Schulungsübersicht

Einführung in AWS Cloud9 für Data Science

  • Überblick über die AWS Cloud9-Funktionen für Data Science
  • Einrichtung einer Data-Science-Umgebung in AWS Cloud9
  • Konfiguration von Cloud9 für Python, R und Jupyter Notebook

Datenimport und -vorbereitung

  • Importieren und Bereinigen von Daten aus verschiedenen Quellen
  • Verwenden von AWS S3 für Datenspeicherung und -zugriff
  • Vorbereitung der Daten für die Analyse und Modellierung

Datenanalyse in AWS Cloud9

  • Explorative Datenanalyse mit Python und R
  • Arbeiten mit Pandas, NumPy und Visualisierungsbibliotheken
  • Statistische Analyse und Hypothesentests in Cloud9

Entwicklung von Machine-Learning-Modellen

  • Erstellen von Machine-Learning-Modellen mit Scikit-learn und TensorFlow
  • Training und Evaluierung von Modellen in AWS Cloud9
  • Verwenden von SageMaker mit Cloud9 für die Entwicklung großskaliger Modelle

Datenbankintegration und -verwaltung

  • Integration von AWS RDS und Redshift mit AWS Cloud9
  • Abfragen großer Datensätze mit SQL und Python
  • Verarbeitung von Big Data mit AWS-Diensten

Bereitstellung und Optimierung von Modellen

  • Bereitstellen von Machine-Learning-Modellen mit AWS Lambda
  • Verwenden von AWS CloudFormation zur automatisierten Bereitstellung
  • Optimieren von Datenpipelines für Leistung und Kosteneffizienz

Zusammenarbeit und Sicherheit

  • Zusammenarbeiten an Data-Science-Projekten in Cloud9
  • Verwenden von Git für Versionskontrolle und Projektmanagement
  • Best Practices für die Sicherheit von Daten und Modellen in AWS Cloud9

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundverständnis von Data Science-Konzepten
  • Vertrautheit mit Python-Programmierung
  • Erfahrung mit Cloud-Umgebungen und AWS-Diensten

Zielgruppe

  • Data Scientists
  • Data Analysts
  • Machine Learning Engineers
 28 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien