AWS Cloud9 cho Data Science Khóa Học Đào Tạo

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) dành cho các nhà khoa học dữ liệu muốn sử dụng hệ sinh thái Anaconda để thu thập, quản lý và triển khai các gói và quy trình phân tích dữ liệu trên một nền tảng duy nhất.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Cài đặt và cấu hình các thành phần và thư viện Anaconda.
• Hiểu các khái niệm, tính năng và lợi ích cốt lõi của Anaconda.
• Quản lý các gói, môi trường và kênh bằng Anaconda Navigator.
• Sử dụng các gói Conda, R và Python cho khoa học dữ liệu và học máy.
• Tìm hiểu một số trường hợp sử dụng thực tế và kỹ thuật quản lý nhiều môi trường dữ liệu.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này tại Việt Nam (tại chỗ hoặc từ xa) dành cho các kỹ sư muốn triển khai và quản lý các thiết bị IoT trên AWS.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể xây dựng một nền tảng IoT bao gồm việc triển khai và quản lý backend, gateway và các thiết bị trên AWS.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này tại Việt Nam (trực tuyến hoặc tại chỗ) dành cho các nhà phát triển muốn cài đặt, cấu hình và quản lý các tính năng của AWS IoT Greengrass để tạo ứng dụng cho nhiều thiết bị khác nhau.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể sử dụng AWS IoT Greengrass để xây dựng, triển khai, quản lý, bảo mật và giám sát các ứng dụng trên các thiết bị thông minh.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này tại Việt Nam (tại chỗ hoặc từ xa) dành cho các nhà phát triển muốn sử dụng AWS Lambda để xây dựng và triển khai các dịch vụ và ứng dụng lên đám mây, mà không cần lo lắng về việc cung cấp môi trường thực thi (máy chủ, máy ảo và container, tính khả dụng, khả năng mở rộng, lưu trữ, v.v.).

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Cấu hình AWS Lambda để thực thi một hàm.
• Hiểu về FaaS (Functions as a Service) và những lợi ích của phát triển không máy chủ.
• Xây dựng, tải lên và thực thi các hàm AWS Lambda.
• Tích hợp các hàm Lambda với các nguồn sự kiện khác nhau.
• Đóng gói, triển khai, giám sát và khắc phục sự cố các ứng dụng dựa trên Lambda.

The explosion of information and data in today’s world is un-paralleled, our ability to innovate and push the boundaries of the possible is growing faster than it ever has. The role of Data Scientist is one of the highest in-demand skills across industry today.

We offer much more than learning through theory; we deliver practical, marketable skills that bridge the gap between the world of academia and the demands of industry.

This 7 week curriculum  can be tailored to your specific Industry requirements, please contact us for further information or visit the Nobleprog Institute website 

Audience:

This programme is aimed post level graduates as well as anyone with the required pre-requisite skills which will be determined by an assessment and interview. 

Delivery:

Delivery of the course will be a mixture of Instructor Led Classroom and Instructor Led Online; typically the 1st week will be 'classroom led', weeks 2 - 6 'virtual classroom' and week 7  back to 'classroom led'. 

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này tại Việt Nam (trực tuyến hoặc tại chỗ) dành cho các chuyên gia cấp cao muốn nâng cao hiểu biết về các thực hành DevOps và tối ưu hóa quy trình phát triển bằng AWS Cloud9.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Thiết lập và cấu hình AWS Cloud9 cho các quy trình làm việc DevOps.
• Triển khai các đường ống tích hợp liên tục và phân phối liên tục (CI/CD).
• Tự động hóa các quy trình kiểm tra, giám sát và triển khai bằng AWS Cloud9.
• Tích hợp các dịch vụ AWS như Lambda, EC2 và S3 vào các quy trình làm việc DevOps.
• Sử dụng các hệ thống kiểm soát nguồn như GitHub hoặc GitLab trong AWS Cloud9.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này tại Việt Nam (trực tuyến hoặc tại chỗ) dành cho các chuyên gia ở trình độ trung cấp, những người muốn học cách xây dựng, triển khai và duy trì hiệu quả các ứng dụng không máy chủ trên AWS Cloud9 và AWS Lambda.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Hiểu các nguyên tắc cơ bản của kiến trúc không máy chủ.
• Thiết lập AWS Cloud9 để phát triển ứng dụng không máy chủ.
• Phát triển, kiểm tra và triển khai các ứng dụng không máy chủ bằng AWS Lambda.
• Tích hợp AWS Lambda với các dịch vụ AWS khác như API Gateway và S3.
• Tối ưu hóa các ứng dụng không máy chủ để đạt hiệu suất và hiệu quả chi phí.

