AWS Cloud9 數據科學培訓

 深入探討使用 Python 進行數據科學和 AI 的實用方法——為專業人士提供探索數據、構建機器學習模型以及在商業環境中部署 AI 驅動應用的技能；涵蓋 CRISP-DM 工作流、統計分析、監督式和非監督式學習、基於 Tensorflow 的深度學習、自然語言處理、使用 Spark 處理大數據，以及數據驅動的敘事技巧；適合希望獲得 Python 數據科學認證並做好職業準備的初學者。

本課程由導師現場指導，提供線上或線下培訓形式（澳門）。旨在協助中級學員自動化及管理機器學習工作流程，包含模型訓練、驗證及部署，採用 Apache Airflow 工具。

完成本培訓後，學員將能夠：

• 為機器學習工作流程協調設置 Apache Airflow。
• 自動化數據預處理、模型訓練和驗證任務。
• 將 Airflow 整合至機器學習框架和工具。
• 使用自動化管理管線部署機器學習模型。
• 監控並優化生產環境中的機器學習工作流程。

本課程為由講授者主導的實訓課程，在 澳門（線上或線下）進行，面向初級到中級的系統管理員和 IT 專業人士，旨在幫助他們獲得管理 AWS 雲服務的實戰經驗，並準備參加 AWS Certified SysOps Administrator - Associate 認證考試。

完成本培訓後，學員將能夠：

• 安全地設置和配置 AWS 服務及資源。
• 管理用戶身份、許可權以及對 AWS 資源的訪問。
• 在 AWS 上設計和部署可擴展、高可用且容錯的系統。
• 實施並管理與 AWS 之間的數據流。
• 優化 AWS 服務的使用，確保高效運行並控制成本。

這項由導師主導的現場培訓在[l]<oc>（線上或線下）面向希望理解並實施AWS架構中更複雜部分的雲端工程師。課程涵蓋的主題與AWS認證解決方案建築師（專業級）課程許多相同。然而，本課程並非為準備參加考試而設計。這是一門實操、實踐導向的課程，透過實際實驗室環境演示如何實施AWS解決方案建築師所需執行的多項配置、實現和部署。

完成此培訓後，參與者將能夠：

• 在AWS上設計複雜的雲端解決方案。
• 在AWS上部署具備擴展性、高可用性和容錯能力的軟體應用程式。
• 將最合適的AWS服務整合至應用程式中。
• 將複雜的軟體應用程式遷移至AWS。
• 應用最佳實踐於AWS上的基礎設施與應用程式的設計、實現、優化及部署。

此為於 澳門（線上或線下）舉辦的現場培訓，針對希望學習如何運用 AWS 工具與服務來高效建構、訓練及部署 AI 模型的初級 IT 專業人員設計。

完成本培訓後，學員將能夠：

• 理解 AWS 提供的 AI/ML 服務。
• 設定及管理 AWS 上的 AI/ML 環境。
• 透過 Amazon SageMaker 獲得建構、訓練及部署 AI 模型的實務操作經驗。
• 學習如何針對特定用途運用各種 AWS AI 服務。

這門由講師帶領的實地培訓，在 澳門（線上或線下）針對希望在 AWS 上部署和管理 IoT 設備的工程師。

通過完成本培訓，參與者將能夠構建一個 IoT 平台，其中包括在 AWS 之上部署和管理後端、網關和設備。

此講師引導的實作培訓在 澳門（線下或遠端）舉行，對象為希望使用 AWS Lambda 將服務與應用程式建置並部署至雲端，且無需擔心預配運算環境（如伺服器、虛擬機器與容器、可用性、擴展性、儲存空間等）的開發者。

完成培訓後，學員將能夠：

• 設定 AWS Lambda 以執行函數。
• 理解 FaaS（函數即服務）及無伺服器開發的優勢。
• 建置、上傳並執行 AWS Lambda 函數。
• 將 Lambda 函數與不同的事件來源整合。
• 封裝、部署、監控及排除基於 Lambda 的應用程式問題。

此課程由講師帶領在 澳門（線上或線下）進行培訓，主要對象為希望學習使用 Google Colab 進行基礎數據科學的初學者級數據科學家及 IT 專業人員。

完成本課程後，學員將能夠：

• 安裝與操作 Google Colab。
• 編寫並執行基礎 Python 程式碼。
• 匯入並處理資料集。
• 使用 Python 函式庫建立視覺化圖表。

此種在 澳門（線上或線下）進行的由講師主導的實時培訓，旨在幫助進階專業人員深化對 DevOps 實踐的理解，並使用 AWS Cloud9 簡化開發流程。

完成本培訓後，參與者將能夠：

• 為 DevOps 工作流設置和配置 AWS Cloud9。
• 實施持續整合與持續交付（CI/CD）管道。
• 使用 AWS Cloud9 自動化測試、監控和部署流程。
• 將 Lambda、EC2 和 S3 等 AWS 服務整合到 DevOps 工作流中。
• 在 AWS Cloud9 內利用 GitHub 或 GitLab 等源控制系統。

