Skip to main content

AWS Cloud Essentials for Business Leaders – Financial Services

Geschrieben von wamrhein am . Veröffentlicht in AWS Training, Training.

AWS Cloud Essentials for Business Leaders – Financial Services

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

In diesem Kurs lernen Sie die grundlegenden Konzepte des Cloud Computing kennen und lernen, wie eine Cloud-Strategie Unternehmen in der Finanzdienstleistungsbranche (FSI) dabei unterstützen kann, Geschäftsziele zu erreichen. Es untersucht die Vorteile und Möglichkeiten von Cloud Computing in Banken, Versicherungen, Kapitalmärkten, Zahlungsverkehr und Finanztechnologie. Der Kurs befasst sich mit Konzepten wie Sicherheit, Betrugserkennung, Analyse und Compliance, um Diskussionen mit Branchenexperten, IT-Führungskräften und anderen Führungskräften zu erleichtern.

 

Kursziele

Was Sie in diesem Kurs lernen:

  • Erläuterung der Rolle der Informationstechnologie (IT) in einem Unternehmen für die Geschäftsumgestaltung
  • Den Kundennutzen für die Nutzung der Cloud in der Finanzdienstleistungsbranche (FSI) zu erläutern
  • Definition der Hauptmerkmale des Cloud Computing
  • Das Cloud-Geschäftsmodell zu erklären
  • Identifizierung der wichtigsten FSI-Sicherheitspraktiken für Cloud Computing
  • Den Geschäftswert der Cloud mit Hilfe des Cloud Value Frameworks zu beschreiben

Zielgruppe

Dieser Kurs ist konzipiert für:

  • Line of Business (LoB) Owners, IT-Verantwortliche und Führungskräfte

Voraussetzungen

Wir empfehlen, dass die Teilnehmer dieses Kurses über folgende Kenntnisse verfügen:

  • Es sind keine Vorkenntnisse aus IT oder Cloud erforderlich

Lehrmethode

Dieser Kurs setzt sich zusammen aus:

  • Schulung mit Kursleiter
  • Praktische Übungen

Kursdauer / Preis

  • 0,5 Tage / € 750,00 zzgl. Mwst. pro Person

Kursinhalt

Module 1: Course Introduction

Module 2: Information Technology for Business Transformation

  • Role of IT in an organization for business transformation
  • Brief history of IT
  • Legacy approach to IT
  • What drives customers to move from traditional infrastructure to the cloud

Module 3: Cloud Computing

  • Define cloud computing
  • Key characteristics of cloud technology
  • The cloud business model
  • Key FIS security practices within the cloud

Module 4: Business Value of the Cloud

  • The customer value proposition
  • Identify who is using cloud computing
  • Industry trends
  • Customer examples

Module 5: The Cloud Value Framework

  • Introduction to the Cloud Value Framework
  • Cost Savings
  • Staff Productivity
  • Operational Resilience
  • Business Agility

Module 6: Business Value Activity

  • Using a fictional customer case study, we review and apply lessons learned from the course

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist deutsch, auf Wunsch auch auf Englisch.

Building Data Analytics Solutions Using Amazon Redshift

Geschrieben von wamrhein am . Veröffentlicht in AWS Training, Training.

Building Data Analytics Solutions Using Amazon Redshift

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

In diesem Kurs erstellen Sie eine Datenanalyselösung mit Amazon Redshift, einem Cloud-Data-Warehouse-Dienst. Der Kurs konzentriert sich auf die Datenerfassungs-, Aufnahme-, Katalogisierungs-, Speicherungs- und Verarbeitungskomponenten der Analysepipeline. Sie lernen, Amazon Redshift in einen Data Lake zu integrieren, um sowohl Analyse- als auch Machine-Learning-Workloads zu unterstützen. Sie erfahren auch, wie Sie Best Practices für Sicherheit, Leistung und Kostenmanagement auf den Betrieb von Amazon Redshift anwenden.

Kursziele

Was Sie in diesem Kurs lernen:

  • Vergleichen Sie die Funktionen und Vorteile von Data Warehouses, Data Lakes und modernen Datenarchitekturen
  • Entwerfen und Implementieren einer Data Warehouse-Analyselösung
  • Identifizieren und Anwenden geeigneter Techniken, einschließlich Komprimierung, zur Optimierung der Datenspeicherung
  • Auswahl und Einsatz geeigneter Optionen für die Aufnahme, Umwandlung und Speicherung von Daten
  • Auswahl geeigneter Instanz- und Knotentypen, Cluster, automatischer Skalierung und Netzwerktopologie für einen bestimmten geschäftlichen Anwendungsfall
  • Verstehen, wie sich die Datenspeicherung und -verarbeitung auf die Analyse- und Visualisierungsmechanismen auswirkt, die erforderlich sind, um verwertbare Geschäftseinblicke zu gewinnen
  • Sichern von Daten im Ruhezustand und bei der Übertragung
  • Überwachung von Analyse-Workloads, um Probleme zu erkennen und zu beheben
  • Anwendung von Best Practices für das Kostenmanagement

Zielgruppe

Dieser Kurs ist konzipiert für:

  • Data Warehouse Engineers
  • Data Platform Engineers
  • Architects und Operators, die Datenanalyse-Pipelines erstellen und verwalten.

