FinOps 培训

本次由讲师主导的培训在中国（线上或线下）面向希望提升机器学习模型知识、改进超参数调优技能，并学习如何使用Google Colab有效部署模型的高级专业人士。

培训结束后，参与者将能够：

• 使用Scikit-learn和TensorFlow等流行框架实现高级机器学习模型。
• 通过超参数调优优化模型性能。
• 使用Google Colab在实际应用中部署机器学习模型。
• 在Google Colab中协作和管理大规模机器学习项目。

本课程为讲师指导的中国（线上或线下）培训，面向中级数据科学家和医疗专业人士，旨在帮助他们利用Google Colab在高级医疗应用中应用人工智能。

通过本培训，学员将能够：

• 使用Google Colab实现医疗人工智能模型。
• 利用人工智能进行医疗数据的预测建模。
• 使用人工智能技术分析医学影像。
• 探讨基于人工智能的医疗解决方案中的伦理问题。

这种以讲师为主导的 中国（现场或远端）现场培训 面向希望在AWS上部署和管理物联网设备的工程师。

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 之上部署和管理后端、网关和设备。

这种以讲师为主导的中国现场培训（现场或远端）针对希望安装，配置和管理AWS IoT Greengrass功能以创建各种设备的应用程式的开发人员。

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

这种由 讲师指导的 中国 现场（现场或远端）实时培训 面向希望使用 AWS Lambda 构建服务和应用程式并将其部署到云中的开发人员，而无需担心配置执行环境（伺服器、VM 和容器、可用性、可扩充性、存储等）。

在本次培训结束时，参与者将能够：

• 配置 AWS Lambda 以执行函数。
• 了解 FaaS （Functions as a Service） 和无伺服器开发的优势。
• 构建、上传和执行 AWS Lambda 函数。
• 将 Lambda 函数与不同的事件源集成。
• 打包、部署、监控基于 Lambda 的应用程式并对其进行故障排除。

本课程为讲师指导的培训，在中国（线上或线下）进行，面向希望使用Google Colab和Apache Spark进行大数据处理和分析的中级数据科学家和工程师。

通过本课程，学员将能够：

• 使用Google Colab和Spark搭建大数据环境。
• 利用Apache Spark高效处理和分析大型数据集。
• 在协作环境中可视化大数据。
• 将Apache Spark与基于云的工具集成。

本次由讲师主导的培训在中国（线上或线下）进行，面向初学者级别的数据科学家和 IT 专业人士，旨在帮助他们学习使用 Google Colab 进行数据科学的基础知识。

在培训结束后，参与者将能够：

• 设置和导航 Google Colab。
• 编写和执行基本的 Python 代码。
• 导入和处理数据集。
• 使用 Python 库创建可视化。

Google Colab Pro是一个基于云的Python开发环境，为高要求的AI和数据科学工作负载提供高性能GPU、更长的运行时间和更大的内存。

本课程由讲师主导，提供线上或线下培训，面向中级Python用户，旨在帮助他们在强大的笔记本界面中使用Google Colab Pro进行机器学习、数据处理和协作研究。

培训结束后，参与者将能够：

• 使用Colab Pro设置和管理基于云的Python笔记本。
• 访问GPU和TPU以加速计算。
• 使用流行的库（如TensorFlow、PyTorch、Scikit-learn）简化机器学习工作流。
• 与Google Drive和外部数据源集成，进行协作项目。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手操作。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

本次由讲师指导的线下或线上培训面向希望深入了解计算机视觉并探索TensorFlow在Google Colab上开发复杂视觉模型能力的高级专业人员。

培训结束后，参与者将能够：

• 使用TensorFlow构建和训练卷积神经网络（CNN）。
• 利用Google Colab进行可扩展且高效的基于云的模型开发。
• 为计算机视觉任务实施图像预处理技术。
• 部署计算机视觉模型以用于实际应用。
• 使用迁移学习提升CNN模型的性能。
• 可视化并解释图像分类模型的结果。

