AWS Cloud9 için Data Science Eğitimi

Bu, Veri Bilimi ve Yapay Zeka (YB) konusunda 5 günlük bir giriş kursudur.

Kurs, Python kullanarak örnekler ve alıştırmalarla sunulmaktadır.

Bu eğitmen tarafından yönetilen canlı eğitim Türkiye'ta (online veya yerinde) hedeflenen, Apache Airflow kullanarak makine öğrenimi iş akışlarını otomatikleştirmeyi ve yönetmeyi isteyen orta düzeydeki katılımcılardır. Bu eğitim, model eğitimi, doğrulama ve dağıtım dahil olmak üzere makine öğrenimi iş akışlarını otomatikleştirmeye odaklanmaktadır.

Bu eğitim sonunda katılımcılar şu konuları yapabilecek duruma gelecektir:

• Makine öğrenimi iş akışı orchestration için Apache Airflow'u kurma.
• Veri ön işleme, model eğitimi ve doğrulama görevlerini otomatikleştirme.
• Airflow'ü makine öğrenimi çerçeveleri ve araçlarıyla tümleştirme.
• Otomatik pipelines kullanarak makine öğrenimi modellerini dağıtım.
• Üretimdeki makine öğrenimi iş akışlarını izleme ve iyileştirme.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), paketleri ve veri analizi iş akışlarını tek bir platformda yakalamak, yönetmek ve dağıtmak için Anaconda ekosistemini kullanmak isteyen veri bilimcilerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Anaconda bileşenlerini ve kütüphanelerini kurmak ve yapılandırmak.
• Anaconda'ün temel kavramlarını, özelliklerini ve faydalarını anlamak.
• Anaconda Navigator kullanarak paketleri, ortamları ve kanalları yönetmek.
• Veri bilimi ve makine öğrenimi için Conda, R ve Python paketlerini kullanmak.
• Çoklu veri ortamlarını yönetmek için bazı pratik kullanım durumlarını ve teknikleri öğrenmek.

Bu eğitmen liderliğindeki, canlı eğitim (yerinde veya uzaktan) AWS üzerinde IoT cihazlarını dağıtmak ve yönetmek isteyen mühendislere yöneliktir.

Bu eğitimin sonunda katılımcılar, bir arka uç, ağ geçidi ve cihazların AWS üzerinde dağıtımını ve yönetimini içeren bir IoT platformu oluşturabileceklerdir.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), çeşitli cihazlar için uygulamalar oluşturmak amacıyla AWS IoT Greengrass özelliklerini kurmak, yapılandırmak ve yönetmek isteyen geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar, AWS IoT Greengrass kullanarak akıllı cihazlarda uygulamalar oluşturabilecek, dağıtabilecek, yönetebilecek, güvenliğini sağlayabilecek ve izleyebileceklerdir.

Bu eğitmen liderliğindeki, canlı eğitim Türkiye (yerinde veya uzaktan) geliştiricilerin, yürütme ortamı (sunucular, VM'ler ve kapsayıcılar, kullanılabilirlik, ölçeklenebilirlik, depolama vb.) sağlamadan hizmetleri ve uygulamaları buluta oluşturmak ve dağıtmak için AWS Lambda'u kullanmayı amaçlamaktadır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Bir işlevi yürütmek için AWS Lambda'u yapılandırmak.
• FaaS (Hizmet Olarak İşlevler) ve sunucusuz geliştirmenin avantajlarını anlamak.
• AWS Lambda işlevlerini oluşturmak, yüklemek ve yürütmek.
• Lambda işlevlerini farklı olay kaynaklarıyla entegre etmek.
• Lambda tabanlı uygulamaları paketlemek, dağıtmak, izlemek ve sorun gidermek.

Bu eğitmen önderliğindeki canlı eğitim Türkiye (çevrimiçi veya yerinde) beginner seviyesindeki veri bilimcileri ve IT profesyonellerini Google Colab kullanarak temel veri bilimciliği konseptlerini öğrenmeye yöneliktir.

Bu eğitimin sonunda katılımcılar:

• Google Colab'ı kurup kullanmaya başlayabileceklerdir.
• Temel Python kodu yazıp çalıştırabileceklerdir.
• Veri kümelerini içe aktarip yönetebileceklerdir.
• Python kitaplıklarını kullanarak görselleştirmeler oluşturabileceklerdir.