本課程提供線上的實時培訓，面向希望學習如何有效地在 AWS Cloud9 和 AWS Lambda 上構建、部署和維護服務端應用程式的中級專業人士。

通過本課程，參與者將能夠：

• 理解服務端架構的基本原理。
• 設置 AWS Cloud9 用於服務端應用開發。
• 使用 AWS Lambda 開發、測試和部署服務端應用程式。
• 將 AWS Lambda 與其他 AWS 服務集成，如 API Gateway 和 S3。
• 優化服務端應用程序的效能和成本效率。

摘要：

• 理解物聯網架構及核心功能。
• 探索「設備」和「感測器」、「物聯網」的概念，並將業務功能映射到物聯網解決方案。
• 全面 overview 物聯網軟體組件：硬體、韌體、中間件、雲端基礎設施及行動應用程式。
• 關鍵物聯網功能：車隊管理、數據可視化、基於 SaaS 的設施管理和數據可視化、警報/告警系統、感測器和「設備」入網、地理圍欄。
• 掌握使用 MQTT 進行設備到雲端通信的基礎知識。
• 通過 AWS IoT Core，利用 MQTT 將物聯網設備連接至 AWS。
• 將 AWS IoT Core 與用於計算的 AWS Lambda 及用於數據存儲的 Amazon DynamoDB 集成。
• 將 Raspberry Pi 連接到 AWS IoT Core，以實現無縫數據通信。
• 實操實驗：使用 Raspberry Pi 和 AWS IoT Core 構建智能設備。
• 感測器數據可視化及 Web 界面通信。

KNIME Analytics平台是領先的開源選擇，專為數據驅動的創新而設計，幫助您發現數據中隱藏的潛力，挖掘新的見解，或預測未來的趨勢。憑藉超過1000個模塊、數百個即用型示例、全面的集成工具以及最廣泛的先進算法選擇，KNIME Analytics平台是任何數據科學家和業務分析師的理想工具箱。

本KNIME Analytics平台課程為初學者、高級用戶和KNIME專家提供了一個絕佳的機會，讓大家認識KNIME，學習如何更有效地使用它，以及如何基於KNIME工作流創建清晰且全面的報告。

此由講師引導的現場培訓（線上或線下）面向希望使用KNIME解決複雜業務需求的數據專業人士。

目標受眾是沒有編程經驗但打算使用尖端工具實現分析場景的人群。

在完成本培訓後，參與者將能夠：

• 安裝和配置KNIME。
• 構建數據科學場景。
• 訓練、測試和驗證模型。
• 實施端到端的數據科學模型價值鏈。

課程形式

• 互動式講座與討論。
• 大量的練習與實踐。
• 在實戰實驗室環境中的動手實現。

課程自定義選項

• 如需為本課程申請定制培訓或了解更多詳情，請聯繫我們以安排。

此導師主導的實訓課程在 澳門（線上或線下）進行，旨在為中等級別的資料分析師、開發人員或 aspiring data scientists 提供應用 Python 中的機器學習技術以提取洞察、做出預測並自動化數據驅動決策的技能。

完成本課程後，學員將能夠：

• 理解並區分關鍵的機器學習範式
• 探索資料預處理技術和模型評估指標
• 應用機器學習演算法解決實際問題
• 使用 Python 庫和 Jupyter notebooks 進行實作
• 構建用於預測、分類、推薦及聚類的模型

此講師主導的實作培訓（線上或線下）旨在協助初級專業人士理解預訓練模型的概念，並學習如何應用它們解決實際問題，無需從頭建構模型。

完成本培訓後，學員將能夠：

• 理解預訓練模型的概念與優勢。
• 探索多種預訓練模型架構及其適用情境。
• 針對特定任務微調預訓練模型。
• 在簡易機器學習專案中實作預訓練模型。

Python 是一種在金融業廣受欢迎的程式語言。它已被大型投資銀行和對沖基金採用，用於構建廣泛的金融應用程式，從核心交易程式到風險管理系統。

在本課程中，參與者將在講師的現場指導下學習如何使用 Python 開發實用應用程式，以解決多個特定的金融相關問題。

完成本課程後，參與者將能夠：

• 理解 Python 程式語言的基礎
• 下載、安裝並維護用於建立 Python 金融應用程式的最佳開發工具
• 選擇並利用最合適的 Python 套件和編程技術來組織、可視化和分析來自各種來源（CSV、Excel、資料庫、網頁等）的金融數據
• 構建解決資產配置、風險分析、投資績效等問題的應用程式
• 除錯、整合、部署並優化 Python 應用程式

對象

• 開發人員
• 分析師
• 量化專家

課程形式

• 講授、討論、練習及大量實作

注意

• 本培訓旨在為金融專業人士面臨的一些核心問題提供解決方案。然而，如果您希望進一步補充或詳述某個特定主題、工具或技術，請聯繫我們以進行安排。