moduł #1 Wprowadzenie do przetwarzania w chmurze Przegląd przetwarzania w chmurze, jego historia i ewolucja
moduł #2 Modele usług przetwarzania w chmurze Eksploracja modeli usług IaaS, PaaS i SaaS
moduł #3 Modele wdrażania w chmurze Zrozumienie modeli wdrażania chmury publicznej, prywatnej, hybrydowej i społecznościowej
moduł #4 Dostawcy chmury i trendy rynkowe Przegląd głównych dostawców chmury (AWS, Azure, GCP, IBM) i trendy rynkowe
moduł #5 Nauka o danych w chmurze Wprowadzenie do nauki o danych w chmurze, korzyści i wyzwania
moduł #6 Przechowywanie w chmurze dla nauki o danych Eksploracja opcji przechowywania w chmurze (przechowywanie obiektów blob, przechowywanie obiektów, przechowywanie plików)
moduł #7 Magazynowanie danych w chmurze Wprowadzenie do magazynowania danych w chmurze, Amazon Redshift i Google BigQuery
moduł #8 Jeziora danych w chmurze Tworzenie jezior danych z przechowywaniem w chmurze, AWS Lake Formation i GCP Cloud Storage
moduł #9 Bazy danych NoSQL w chmurze Eksploracja baz danych NoSQL w chmurze, Amazon DynamoDB i Google Cloud Firestore
moduł #10 Relacyjne bazy danych w chmurze Eksploracja relacyjnych baz danych w chmurze, Amazon RDS i Google Cloud SQL
moduł #11 Przetwarzanie danych natywne w chmurze Wprowadzenie do przetwarzania danych natywnego w chmurze, Apache Spark i Apache Flink
moduł #12 Uczenie maszynowe w chmurze Wprowadzenie do uczenia maszynowego w chmurze, AWS SageMaker i Google Cloud AI Platform
moduł #13 Głębokie uczenie się w chmurze Wprowadzenie do głębokiego uczenia się w chmurze, TensorFlow i PyTorch
moduł #14 Bezpieczeństwo i zgodność z przepisami w chmurze Przegląd bezpieczeństwa i zgodności w chmurze, IAM i szyfrowania danych
moduł #15 Optymalizacja kosztów w chmurze Strategie optymalizacji kosztów w chmurze, szacowanie kosztów, i wykorzystanie zasobów
moduł #16 Migracja i wdrażanie w chmurze Migracja obciążeń naukowych danych do chmury, konteneryzacja i przetwarzanie bezserwerowe
moduł #17 Współpraca w chmurze i kontrola wersji Korzystanie z narzędzi do współpracy w chmurze, GitHub i GitLab do nauki o danych
moduł #18 Wizualizacja danych w chmurze Wizualizacja danych w chmurze, Tableau, Power BI i D3.js
moduł #19 Automatyzacja przepływu pracy w chmurze Automatyzacja przepływów pracy w nauce o danych, Apache Airflow i Zapier
moduł #20 Wdrażanie i zarządzanie modelami w chmurze Wdrażanie i zarządzanie modelami uczenia maszynowego w chmurze
moduł #21 Studia przypadków w nauce o danych w chmurze Studia przypadków z życia wzięte dotyczące projektów nauki o danych w chmurze
moduł #22 Najlepsze praktyki w nauce o danych w chmurze Najlepsze praktyki w nauce o danych w chmurze, architekturze i implementacja
moduł #23 Nauka o danych w chmurze dla określonych branż Aplikacje nauki o danych w chmurze dla opieki zdrowotnej, finansów i handlu detalicznego
moduł #24 Przyszłość przetwarzania w chmurze dla nauki o danych Nowe trendy i przyszłe kierunki przetwarzania w chmurze w nauce o danych
moduł #25 Podsumowanie i zakończenie kursu Planowanie kolejnych kroków w karierze Cloud Computing for Data Science
