AWS Cloud9를 위한 Data Science 교육 과정

이 강좌는 데이터 과학과 인공 지능(AI)에 대한 5일간의 소개입니다.

Python을 사용한 예제와 연습으로 진행됩니다.

이 강사는 온라인 또는 현장에서 진행하는 실시간 교육과정으로, 중간 수준의 참여자들을 대상으로 합니다. 이 과정은 Apache Airflow를 사용하여 머신러닝 워크플로우를 자동화하고 관리하는 데 중점을 둡니다. 모델 학습, 검증, 그리고 배포가 포함됩니다.

이 교육을 마친 후, 참가자들은 다음을 할 수 있게 됩니다:

• 머신러닝 워크플로우 오케스트레이션을 위해 Apache Airflow를 설정합니다.
• 데이터 전처리, 모델 학습, 그리고 검증 작업을 자동화합니다.
• Airflow를 머신러닝 프레임워크와 도구에 통합합니다.
• 자동화된 파이프라인을 사용하여 머신러닝 모델을 배포합니다.
• 생산 환경에서 머신러닝 워크플로우를 모니터링하고 최적화합니다.

대한민국에서 강사가 진행하는 이 라이브 교육(온라인 또는 현장)은 단일 플랫폼에서 패키지 및 데이터 분석 워크플로를 캡처, 관리, 배포하기 위해 Anaconda 에코시스템을 사용하려는 데이터 과학자를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• Anaconda개의 구성 요소와 라이브러리를 설치하고 구성합니다.
• Anaconda의 핵심 개념, 기능 및 이점을 이해하세요.
• Anaconda Navigator를 사용하여 패키지, 환경 및 채널을 관리하세요.
• 데이터 과학 및 머신 러닝에는 Conda, R 및 Python 패키지를 사용합니다.
• 여러 데이터 환경을 관리하기 위한 몇 가지 실제 사용 사례와 기술을 알아보세요.

대한민국(현장 또는 원격)에서 강사가 진행하는 이 실시간 교육은 AWS에서 IoT 기기를 배포하고 관리하려는 엔지니어를 대상으로 합니다.

이 교육을 마치면 참가자는 AWS를 기반으로 백엔드, 게이트웨이, 장치를 배포하고 관리하는 IoT 플랫폼을 구축할 수 있게 됩니다.

대한민국에서 강사가 진행하는 이 라이브 교육(온라인 또는 현장)은 다양한 장치에 대한 애플리케이션을 생성하기 위해 AWS IoT Greengrass 기능을 설치, 구성 및 관리하려는 개발자를 대상으로 합니다.

이 교육을 마치면 참가자는 AWS IoT Greengrass를 사용하여 지능형 장치에서 애플리케이션을 빌드, 배포, 관리, 보안 및 모니터링할 수 있습니다.

대한민국에서 강사가 진행하는 이 실시간 교육(현장 또는 원격)은 실행 환경(서버, VM 및 컨테이너, 가용성, 확장성, 스토리지 등) 프로비저닝에 대해 걱정할 필요 없이 AWS Lambda을 사용하여 클라우드에 서비스와 애플리케이션을 빌드하고 배포하려는 개발자를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• AWS Lambda을 구성하여 함수를 실행하세요.
• FaaS(서비스로서의 기능)와 서버리스 개발의 장점을 알아보세요.
• AWS Lambda개의 함수를 빌드, 업로드 및 실행합니다.
• Lambda 함수를 다양한 이벤트 소스와 통합합니다.
• Lambda 기반 애플리케이션을 패키징, 배포, 모니터링하고 문제를 해결합니다.

이 강사 지도형 라이브 교육 과정은 Google Colab을 사용하여 데이터 과학의 기본을 배우고자 하는 초보 데이터 과학자 및 IT 전문가를 대상으로 합니다.

이 교육 과정을 마친 후, 참가자들은 다음을 할 수 있게 됩니다:

• Google Colab 설정 및 탐색.
• 기본 Python 코드 작성 및 실행.
• 데이터셋 가져오기 및 처리.
• Python 라이브러리를 사용하여 시각화 생성.

이 교육을 마친 참가자들은 데이터 과학과 관련 기술, 방법론, 도구에 대한 실제 세계의 이해를 얻게 됩니다.

참가자들은 실습을 통해 이 지식을 직접 활용할 수 있는 기회를 갖습니다. 그룹 상호작용과 강사의 피드백은 수업의 중요한 부분을 구성합니다.

교육은 데이터 과학의 기본 개념 소개로 시작하여, 데이터 과학에서 사용하는 도구와 방법론으로 진행됩니다.

대상자

• 개발자
• 기술 분석가
• IT 컨설턴트

교육 형식

• 강의와 토론, 실습을 병행하며, 실제 연습에 중점을 둡니다.

참고사항

• 이 과정의 맞춤형 교육을 요청하시려면 저희에게 문의하여 예약하세요.

