Formation AWS Cloud9 pour Data Science

Cette formation en direct avec instructeur en Canada (en ligne ou sur site) s'adresse aux data scientists qui souhaitent utiliser l'écosystème Anaconda pour capturer, gérer et déployer des packages et des workflows d'analyse de données dans une plateforme unique.

A la fin de cette formation, les participants seront capables de :

• Installer et configurer les composants et les bibliothèques Anaconda.
• Comprendre les concepts de base, les fonctionnalités et les avantages de Anaconda.
• Gérer les paquets, les environnements et les canaux à l'aide du Anaconda Navigator.
• Utiliser Conda, R et les paquets Python pour la science des données et l'apprentissage automatique.
• Connaître des cas d'utilisation pratiques et des techniques pour gérer des environnements de données multiples.

Cette formation en direct avec instructeur en Canada (sur site ou à distance) est destinée aux ingénieurs qui souhaitent déployer et gérer des appareils IoT sur AWS.

À la fin de cette formation, les participants seront en mesure de construire une plateforme IoT qui comprend le déploiement et la gestion d'un backend, d'une passerelle et d'appareils sur AWS.

Cette formation en direct avec instructeur à Canada (en ligne ou sur site) s'adresse aux développeurs qui souhaitent installer, configurer et gérer les capacités de AWS IoT Greengrass afin de créer des applications pour divers appareils.

À l'issue de cette formation, les participants seront en mesure d'utiliser AWS IoT Greengrass pour créer, déployer, gérer, sécuriser et surveiller des applications sur des appareils intelligents.

Cette formation en direct avec instructeur dans Canada (sur site ou à distance) est destinée aux développeurs qui souhaitent utiliser AWS Lambda pour construire et déployer des services et des applications dans le cloud, sans avoir à se soucier du provisionnement de l'environnement d'exécution (serveurs, VM et conteneurs, disponibilité, évolutivité, stockage, etc.)

A l'issue de cette formation, les participants seront capables de :

• Configurer AWS Lambda pour exécuter une fonction.
• Comprendre le FaaS (Functions as a Service) et les avantages du développement sans serveur.
• Construire, télécharger et exécuter des fonctions AWS Lambda.
• Intégrer les fonctions Lambda avec différentes sources d'événements.
• Packager, déployer, surveiller et dépanner les applications basées sur Lambda.

Cette formation en direct avec instructeur à Canada (en ligne ou sur site) est destinée aux professionnels de niveau avancé qui souhaitent approfondir leur compréhension des pratiques DevOps et rationaliser les processus de développement à l'aide d'AWS Cloud9.

A l'issue de cette formation, les participants seront en mesure de :

• Mettre en place et configurer AWS Cloud9 pour les flux de travail DevOps.
• Mettre en œuvre des pipelines d'intégration continue et de livraison continue (CI/CD).
• Automatiser les processus de test, de surveillance et de déploiement à l'aide d'AWS Cloud9.
• Intégrer les services AWS tels que Lambda, EC2 et S3 dans les flux de travail DevOps.
• Utiliser des systèmes de contrôle des sources comme GitHub ou GitLab dans AWS Cloud9.

Cette formation en direct avec instructeur à Canada (en ligne ou sur site) s'adresse aux professionnels de niveau intermédiaire qui souhaitent apprendre à construire, déployer et maintenir efficacement des applications sans serveur sur AWS Cloud9 et AWS Lambda.

À l'issue de cette formation, les participants seront en mesure de :

• Comprendre les fondamentaux de l'architecture serverless.
• Configurer AWS Cloud9 pour le développement d'applications sans serveur.
• Développer, tester et déployer des applications sans serveur à l'aide de AWS Lambda.
• Intégrer AWS Lambda avec d'autres services AWS tels que API Gateway et S3.
• Optimiser les applications sans serveur pour la performance et la rentabilité.

Les données volumineuses sont des ensembles de données si volumineux et complexes qu'un logiciel de traitement de données traditionnel ne permet pas de les traiter. Les défis du Big Data incluent la capture, le stockage, l'analyse, la recherche, le partage, le transfert, la visualisation, l'interrogation, la mise à jour et la confidentialité des informations.

