Amazon Web Services (AWS) SageMaker培训

这种以讲师为主导的中国现场现场培训面向希望将 DynamoDB NoSQL数据库集成到AWS上托管的Web应用程序中的开发人员。

在培训结束时，参与者将能够：

• 设置必要的开发环境以开始将数据集成到 DynamoDB 中。
• 将 DynamoDB 集成到 Web 应用程序和移动应用程序中。
• 使用 AWS 服务在 AWS 中移动数据。
• 使用 AWS DAX 实施 操作。

这种以讲师为主导的中国现场现场培训面向希望使用CloudFormation管理AWS生态系统中的基础设施资源的云工程师和开发人员。

在培训结束时，参与者将能够：

• 实施 CloudFormation 模板以自动执行基础架构管理。
• 将现有 AWS 资源集成到 CloudFormation 中。
• 使用 StackSets 跨多个账户和区域管理堆栈。

这种由讲师指导的中国现场现场培训面向希望使用AWS CloudFormation自动管理AWS云基础设施过程的工程师。

在培训结束时，参与者将能够：

• 启用 AWS 服务以开始管理基础设施。
• 理解并应用“基础设施即代码”的原则。
• 提高质量并降低部署基础架构的成本。
• 使用 YAML 编写 AWS CloudFormation 模板。

这种由讲师指导的 中国（现场或远程）现场培训 面向希望在 AWS 上部署和管理 IoT 设备的工程师。

在本次培训结束时，参与者将能够构建一个物联网平台，其中包括在 AWS 上部署和管理后端、网关和设备。

这种以讲师为主导的中国现场现场培训面向希望安装，配置和管理AWS IoT Greengrass功能以为各种设备创建应用程序的开发人员。

在本次培训结束时，参与者将能够使用 AWS IoT Greengrass 在智能设备上构建、部署、管理、保护和监控应用程序。

夏威夷:

• IoT架构和功能的基本原则
• “Things”, “传感器”,互联网和IoT业务功能之间的地图
• 所有 IoT 软件组件的必需品:硬件、硬件、中间软件、云和移动应用
• IoT 功能 - 舰队管理,数据视觉,基于 SaaS 的 FM 和 DV,警报/警报,传感器登机, “thing”登机,地质登机
• 基于IoT设备与云与MQTT的通信。
• 将 IoT 设备连接到 AWS 使用 MQTT(AWS IoT Core)。
• 连接 AWS IoT 核心与 AWS Lambda 计算和数据存储功能。
• 连接 Raspberry PI 与 AWS IoT 核心和简单的数据通信。
• 警告和事件
• 传感器加密

总结：

• 物联网架构和功能的基础知识
• "事物"、"传感器"、"互联网"以及物联网业务功能之间的映射
• 所有物联网软件组件（硬件、固件、中间件、云和移动应用）的基本要求
• IoT 功能 - 队列管理器、数据可视化、基于 SaaS 的 FM 和 DV、警报/警报、传感器载入、"事物"载入、地理围栏
• 使用 MQTT 与云通信的物联网设备基础知识。
• 使用 MQTT（AWS IoT核心）将 IoT 设备连接到 AWS。
• 使用 DynamoDB 将AWS IoT内核与AWS Lambda计算和数据存储功能连接。
• 将树莓 PI 与AWS IoT核心和简单的数据通信联系起来。
• 动手与树莓PI和AWS IoT核心，以建立一个智能设备。
• 传感器数据可视化和与 Web 界面的通信。

这种以讲师为主导的中国现场现场培训面向希望将AWS Lambda应用程序和服务与其他服务（API Gateway，Kinesis Streams等）集成的开发人员。该培训演示了如何使用基于浏览器的 AWS Cloud9 IDE 进行协作开发软件。 

在培训结束时，参与者将能够：

• 使用 AWS Cloud9 IDE 协作开发功能、应用程序和服务。
• 将 AWS Lambda 函数与其他 AWS 服务集成。
• 创建和管理 API。
• 设置 AWS Lambda 函数以读取和处理实时流数据。
• 创建和管理持续集成管道，用于构建、测试和部署 AWS Lambda 功能和应用程序。

这种以讲师为主导的中国现场或远程培训 面向希望使用AWS Lambda构建服务和应用程序并将其部署到云的开发人员，而无需担心配置执行环境（服务器，VM和容器，可用性，可扩展性，存储等）。

在培训结束时，参与者将能够：

• 配置 AWS Lambda 以执行函数。
• 了解 FaaS（函数即服务）和无服务器开发的优势。
• 构建、上传和执行 AWS Lambda 函数。
• 将 Lambda 函数与不同的事件源集成。
• 对基于 Lambda 的应用程序进行打包、部署、监控和故障排除。

这种以讲师为主导的中国现场现场培训针对的是希望使用H2O AutoML来自动化构建和选择最佳机器学习算法和参数的过程的数据科学家。

在培训结束时，参与者将能够：

• 自动执行机器学习工作流。
• 在指定的时间范围内自动训练和调优多个机器学习模型。
• 训练堆叠集成以得出高度预测的集成模型。

这种以讲师为主导的中国现场现场培训针对的是希望使用Auto-sklearn来自动化选择和优化机器学习模型过程的机器学习从业者。

在培训结束时，参与者将能够：

• 自动执行训练高效机器学习模型的过程。
• 构建高度准确的机器学习模型，同时绕过选择、训练和测试不同模型等更繁琐的任务。
• 利用机器学习的强大功能解决实际业务问题。

这种以讲师为主导的中国现场培训（现场或远程）针对的是数据科学家以及希望使用Auto-Keras来自动化选择和优化机器学习模型过程的技术人员。

在培训结束时，参与者将能够：

• 自动执行训练高效机器学习模型的过程。
• 自动搜索深度学习模型的最佳参数。
• 构建高度准确的机器学习模型。
• 利用机器学习的强大功能解决实际业务问题。

这种由讲师指导的中国现场现场培训面向中高级数据科学家，机器学习工程师，深度学习研究人员和计算机视觉专家，他们希望扩展其在深度学习方面的知识和技能，以生成文本到图像。

在培训结束时，参与者将能够：

了解用于文本到图像生成的高级深度学习架构和技术。 实施复杂的模型和优化，实现高质量的图像合成。 优化大型数据集和复杂模型的性能和可扩展性。 调整超参数以获得更好的模型性能和泛化。 将 Stable Diffusion 与其他深度学习框架和工具集成

这种以讲师为主导的现场培训（现场或远程）面向希望 利用 Stable Diffusion 为各种用例生成高质量图像的数据科学家、机器学习工程师和计算机视觉研究人员。

在培训结束时，参与者将能够：

了解 Stable Diffusion 的原理以及它如何用于图像生成。 为图像生成任务构建和训练 Stable Diffusion 个模型。 将 Stable Diffusion 应用于各种图像生成场景，例如修复、修复和图像到图像的转换。 优化 Stable Diffusion 模型的性能和稳定性。

这种以讲师为主导的中国 现场现场培训针对的是希望了解AlphaFold工作原理并使用AlphaFold模型作为实验研究指南的生物学家。

在培训结束时，参与者将能够：

• 了解 AlphaFold 的基本原理。
• 了解 AlphaFold 的工作原理。
• 了解如何解释 AlphaFold 预测和结果。