Dữ liệu lớn là các tập dữ liệu có dung lượng và độ phức tạp quá lớn khiến phần mềm ứng dụng xử lý dữ liệu truyền thống không thể đáp ứng được. Những thách thức của dữ liệu lớn bao gồm thu thập dữ liệu, lưu trữ dữ liệu, phân tích dữ liệu, tìm kiếm, chia sẻ, truyền tải, trực quan hóa, truy vấn, cập nhật và bảo mật thông tin.

Summery:

• Basics of IoT architecture and functions
• “Things”, “Sensors”, Internet and the mapping between business functions of IoT
• Essential of all IoT software components- hardware, firmware, middleware, cloud and mobile app
• IoT functions- Fleet manager, Data visualization, SaaS based FM and DV, alert/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Basics of IoT device communication with cloud with MQTT.
• Connecting IoT devices to AWS with MQTT (AWS IoT Core).
• Connecting AWS IoT core with AWS Lambda function for computation and data storage.
• Connecting Raspberry PI with AWS IoT core and simple data communication.
• Alerts and events
• Sensor calibration

Summary:

• Basics of IoT architecture and functions
• “Things”, “Sensors”, Internet and the mapping between business functions of IoT
• Essential of all IoT software components- hardware, firmware, middleware, cloud and mobile app
• IoT functions- Fleet manager, Data visualization, SaaS based FM and DV, alert/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Basics of IoT device communication with cloud with MQTT.
• Connecting IoT devices to AWS with MQTT (AWS IoT Core).
• Connecting AWS IoT core with AWS Lambda function for computation and data storage using DynamoDB.
• Connecting Raspberry PI with AWS IoT core and simple data communication.
• Hands on with Raspberry PI and AWS IoT Core to build a smart device.
• Sensor data visualization and communication with web interface.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) giới thiệu ý tưởng về phát triển cộng tác trong khoa học dữ liệu và trình bày cách sử dụng Jupyter để theo dõi và tham gia với tư cách là một nhóm trong "vòng đời của một ý tưởng tính toán". Khóa học hướng dẫn người tham gia qua quá trình tạo một dự án khoa học dữ liệu mẫu dựa trên hệ sinh thái Jupyter.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Cài đặt và cấu hình Jupyter, bao gồm tạo và tích hợp một kho lưu trữ nhóm trên Git.
• Sử dụng các tính năng của Jupyter như tiện ích mở rộng, widget tương tác, chế độ đa người dùng và hơn thế nữa để cho phép cộng tác dự án.
• Tạo, chia sẻ và tổ chức các Jupyter Notebook với các thành viên trong nhóm.
• Chọn từ Scala, Python, R để viết và thực thi mã trên các hệ thống dữ liệu lớn như Apache Spark, tất cả thông qua giao diện Jupyter.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) dành cho các nhà khoa học dữ liệu và nhà phát triển muốn học hỏi và xây dựng sự nghiệp của họ trong Data Science bằng cách sử dụng Kaggle.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Tìm hiểu về khoa học dữ liệu và học máy.
• Khám phá phân tích dữ liệu.
• Tìm hiểu về Kaggle và cách thức hoạt động của nó.