本课程为讲师指导的中国（线上或线下）培训，旨在帮助中级数据科学家和开发人员理解并应用深度学习技术，使用Google Colab环境。

培训结束后，参与者将能够：

• 设置并导航Google Colab，用于深度学习项目。
• 理解神经网络的基本原理。
• 使用TensorFlow实现深度学习模型。
• 训练和评估深度学习模型。
• 利用TensorFlow的高级功能进行深度学习。

这项由 讲师指导的现场培训中国（在线或现场）面向希望加深对 DevOps 实践的理解并使用 AWS Cloud9 简化开发流程的高级专业人员。

在本次培训结束时，参与者将能够：

• 为 DevOps 个工作流设置和配置 AWS Cloud9。
• 实施持续集成和持续交付 （CI/CD） 管道。
• 使用 AWS Cloud9 自动执行测试、监控和部署流程。
• 将 Lambda、EC2 和 S3 等 AWS 服务整合到 DevOps 工作流中。
• 在 AWS Cloud9 中使用原始程式码控制系统，如 GitHub 或 GitLab。

这种以讲师指导的现场培训<本地>（在线或现场）面向希望学习如何在AWS Cloud9 和 AWS Lambda 上有效构建、部署和维护无伺服器应用程式的中级专业人员。

在本次培训结束时，参与者将能够：

• 了解无伺服器架构的基础知识。
• 设置 AWS Cloud9 以进行无伺服器应用程式开发。
• 使用 AWS Lambda 开发、测试和部署无伺服器应用程式。
• 与其他 AWS 服务（如 API Gateway 和 S3）集成。
• 优化无伺服器应用程式以提高性能和成本效率。

本课程为讲师指导的培训，在中国（线上或线下）进行，面向希望学习如何创建有意义且视觉上吸引人的数据可视化的初级数据科学家。

通过本培训，参与者将能够：

• 设置并导航Google Colab以进行数据可视化。
• 使用Matplotlib创建各种类型的图表。
• 利用Seaborn进行高级可视化技术。
• 自定义图表以增强展示效果和清晰度。
• 使用可视化工具有效地解释和展示数据。

总结：

• 物联网架构和功能的基础知识
• “物”、“感测器”、互联网和物联网业务功能之间的映射
• 所有物联网软体元件的基本要素 - 硬体、韧体、中间件、云端和行动应用程式
• 物联网功能 - 车队管理器、数据可视化、基于 SaaS 的 FM 和 DV、警报/警报、感测器入职、“事物”入职、地理围栏
• 使用 MQTT 与云端进行物联网设备通信的基础知识。
• 使用 MQTT （AWS IoT Core） 将 IoT 设备连接到 AWS。
• 将 AWS IoT 内核与 AWS Lambda 功能连接，用于计算和数据存储。
• 连接具有 AWS IoT 核心和简单数据通信的Raspberry PI。
• 警报和事件
• 感测器校准

总结：

• 物联网架构和功能的基础知识
• “物”、“感测器”、互联网和物联网业务功能之间的映射
• 所有物联网软体元件的基本要素 - 硬体、韧体、中间件、云端和行动应用程式
• 物联网功能 - 车队管理器、数据可视化、基于 SaaS 的 FM 和 DV、警报/警报、感测器入职、“事物”入职、地理围栏
• 使用 MQTT 与云端进行物联网设备通信的基础知识。
• 使用 MQTT （AWS IoT Core） 将 IoT 设备连接到 AWS。
• 将 AWS IoT 核心与 AWS Lambda 函数连接，以使用 DynamoDB 进行计算和数据存储。
• 连接具有 AWS IoT 核心和简单数据通信的Raspberry PI。
• 动手使用Raspberry PI和 AWS IoT Core 构建智慧设备。
• 感测器数据可视化和与网路介面的通信。