Cloud Computing for Data Science
( 25 Modulok )

modul #1
Bevezetés a felhőalapú számítástechnikába
A felhőalapú számítástechnika, történetének és fejlődésének áttekintése

modul #2
Cloud Computing szolgáltatásmodellek
IaaS, PaaS és SaaS szolgáltatásmodellek felfedezése

modul #3
Cloud Deployment Models
A nyilvános, privát, hibrid és közösségi felhőbevezetési modellek megértése

modul #4
Felhőszolgáltatók és piaci trendek
A fő felhőszolgáltatók (AWS, Azure, GCP, IBM) és a piaci trendek áttekintése

modul #5
Adattudomány a felhőben
Bevezetés az adattudományba a felhőben, előnyök és kihívások

modul #6
Cloud Storage for Data Science
Felhőbeli tárolási lehetőségek felfedezése (blob-tárolás, objektumtárolás, fájltárolás)

modul #7
Cloud Data Warehousing
Bevezetés a felhőalapú adattárházba, az Amazon Redshiftbe és a Google BigQuery-be

modul #8
Felhőalapú Data Lakes
Adattók építése felhőalapú tárolással, AWS Lake Formation és GCP Cloud Storage

modul #9
Felhőalapú NoSQL-adatbázisok
Felhőalapú NoSQL-adatbázisok, Amazon DynamoDB és Google Cloud Firestore felfedezése

modul #10
Felhőalapú relációs adatbázisok
Felhőalapú relációs adatbázisok, Amazon RDS és Google Cloud SQL felfedezése

modul #11
Felhőalapú adatfeldolgozás
Bevezetés a felhőalapú adatfeldolgozásba, az Apache Spark és az Apache Flink

modul #12
Felhőalapú gépi tanulás
Bevezetés a felhőalapú gépi tanulásba, AWS SageMaker , és a Google Cloud AI Platform

modul #13
Felhőalapú mélytanulás
Bevezetés a felhőalapú mélytanulásba, a TensorFlow és a PyTorch

modul #14
Cloud Security and Compliance
A felhőalapú biztonság és megfelelőség áttekintése, IAM és adattitkosítás

modul #15
Felhőköltség-optimalizálás
Felhőköltség-optimalizálási, költségbecslési és erőforrás-felhasználási stratégiák

modul #16
Cloud Migration and Deployment
Adattudományi munkaterhelések migrálása a felhőbe, konténerezés, és szerver nélküli számítástechnika

modul #17
Felhőalapú együttműködés és verziókezelés
Felhőalapú együttműködési eszközök, GitHub és GitLab használata az adattudományhoz

modul #18
Felhőalapú adatvizualizáció
Felhőalapú adatvizualizáció , Tableau, Power BI és D3.js

modul #19
Felhőalapú munkafolyamat-automatizálás
Adattudományi munkafolyamatok automatizálása, Apache Airflow és Zapier

modul #20
Felhőalapú modelltelepítés és -kezelés
Üzembe helyezés és gépi tanulási modellek kezelése a felhőben

modul #21
Esettanulmányok a felhőalapú adattudományban
Felhőalapú adattudományi projektek valós esettanulmányai

modul #22
Best Practices for Cloud-based Data Science
Legjobb gyakorlatok a felhőalapú adattudományhoz, architektúrához és megvalósításhoz

modul #23
Felhőalapú adattudomány meghatározott iparágakhoz
Felhőalapú adattudományi alkalmazások egészségügyben, pénzügyekben és kiskereskedelemben

modul #24
Future of Cloud Computing for Data Science
Feltörekvő trendek és jövőbeli irányok a számítási felhőben az adattudományban

modul #25
Tanfolyam összefoglalója és következtetései
A Cloud Computing for Data Science karrierjének következő lépéseinek tervezése

Készen áll a tanulásra, a megosztásra és a versenyre?