Voraussetzungen

Wir empfehlen, dass die Teilnehmer dieses Kurses über folgende Kenntnisse verfügen:

  • Es sind keine Vorkenntnisse aus IT oder Cloud erforderlich

Lehrmethode

Dieser Kurs setzt sich zusammen aus:

  • Schulung mit Kursleiter
  • Praktische Übungen

Kursdauer / Preis

  • 1 Tag / € 750,00 zzgl. Mwst. pro Person

Kursinhalt

Module A: Overview of Data Analytics and the Data Pipeline

  • Data analytics use cases
  • Using the data pipeline for analytics

Module 1: Using Amazon Redshift in the Data Analytics Pipeline

  •  Why Amazon Redshift for data warehousing?
  • Overview of Amazon Redshift

Module 2: Introduction to Amazon Redshift

  • Amazon Redshift architecture
  • Interactive Demo 1: Touring the Amazon Redshift console
  • Amazon Redshift features
  • Practice Lab 1: Load and query data in an Amazon Redshift cluster

Module 3: Ingestion and Storage

  • Ingestion
  • Interactive Demo 2: Connecting your Amazon Redshift cluster using a Jupyter notebook with Data API
  • Data distribution and storage Interactive Demo 3: Analyzing semi-structured data using the SUPER data type
  • Querying data in Amazon Redshift
  • Practice Lab 2: Data analytics using Amazon Redshift Spectrum

Module 4: Processing and Optimizing Data

  • Data transformation
  • Advanced querying Practice Lab 3: Data transformation and querying in Amazon Redshift
  • Resource management
  • Interactive Demo 4: Applying mixed workload management on Amazon Redshift
  • Automation and optimization
  • Interactive demo 5: Amazon Redshift cluster resizing from the dc2.large to ra3.xlplus cluster

Module 5: Security and Monitoring of Amazon Redshift Clusters

  • Securing the Amazon Redshift cluster
  • Monitoring and troubleshooting Amazon Redshift clusters

Module 6: Designing Data Warehouse Analytics Solutions

  • Data warehouse use case review
  • Activity: Designing a data warehouse analytics workflow

Module B: Developing Modern Data Architectures on AWS

  • Modern data architectures

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist deutsch, auf Wunsch auch auf Englisch.

MLOps Engineering on AWS

Geschrieben von wamrhein am . Veröffentlicht in AWS Training, Training.

MLOps Engineering on AWS

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

Dieser Kurs MLOps Engineering on AWS baut auf der in der Softwareentwicklung vorherrschenden DevOps-Praxis auf und erweitert sie, um Modelle für maschinelles Lernen (ML) zu erstellen, zu trainieren und bereitzustellen. Die Bedeutung von Daten, Modellen und Code für erfolgreiche ML-Bereitstellungen wird vermittelt. Im Kurs wird der Einsatz von Tools, Automatisierung, Prozessen und Teamwork demonstriert, um die Herausforderungen zu bewältigen, die mit Übergaben zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und dem Betrieb verbunden sind. Die Verwendung von Werkzeugen und Prozessen zur Überwachung und Ergreifung von Maßnahmen wird diskutiert, wenn die Modellvorhersage in der Produktion von vereinbarten Leistungskennzahlen abweicht.

Der Dozent ermutigt die Teilnehmer dieses Kurses, einen MLOps-Aktionsplan für ihre Organisation durch tägliche Reflexion der Unterrichts- und Laborinhalte sowie durch Gespräche mit Kollegen und Dozenten zu erstellen.