Résumé :

• Principes de base de l'architecture et des fonctions de l'IdO
• Les "objets", les "capteurs", l'internet et la correspondance entre les fonctions commerciales de l'IdO
• Essentiel de tous les composants logiciels de l'IdO - matériel, micrologiciel, intergiciel, nuage et application mobile
• Fonctions de l'IdO - Gestionnaire de flotte, visualisation des données, FM et DV basés sur SaaS, alerte/alarme, intégration des capteurs, intégration des "choses", géofencing
• Bases de la communication des appareils IoT avec le cloud grâce à MQTT.
• Connexion des appareils IoT à AWS avec MQTT (AWS IoT Core).
• Connexion du noyau AWS IoT avec la fonction AWS Lambda pour le calcul et le stockage des données.
• Connexion de Raspberry PI avec le noyau AWS IoT et communication simple de données.
• Alertes et événements
• Calibration des capteurs

Résumé :

• Principes de base de l'architecture et des fonctions de l'IdO
• Les "objets", les "capteurs", Internet et la correspondance entre les fonctions commerciales de l'IdO
• Essentiel de tous les composants logiciels de l'IdO - matériel, micrologiciel, intergiciel, nuage et application mobile
• Fonctions de l'IdO - Gestionnaire de flotte, visualisation des données, FM et DV basés sur SaaS, alerte/alarme, intégration des capteurs, intégration des "choses", géofencing
• Bases de la communication des appareils IoT avec le cloud grâce à MQTT.
• Connexion des appareils IoT à AWS avec MQTT (AWS IoT Core).
• Connecter AWS IoT core avec AWS Lambda function pour le calcul et le stockage des données en utilisant DynamoDB.
• Connexion de Raspberry PI avec AWS IoT core et communication simple de données.
• Travaux pratiques avec Raspberry PI et AWS IoT Core pour construire un appareil intelligent.
• Visualisation des données de capteurs et communication avec une interface web.

Cette formation en direct (en ligne ou sur site) animée par un formateur introduit l'idée du développement collaboratif dans le domaine de la science des données et démontre comment utiliser Jupyter pour suivre et participer en équipe au "cycle de vie d'une idée computationnelle". Elle guide les participants à travers la création d'un projet de science des données basé sur l'écosystème Jupyter.

À la fin de cette formation, les participants seront capables de :

• Installer et configurer Jupyter, y compris la création et l'intégration d'un dépôt d'équipe sur Git.
• Utiliser des fonctionnalités de Jupyter telles que les extensions, les widgets interactifs, le mode multi-utilisateur et plus encore pour permettre une collaboration sur le projet.
• Créer, partager et organiser des carnets Jupyter avec les membres de l'équipe.
• Choisir entre Scala, Python, R, pour écrire et exécuter du code contre des systèmes de grandes données tels que Apache Spark, tout en passant par l'interface Jupyter.

Cette formation en Canada (en ligne ou sur site) est destinée aux data scientists et aux développeurs qui souhaitent apprendre et développer leur carrière dans Data Science en utilisant Kaggle.

A l'issue de cette formation, les participants seront capables de :

• S'informer sur la science des données et l'apprentissage automatique.
• Explorer l'analyse des données.
• En savoir plus sur Kaggle et son fonctionnement.

Dans la première partie de cette formation, nous couvrons les fondamentaux de MATLAB et sa fonction à la fois comme langage et comme plateforme. Cette discussion comprend une introduction à la syntaxe de MATLAB, aux tableaux et aux matrices, à la visualisation de données, au développement de scripts et aux principes orientés objet.

Dans la deuxième partie, nous montrons comment utiliser MATLAB pour l'exploration de données, l'apprentissage automatique et l'analyse prédictive. Pour donner aux participants une perspective claire et pratique de l'approche et de la puissance de MATLAB, nous établissons des comparaisons entre l'utilisation de MATLAB et l'utilisation d'autres outils tels que les tableurs, le C, C++ et Visual Basic.

Dans la troisième partie de la formation, les participants apprennent à rationaliser leur travail en automatisant le traitement des données et la génération de rapports.

