Amazon Web Services (AWS) SageMaker培訓

這種以講師為主導的澳門現場現場培訓面向希望將 DynamoDB NoSQL資料庫集成到AWS上託管的Web應用程式中的開發人員。

在培訓結束時，參與者將能夠：

• 設置必要的開發環境以開始將數據集成到 DynamoDB 中。
• 將 DynamoDB 整合到 Web 應用程式和行動應用程式中。
• 使用 AWS 服務在 AWS 中行動資料。
• 使用 AWS DAX 實施 操作。

這種以講師為主導的澳門現場現場培訓面向希望使用CloudFormation管理AWS生態系統中的基礎設施資源的雲工程師和開發人員。

在培訓結束時，參與者將能夠：

• 實施 CloudFormation 範本以自動執行基礎架構管理。
• 將現有 AWS 資源整合到 CloudFormation 中。
• 使用 StackSets 跨多個帳戶和區域管理堆疊。

這種由講師指導的澳門現場現場培訓面向希望使用AWS CloudFormation自動管理AWS雲基礎設施過程的工程師。

在培訓結束時，參與者將能夠：

• 啟用 AWS 服務以開始管理基礎設施。
• 理解並應用“基礎設施即代碼”的原則。
• 提高品質並降低部署基礎架構的成本。
• 使用 YAML 編寫 AWS CloudFormation 樣本。

這種由講師指導的 澳門（現場或遠端）現場培訓 面向希望在AWS上部署和管理IoT設備的工程師。

在本次培訓結束時，參與者將能夠構建一個物聯網平臺，其中包括在 AWS 上部署和管理後端、網關和設備。

這種以講師為主導的澳門現場現場培訓面向希望安裝，配置和管理AWS IoT Greengrass功能以為各種設備創建應用程式的開發人員。

在本次培訓結束時，參與者將能夠使用 AWS IoT Greengrass 在智慧設備上構建、部署、管理、保護和監控應用程式。

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。

這種以講師為主導的澳門現場現場培訓面向希望將AWS Lambda應用程式和服務與其他服務（API Gateway，Kinesis Streams等）集成的開發人員。該培訓演示了如何使用基於瀏覽器的 AWS Cloud9 IDE 進行協作開發軟體。 

在培訓結束時，參與者將能夠：

• 使用 AWS Cloud9 IDE 協作開發功能、應用程式和服務。
• 將 AWS Lambda 函數與其他 AWS 服務整合。
• 創建和管理 API。
• 設置 AWS Lambda 函數以讀取和處理即時流數據。
• 創建和管理持續整合管道，用於構建、測試和部署 AWS Lambda 功能和應用程式。

這種以講師為主導的澳門現場或遠端培訓 面向希望使用AWS Lambda構建服務和應用程式並將其部署到雲的開發人員，而無需擔心配置執行環境（伺服器，VM和容器，可用性，可擴充性，存儲等）。

在培訓結束時，參與者將能夠：

• 配置 AWS Lambda 以執行函數。
• 瞭解 FaaS（函數即服務）和無伺服器開發的優勢。
• 構建、上傳和執行 AWS Lambda 函數。
• 將 Lambda 函數與不同的事件源集成。
• 對基於 Lambda 的應用程式進行打包、部署、監控和故障排除。

這種以講師為主導的澳門現場現場培訓針對的是希望使用H2O AutoML來自動化構建和選擇最佳機器學習演算法和參數的過程的數據科學家。

在培訓結束時，參與者將能夠：

• 自動執行機器學習工作流。
• 在指定的時間範圍內自動訓練和調優多個機器學習模型。
• 訓練堆疊集成以得出高度預測的集成模型。

這種以講師為主導的澳門現場現場培訓針對的是希望使用Auto-sklearn來自動化選擇和優化機器學習模型過程的機器學習從業者。

在培訓結束時，參與者將能夠：

• 自動執行訓練高效機器學習模型的過程。
• 構建高度準確的機器學習模型，同時繞過選擇、訓練和測試不同模型等更繁瑣的任務。
• 利用機器學習的強大功能解決實際業務問題。

這種以講師為主導的澳門現場培訓（現場或遠端）針對的是數據科學家以及希望使用Auto-Keras來自動化選擇和優化機器學習模型過程的技術人員。

在培訓結束時，參與者將能夠：

• 自動執行訓練高效機器學習模型的過程。
• 自動搜索深度學習模型的最佳參數。
• 構建高度準確的機器學習模型。
• 利用機器學習的強大功能解決實際業務問題。

這種由講師指導的澳門現場現場培訓面向中高級數據科學家，機器學習工程師，深度學習研究人員和計算機視覺專家，他們希望擴展其在深度學習方面的知識和技能，以生成文本到圖像。

在培訓結束時，參與者將能夠：

了解用於文字到圖像生成的高級深度學習架構和技術。 實施複雜的模型和優化，實現高品質的圖像合成。 優化大型數據集和複雜模型的性能和可擴充性。 調整超參數以獲得更好的模型性能和泛化。 將 Stable Diffusion 與其他深度學習框架和工具集成

這種以講師為主導的現場培訓（現場或遠端）面向希望 利用 Stable Diffusion 為各種用例生成高品質圖像的數據科學家、機器學習工程師和計算機視覺研究人員。

在培訓結束時，參與者將能夠：

瞭解 Stable Diffusion 的原理以及它如何用於圖像生成。 為圖像生成任務構建和訓練 Stable Diffusion 個模型。 將 Stable Diffusion 應用於各種圖像生成場景，例如修復、修復和圖像到圖像的轉換。 優化 Stable Diffusion 模型的性能和穩定性。

這種以講師為主導的澳門 現場現場培訓針對的是希望瞭解AlphaFold工作原理並使用AlphaFold模型作為實驗研究指南的生物學家。

在培訓結束時，參與者將能夠：

• 瞭解 AlphaFold 的基本原理。
• 瞭解 AlphaFold 的工作原理。
• 瞭解如何解釋 AlphaFold 預測和結果。