • Distribuera maskininlärningsmodeller med hjälp av AWS Lambda
  • Använda AWS CloudFormation för att automatisera distributionen
  • Optimera datapipelines för prestanda och kostnadseffektivitet

Samarbetsutveckling, utveckling och säkerhet

  • Samarbeta i datavetenskapsprojekt i Cloud9
  • Använda Git för versionskontroll och projektledning
  • Rekommenderade säkerhetsmetoder för data och modeller i AWS Cloud9

Sammanfattning och nästa steg

Krav

  • Grundläggande förståelse för datavetenskapsbegrepp
  • Förtrogenhet med Python-programmering
  • Erfarenhet av molnmiljöer och AWS-tjänster

Publik

  • Datavetare
  • Dataanalytiker
  • Ingenjörer inom maskininlärning
 28 timmar

Antal deltagare


Price per participant

Vittnesmål (3)

Upcoming Courses

Relaterade Kategorier