Cloud Computing for Data Science
( 25 Moduulit )

moduuli #1
Introduction to Cloud Computing
Overview of cloud computing, sen historia ja kehitys

moduuli #2
Cloud Computing -palvelumallit
IaaS-, PaaS- ja SaaS-palvelumallien tutkiminen

moduuli #3
Cloud Deployment Models
Julkisten, yksityisten, hybridi- ja yhteisöpilvikäyttöönottomallien ymmärtäminen

moduuli #4
Pilvipalveluntarjoajat ja markkinatrendit
Yleiskatsaus suurimmista pilvipalveluntarjoajista (AWS, Azure, GCP, IBM) ja markkinatrendeistä

moduuli #5
Data Science pilvessä
Johdatus tietotieteeseen pilvessä, edut ja haasteet

moduuli #6
Cloud Storage for Data Science
Pilvitallennusvaihtoehtojen tutkiminen (blob-tallennus, objektitallennus, tiedostojen tallennus)

moduuli #7
Cloud Data Warehousing
Johdatus pilvitietovarastointiin, Amazon Redshift ja Google BigQuery

moduuli #8
Cloud-based Data Lakes
Datajärvien rakentaminen pilvitallennustilalla, AWS Lake Formation ja GCP Cloud Storage

moduuli #9
Pilvipohjaiset NoSQL-tietokannat
Pilvipohjaisten NoSQL-tietokantojen, Amazon DynamoDB:n ja Google Cloud Firestoren tutkiminen

moduuli #10
Pilvipohjaiset relaatiotietokannat
Pilvipohjaisten relaatiotietokantojen, Amazon RDS:n ja Google Cloud SQL:n tutkiminen

moduuli #11
Pilvipohjainen tietojenkäsittely
Johdatus pilvipohjaiseen tietojenkäsittelyyn, Apache Spark ja Apache Flink

moduuli #12
Pilvipohjainen koneoppiminen
Johdatus pilvipohjaiseen koneoppimiseen, AWS SageMaker , ja Google Cloud AI Platform

moduuli #13
Pilvipohjainen syväoppiminen
Johdatus pilvipohjaiseen syväoppimiseen, TensorFlow ja PyTorch

moduuli #14
Cloud Security and Compliance
Yleiskatsaus pilviturvallisuuteen ja -vaatimustenmukaisuuteen, IAM ja tietojen salaus

moduuli #15
Pilvikustannusten optimointi
Pilvikustannusten optimoinnin, kustannusarvion ja resurssien käytön strategiat

moduuli #16
Cloud Migration and Deployment
Datatieteen työkuormien siirtäminen pilveen, kontti ja palvelinton tietojenkäsittely

moduuli #17
Pilvipohjainen yhteistyö ja versionhallinta
Pilvipohjaisten yhteistyötyökalujen käyttäminen, GitHub ja GitLab datatieteeseen

moduuli #18
Pilvipohjainen tietojen visualisointi
Pilvipohjainen tietojen visualisointi , Tableau, Power BI ja D3.js

moduuli #19
Pilvipohjainen työnkulkuautomaatio
Datatieteen työnkulkujen automatisointi, Apache Airflow ja Zapier

moduuli #20
Pilvipohjainen mallin käyttöönotto ja hallinta
Käyttöönotto ja koneoppimismallien hallinta pilvessä

moduuli #21
Case Studies in Cloud-based Data Science
Real-maailman tapaustutkimukset pilvipohjaisista datatieteen projekteista

moduuli #22
Best Practices for Cloud-based Data Science
Parhaat käytännöt pilvipohjaiseen datatieteeseen, arkkitehtuuriin ja toteutukseen

moduuli #23
Pilvipohjainen tietotiede tietyille aloille
Pilvipohjaiset datatieteen sovellukset terveydenhuoltoon, rahoitukseen ja vähittäiskauppaan

moduuli #24
Future of Cloud Computing for Data Science
Datatieteen pilvilaskennan nousevat trendit ja tulevaisuuden suunnat

moduuli #25
Kurssin yhteenveto ja johtopäätökset
Suunnittelemme Cloud Computing for Data Science -uran seuraavia vaiheita

Oletko valmis oppimaan, jakamaan ja kilpailemaan?