Tout au long de la formation, les participants mettront en pratique les idées apprises au moyen d'exercices pratiques dans un environnement de laboratoire. À la fin de la formation, les participants auront une connaissance approfondie des capacités de MATLAB et seront en mesure de l'utiliser pour résoudre des problèmes réels de science des données ainsi que pour rationaliser leur travail grâce à l'automatisation.

Des évaluations seront effectuées tout au long du cours pour mesurer les progrès réalisés.

Format du cours

• Le cours comprend des exercices théoriques et pratiques, y compris des discussions de cas, l'inspection d'exemples de code, et la mise en œuvre pratique.

Remarque

• Les sessions pratiques seront basées sur des modèles de rapports de données préétablis. Si vous avez des besoins spécifiques, veuillez nous contacter pour convenir d'un arrangement.

Cette formation en direct avec instructeur dans Canada (en ligne ou sur site) est destinée aux scientifiques des données et aux développeurs qui souhaitent utiliser Modin pour construire et mettre en œuvre des calculs parallèles avec Pandas afin d'accélérer l'analyse des données.

A la fin de cette formation, les participants seront capables de :

• Mettre en place l'environnement nécessaire pour commencer à développer des flux de travail Pandas à l'échelle avec Modin.
• Comprendre les caractéristiques, l'architecture et les avantages de Modin.
• Connaître les différences entre Modin, Dask et Ray.
• Effectuer des opérations Pandas plus rapidement avec Modin.
• Mettre en œuvre l'ensemble de l'API et des fonctions Pandas.

Python est un langage de programmation qui a gagné une grande popularité dans l'industrie financière. Adopté par les plus grandes banques d'investissement et fonds spéculatifs, il est utilisé pour développer une large gamme d'applications financières allant des programmes de trading de base aux systèmes de gestion des risques.

Dans cette formation dirigée par un instructeur, les participants apprendront à utiliser Python pour développer des applications pratiques résolvant plusieurs problèmes spécifiques liés à la finance.

À la fin de cette formation, les participants seront capables de :

• Comprendre les fondements du langage de programmation Python
• Télécharger, installer et maintenir les meilleurs outils de développement pour créer des applications financières en Python
• Sélectionner et utiliser les packages Python les plus appropriés et les techniques de programmation pour organiser, visualiser et analyser des données financières provenant de diverses sources (CSV, Excel, bases de données, web, etc.)
• Construire des applications qui résolvent des problèmes liés à l'allocation d'actifs, à l'analyse des risques, aux performances d'investissement et bien plus encore
• Dépanner, intégrer, déployer et optimiser une application Python

Public visé

• Développeurs
• Analystes
• Quants

Format de la formation

• Partie exposé, partie discussion, exercices et pratique intensive sur ordinateur

Note

• Cette formation vise à fournir des solutions pour certains des problèmes principaux auxquels sont confrontés les professionnels de la finance. Cependant, si vous avez un sujet, outil ou technique particulier que vous souhaitez ajouter ou approfondir davantage, n'hésitez pas à nous contacter pour organiser cela.

Cette formation dirigée par un instructeur (en ligne ou sur site) est destinée aux scientifiques des données et développeurs qui souhaitent utiliser RAPIDS pour créer des pipelines de données, des workflows et des visualisations accélérés par GPU, en appliquant des algorithmes d'apprentissage automatique tels que XGBoost, cuML, etc.

À la fin de cette formation, les participants seront capables de :

• Configurer l'environnement de développement nécessaire pour créer des modèles de données avec NVIDIA RAPIDS.
• Comprendre les fonctionnalités, les composants et les avantages de RAPIDS.
• Tirer parti des GPU pour accélérer les pipelines de données et d'analyse de bout en bout.
• Implémenter la préparation de données et l'ETL accélérés par GPU avec cuDF et Apache Arrow.
• Apprendre à effectuer des tâches d'apprentissage automatique avec les algorithmes XGBoost et cuML.
• Créer des visualisations de données et exécuter des analyses graphiques avec cuXfilter et cuGraph.