modulo #1 Introduzione al Cloud Computing Panoramica del cloud computing, vantaggi e concetti chiave
modulo #2 Panoramica dei provider cloud Confronto tra i principali provider cloud (AWS, Azure, GCP, IBM Cloud)
modulo #3 Concetti fondamentali sulla sicurezza del cloud Problemi di sicurezza, best practice e conformità nel cloud
modulo #4 Data Science nel cloud Vantaggi della data science basata sul cloud, casi d'uso comuni
modulo #5 Opzioni di archiviazione cloud Panoramica dei servizi di archiviazione cloud (S3, Blob Storage, Cloud Storage)
modulo #6 Ingestione ed elaborazione dei dati Ingestione ed elaborazione di grandi set di dati nel cloud (Kinesis, Event Hub, Cloud Pub/Sub)
modulo #7 Data Warehousing basato sul cloud Soluzioni di data warehousing basate sul cloud (Redshift, BigQuery, Synapse)
modulo #8 Apprendimento automatico basato sul cloud Panoramica dei servizi di apprendimento automatico basati sul cloud (SageMaker, Azure Machine Learning, AutoML)
modulo #9 Containerizzazione per la scienza dei dati Utilizzo di contenitori (Docker) per flussi di lavoro di scienza dei dati riproducibili
modulo #10 Orchestrazione di contenitori basata su cloud Orchestrazione di contenitori nel cloud (Kubernetes, ECS, ACI)
modulo #11 Serverless Computing per la scienza dei dati Concetti e applicazioni di serverless computing nella scienza dei dati
modulo #12 Visualizzazione dei dati basata su cloud Strumenti e servizi di visualizzazione dei dati basati su cloud (Tableau, Power BI, D3.js)
modulo #13 Analisi dei Big Data nel cloud Elaborazione e analisi di big data nel cloud (Hadoop, Spark, HBase)
modulo #14 Elaborazione del linguaggio naturale basata su cloud Servizi e applicazioni NLP basati su cloud (NLTK, spaCy, Stanford CoreNLP)
modulo #15 Visione artificiale basata su cloud Servizi e applicazioni di visione artificiale basati su cloud (OpenCV, TensorFlow, PyTorch)
modulo #16 Ottimizzazione dei costi del cloud Strategie Tecniche per ottimizzare i costi del cloud per carichi di lavoro di data science
modulo #17 Architettura cloud per data science Progettazione di architetture cloud scalabili ed efficienti per carichi di lavoro di data science
modulo #18 Collaborazione e controllo delle versioni basati su cloud Strumenti di collaborazione e controllo delle versioni per team di data science nel cloud (GitHub, GitLab, Bitbucket)
modulo #19 Monitoraggio e registrazione basati su cloud Strumenti di monitoraggio e registrazione per carichi di lavoro di data science basati su cloud
modulo #20 Backup e ripristino basati su cloud Strategie di backup e ripristino per carichi di lavoro di data science basati su cloud
modulo #21 Sicurezza del cloud per data science Best practice di sicurezza per carichi di lavoro di data science nel cloud
modulo #22 Conformità e governance del cloud Considerazioni sulla conformità e la governance per carichi di lavoro di data science basati su cloud
modulo #23 Migrazione di carichi di lavoro di data science nel cloud Strategie per la migrazione di carichi di lavoro di data science on-premises nel ...
modulo #24 Migrazione cloud»},{«Costruzione di un team di data science basato su cloud Considerazioni organizzative per la creazione di un team di data science basato su cloud
modulo #25 Riepilogo e conclusione del corso Pianificazione dei prossimi passi nell'infrastruttura cloud per la carriera in Data Science