Bu eğitimden tamamlanan katılımcılar, Veri Bilimi ve ilgili teknolojiler, yöntemler ve araçları hakkında pratik, gerçek dünya anlayışına sahip olacaklardır.

Katılımcılar, bu bilgiyi pratik alıştırmalar aracılığıyla kullanma fırsatı bulacaklardır. Grup etkileşimi ve eğitmen geri bildirimi, sınıfın önemli bir bileşenidir.

Kurs, Veri Biliminin temel kavramlarına girişle başlar ve daha sonra Veri Biliminde kullanılan araçlar ve yöntemlere ilerler.

Hedef Kitle

• Geliştiriciler
• Teknik analistler
• IT danışmanları

Kursun Formatı

• Konuşma, tartışma, alıştırmalar ve yoğun pratik uygulamadan oluşur

Not

• Bu kurs için özelleştirilmiş bir eğitim talep etmek için bizimle iletişime geçin.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), DevOps uygulamalarını derinleştirmek ve AWS Cloud9 kullanarak geliştirme süreçlerini kolaylaştırmak isteyen ileri düzey profesyonellere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• AWS Cloud9'u DevOps iş akışları için kurmak ve yapılandırmak.
• Sürekli entegrasyon ve sürekli teslimat (CI/CD) hatları uygulamak.
• AWS Cloud9 kullanarak test, izleme ve dağıtım süreçlerini otomatikleştirmek.
• Lambda, EC2 ve S3 gibi AWS hizmetlerini DevOps iş akışlarına entegre etmek.
• GitHub veya GitLab gibi kaynak kontrol sistemlerini AWS Cloud9 içinde kullanmak.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), AWS Cloud9 ve AWS Lambda üzerinde sunucusuz uygulamaları etkili bir şekilde oluşturmak, dağıtmak ve sürdürmek isteyen orta düzeydeki profesyonellere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Sunucusuz mimarinin temellerini anlayabilecektir.
• Sunucusuz uygulama geliştirme için AWS Cloud9'u kurabilecektir.
• AWS Lambda kullanarak sunucusuz uygulamalar geliştirebilecek, test edebilecek ve dağıtabilecektir.
• AWS Lambda'u API Gateway ve S3 gibi diğer AWS hizmetleriyle entegre edebilecektir.
• Sunucusuz uygulamaları performans ve maliyet verimliliği için optimize edebilecektir.

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.

Bu eğitmen liderliğindeki, canlı eğitim (online veya yerinde), Data Science kullanarak kariyerlerini geliştirmek isteyen veri bilimcileri ve geliştiricileri hedeflemektedir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Veri bilimi ve makine öğrenimi hakkında bilgi edinin.
• Veri analitiğini keşfedin.
• Kaggle hakkında bilgi edinin ve nasıl çalıştığını öğrenin.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), daha hızlı veri analizi için Pandas ile paralel hesaplamalar oluşturmak ve uygulamak isteyen veri bilimcileri ve geliştiricileri hedeflemektedir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Modin ile ölçeklenebilir Pandas iş akışlarını geliştirmek için gerekli ortamı kurmak.
• Modin'in özelliklerini, mimarisini ve avantajlarını anlamak.
• Modin, Dask ve Ray arasındaki farkları bilmek.
• Modin ile Pandas işlemlerini daha hızlı gerçekleştirmek.
• Tüm Pandas API'sini ve işlevlerini uygulamak.

Bu eğitmen tarafından yönetilen, canlı eğitim Türkiye (çevrimiçi veya yerinde) veri bilimcilerine ve geliştiricilere RAPIDS'i kullanarak GPU hızlandırılmış veri hatları, iş akışları ve görselleştirmeler oluşturmayı, XGBoost, cuML gibi makine öğrenimi algoritmalarını uygulamayı hedef almaktadır.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• NVIDIA RAPIDS ile veri modelleri oluşturmak için gerekli geliştirme ortamını kurma.
• RAPIDS'in özelliklerini, bileşenlerini ve avantajlarını anlamak.
• GPU'ları uçtan uca veri ve analitik hatlarını hızlandırmaya kullanma.
• cuDF ve Apache Arrow ile GPU hızlandırılmış veri hazırlığı ve ETL uygulama.
• XGBoost ve cuML algoritmalarıyla makine öğrenimi görevleri nasıl gerçekleştirileceğini öğrenme.
• cuXfilter ve cuGraph ile veri görselleştirmeleri oluşturma ve grafik analizi yürütme.