대한민국에서 진행되는 이 강사 주도 라이브 교육(온라인 또는 현장)은 AWS Cloud9를 사용하여 DevOps 관행에 대한 이해를 심화하고 개발 프로세스를 간소화하려는 고급 전문가를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• DevOps 워크플로에 대해 AWS Cloud9를 설정하고 구성합니다.
• CI/CD(지속적인 통합 및 지속적인 배포) 파이프라인을 구현합니다.
• AWS Cloud9를 사용하여 테스트, 모니터링 및 배포 프로세스를 자동화하세요.
• Lambda, EC2, S3와 같은 AWS 서비스를 DevOps 워크플로에 통합합니다.
• AWS Cloud9 내의 GitHub 또는 GitLab와 같은 소스 제어 시스템을 활용합니다.

대한민국에서 강사가 진행하는 이 라이브 교육(온라인 또는 현장)은 AWS Cloud9 및 AWS Lambda에서 서버리스 애플리케이션을 효과적으로 빌드, 배포 및 유지 관리하는 방법을 배우고자 하는 중급 전문가를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• 서버리스 아키텍처의 기본을 이해합니다.
• 서버리스 애플리케이션 개발을 위해 AWS Cloud9를 설정하세요.
• AWS Lambda을 사용하여 서버리스 애플리케이션을 개발, 테스트 및 배포합니다.
• API Gateway 및 S3와 같은 다른 AWS 서비스와 AWS Lambda을 통합합니다.
• 성능과 비용 효율성을 위해 서버리스 애플리케이션을 최적화하세요.

빅 데이터는 너무 방대하고 복잡한 데이터 세트로 전통적인 데이터 처리 응용 프로그램 소프트웨어가 처리하기에 부적합합니다. 큰 데이터 문제로는 데이터 캡처, 데이터 저장, 데이터 분석, 검색, 공유, 전송, 시각화, 쿼리, 업데이트 및 정보 프라이버시가 있습니다.

요약:

• IoT 아키텍처 및 기능의 기초
• "사물", "센서", 인터넷과 IoT 비즈니스 기능 간의 매핑
• 하드웨어, 펌웨어, 미들웨어, 클라우드, 모바일 앱 등 모든 IoT 소프트웨어 구성 요소의 필수 사항
• IoT 기능: 플릿 관리, 데이터 시각화, SaaS 기반 플릿 관리 및 데이터 시각화, 알림/경고, 센서 온보딩, "사물" 온보딩, 지오펜싱
• MQTT를 통한 클라우드와 IoT 장치 간 통신의 기초
• MQTT를 활용하여 IoT 장치를 AWS IoT Core에 연결
• 데이터 처리 및 저장을 위해 AWS Lambda 함수와 DynamoDB를 사용하여 AWS IoT Core 연결
• 라즈베리 파이를 AWS IoT Core에 연결하고 간단한 데이터 통신 수행
• 라즈베리 파이와 AWS IoT Core를 활용한 스마트 장치 구축 실습
• 웹 인터페이스를 통한 센서 데이터 시각화 및 통신

대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 Kaggle을 사용하여 Data Science에서 학습하고 경력을 쌓고자 하는 데이터 과학자와 개발자를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• 데이터 과학과 머신러닝에 대해 알아보세요.
• 데이터 분석을 살펴보세요.
• Kaggle에 대해 알아보고 작동 방식을 알아보세요.

대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 Modin을 사용하여 Pandas를 통해 더 빠른 데이터 분석을 위한 병렬 계산을 구축하고 구현하려는 데이터 과학자와 개발자를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• Modin을 사용하여 대규모로 Pandas 워크플로 개발을 시작하는 데 필요한 환경을 설정하세요.
• Modin의 기능, 아키텍처 및 장점을 이해하세요.
• Modin, Dask, Ray의 차이점을 알아보세요.
• Modin을 사용하여 Pandas개의 작업을 더 빠르게 수행하십시오.
• 전체 Pandas API 및 기능을 구현합니다.

이 인스트럭터-리드 라이브 트레이닝은 대한민국 (온라인 또는 오프라인) 에서 데이터 과학자 및 개발자가 GPU 가속 데이터 파이프라인, 워크플로우, 시각화, 그리고 XGBoost, cuML 등의 머신러닝 알고리즘을 사용하여 RAPIDS를 활용할 수 있도록 지원합니다.

이 트레이닝을 마친 후, 참가자는 다음을 할 수 있게 됩니다:

• NVIDIA RAPIDS로 데이터 모델을 구축하기 위한 개발 환경을 설정합니다.
• RAPIDS의 기능, 구성 요소, 그리고 장점을 이해합니다.
• GPU를 활용하여 데이터 및 분석 파이프라인을 가속화합니다.
• cuDF와 Apache Arrow를 사용하여 GPU 가속 데이터 준비 및 ETL을 구현합니다.
• XGBoost 및 cuML 알고리즘을 사용하여 머신러닝 작업을 수행하는 방법을 학습합니다.
• cuXfilter와 cuGraph를 사용하여 데이터 시각화 및 그래프 분석을 구축합니다.