Trong phần đầu tiên của khóa đào tạo này, chúng tôi giới thiệu các kiến thức cơ bản về MATLAB và vai trò của nó như một ngôn ngữ lập trình và nền tảng. Bao gồm trong cuộc thảo luận là một cái nhìn tổng quan về cú pháp MATLAB, mảng và ma trận, trực quan hóa dữ liệu, phát triển kịch bản và nguyên tắc hướng đối tượng.

Ở phần thứ hai, chúng tôi trình bày cách sử dụng MATLAB cho khai thác dữ liệu, học máy và phân tích dự đoán. Để cung cấp cho người tham gia một cái nhìn rõ ràng và thực tế về phương pháp tiếp cận và sức mạnh của MATLAB, chúng tôi đưa ra các so sánh giữa việc sử dụng MATLAB và sử dụng các công cụ khác như bảng tính, C, C++, và Visual Basic.

Ở phần thứ ba của khóa đào tạo, người tham gia học cách tối ưu hóa công việc bằng cách tự động hóa xử lý dữ liệu và tạo báo cáo.

Xuyên suốt khóa học, người tham gia sẽ thực hành các ý tưởng đã học thông qua các bài tập thực tế trong môi trường phòng thí nghiệm. Cuối khóa đào tạo, người tham gia sẽ có hiểu biết sâu sắc về khả năng của MATLAB và có thể sử dụng nó để giải quyết các vấn đề khoa học dữ liệu thực tế cũng như tối ưu hóa công việc thông qua tự động hóa.

Các đánh giá sẽ được tiến hành xuyên suốt khóa học để theo dõi tiến độ.

Định dạng của Khóa Học

• Khóa học bao gồm các bài tập lý thuyết và thực tế, bao gồm thảo luận về trường hợp, kiểm tra mã mẫu và triển khai thực tế.

Lưu ý

• Các buổi thực hành sẽ dựa trên các mẫu báo cáo dữ liệu đã được sắp xếp trước. Nếu bạn có yêu cầu cụ thể, vui lòng liên hệ với chúng tôi để bố trí.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) dành cho các nhà khoa học dữ liệu và nhà phát triển muốn sử dụng Modin để xây dựng và triển khai các phép tính song song với Pandas để phân tích dữ liệu nhanh hơn.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Thiết lập môi trường cần thiết để bắt đầu phát triển các quy trình làm việc Pandas quy mô lớn với Modin.
• Hiểu các tính năng, kiến trúc và lợi thế của Modin.
• Nắm vững sự khác biệt giữa Modin, Dask và Ray.
• Thực hiện các thao tác Pandas nhanh hơn với Modin.
• Triển khai toàn bộ API và các hàm Pandas.

Khóa học trực tiếp của giáo viên (trực tuyến hoặc trực tiếp tại cơ sở) này được hướng dẫn cho các nhà khoa học dữ liệu và nhà phát triển muốn sử dụng RAPIDS để xây dựng các pipeline, luồng làm việc, và hình ảnh trực quan được tăng tốc bởi GPU, áp dụng các thuật toán học máy như XGBoost, cuML, và các thuật toán khác.

Đến cuối khóa học này, các tham gia sẽ có thể:

• Cài đặt môi trường phát triển cần thiết để xây dựng các mô hình dữ liệu với NVIDIA RAPIDS.
• Hiểu về các tính năng, thành phần, và lợi ích của RAPIDS.
• Tận dụng GPU để tăng tốc các pipeline dữ liệu và phân tích dữ liệu từ đầu đến cuối.
• Thực hiện chuẩn bị dữ liệu và ETL được tăng tốc bởi GPU với cuDF và Apache Arrow.
• Học cách thực hiện các tác vụ học máy với các thuật toán XGBoost và cuML.
• Xây dựng hình ảnh trực quan dữ liệu và thực hiện phân tích đồ thị với cuXfilter và cuGraph.