Amazon Web Services (AWS) SageMaker培訓

這種以講師為主導的台灣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。

這種由講師指導的台灣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。

這種以講師為主導的台灣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 台灣（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。

Summery:

• Basics of IoT architecture and functions
• “Things”, “Sensors”, Internet and the mapping between business functions of IoT
• Essential of all IoT software components- hardware, firmware, middleware, cloud and mobile app
• IoT functions- Fleet manager, Data visualization, SaaS based FM and DV, alert/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Basics of IoT device communication with cloud with MQTT.
• Connecting IoT devices to AWS with MQTT (AWS IoT Core).
• Connecting AWS IoT core with AWS Lambda function for computation and data storage.
• Connecting Raspberry PI with AWS IoT core and simple data communication.
• Alerts and events
• Sensor calibration

Summary:

• Basics of IoT architecture and functions
• “Things”, “Sensors”, Internet and the mapping between business functions of IoT
• Essential of all IoT software components- hardware, firmware, middleware, cloud and mobile app
• IoT functions- Fleet manager, Data visualization, SaaS based FM and DV, alert/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Basics of IoT device communication with cloud with MQTT.
• Connecting IoT devices to AWS with MQTT (AWS IoT Core).
• Connecting AWS IoT core with AWS Lambda function for computation and data storage using DynamoDB.
• Connecting Raspberry PI with AWS IoT core and simple data communication.
• Hands on with Raspberry PI and AWS IoT Core to build a smart device.
• Sensor data visualization and communication with web interface.

這種以講師為主導的台灣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。

這種以講師為主導的台灣現場或遠端培訓 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台灣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。

H2O AutoML is an artificial intelligence platform that automates the process of building, selecting and optimizing large numbers of machine learning models.

This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use H2O AutoML to automate the process of building and selecting the best machine learning algorithm and parameters.

By the end of this training, participants will be able to:

• Automate the machine learning workflow.
• Automatically train and tune many machine learning models within a specified time range.
• Train stacked ensembles to arrive at highly predictive ensemble models.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

這種以講師為主導的台灣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台灣現場培訓（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。

這種由講師指導的台灣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台灣 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。