Kursziele

Was Sie in diesem Kurs lernen:

  • Beschreiben Sie die Abläufe des maschinellen Lernens
  • Verstehen der Hauptunterschiede zwischen DevOps und MLOps
  • Beschreiben Sie den Arbeitsablauf beim maschinellen Lernen
  • Erörterung der Bedeutung der Kommunikation in MLOps
  • Erläutern der End-to-End-Optionen für die Automatisierung von ML-Arbeitsabläufen
  • Auflisten der wichtigsten Amazon SageMaker-Funktionen für die MLOps-Automatisierung
  • Erstellen eines automatisierten ML-Prozesses, der Modelle erstellt, trainiert, testet und einsetzt
  • Erstellen eines automatisierten ML-Prozesses, der das Modell aufgrund von Änderungen am Modellcode neu trainiert
  • Identifizierung von Elementen und wichtigen Schritten während des Deployment
  • Beschreiben Sie die Elemente, die in einem Modellpaket enthalten sein können, und ihre Verwendung beim Training oder bei der Inferenz
  • Erkennen der Amazon SageMaker-Optionen für die Auswahl von Modellen für den Einsatz, einschließlich der Unterstützung für ML-Frameworks und eingebaute Algorithmen oder Bring-your-own-Modelle
  • Unterscheidung der Skalierung beim maschinellen Lernen von der Skalierung bei anderen Anwendungen
  • Bestimmen Sie, wann Sie verschiedene Ansätze zur Inferenz verwenden sollten
  • Diskussion von Einsatzstrategien, Vorteilen, Herausforderungen und typischen Anwendungsfällen
  • Beschreiben Sie die Herausforderungen bei der Bereitstellung von maschinellem Lernen für Edge-Geräte
  • Erkennen wichtiger Amazon SageMaker-Funktionen, die für das Deployen und die Inferenz relevant sind
  • Beschreiben Sie, warum Monitoring wichtig ist

Zielgruppe

Dieser Kurs ist konzipiert für:

  • DevOps Engineers
  • ML Engineers
  • Entwickler/Betriebe mit Verantwortung für die Operationalisierung von ML-Modellen

Voraussetzungen

Wir empfehlen, dass die Teilnehmer dieses Kurses über folgende Kenntnisse verfügen:

Lehrmethode

Dieser Kurs setzt sich zusammen aus:

  • Schulung mit Kursleiter
  • Praktische Übungen

Kursdauer / Preis

  • 3 Tage / € 2.685,00 zzgl. Mwst. pro Person

Kursinhalt

Modul 1: Sicherheit in AWS

  • Operationen des maschinellen Lernens
  • Die Ziele von MLOps
  • Kommunikation
  • Von DevOps zu MLOps
  • ML Workflow
  • Scope
  • MLOps Ansicht des ML Workflows
  • MLOps Beispiele

Modul 2: Entwicklung von MLOPs

  • Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
  • MLOps Sicherheit
  • Automatisierung
  • Apache Airflow
  • Kubernetes Integration für MLOps
  • Amazon SageMaker für MLOps
  • Übung: Bringen Sie Ihren eigenen Algorithmus in eine MLOps-Pipeline ein
  • Demonstration: Amazon SageMaker
  • Übung: Programmieren und Bereitstellen Ihres ML-Modells mit AWS CodeBuild
  • Übung: MLOps Aktionsplan Arbeitsmappe

Modul 3: MLOPs Deployment

  • Einführung in die Deployment-Operationen
  • Model Packaging
  • Inferenz
  • Übung: Ihr Modell in die Produktion überführen
  • SageMaker Produktionsvarianten
  • Deployment Strategien
  • Deploying direkt am Entstehungsort der Daten
  • Übung: Durchführung von A/B-Tests
  • Übung: MLOps Aktionsplan Arbeitsmappe

Modul 4: Monitoring und Betrieb des Modells

  • Übung: Fehlerbehebung in der Pipeline
  • Die Wichtigkeit von Monitoring
  • Monitoring durch Design
  • Labor: Ihr ML-Modell überwachen
  • Human-in-the-loop
  • Amazon SageMaker Model Monitor
  • Demonstration: Amazon SageMaker Pipelines, Model Monitor, Model Registry und Feature Store
  • Lösen von Problemen
  • Übung: MLOps Aktionsplan Arbeitsmappe

Modul 5: Nachbereitung

  • Kursrückblick
  • Übung: MLOps Aktionsplan Arbeitsmappe
  • Nachbereitung

 

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

Building Data Lakes on AWS

Geschrieben von wamrhein am . Veröffentlicht in AWS Training, Training.

Building Data Lakes on AWS

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

In diesem Kurs lernen Sie, wie Sie einen operativen Data Lake aufbauen, der die Analyse von strukturierten und unstrukturierten Daten unterstützt. Sie lernen die Komponenten und Funktionen der Services kennen, die beim Erstellen eines Data Lake beteiligt sind. Sie werden AWS Lake Formation zum Aufbau eines Data Lake, AWS Glue zum Aufbau eines Datenkatalogs und Amazon Athena zum Analysieren von Daten verwenden. Die Kursvorträge und Übungen vertiefen das Gelernte durch die Analyse mehrerer gängiger Data Lake Architekturen.

Kursziele

Was Sie in diesem Kurs lernen:

  • Anwenden von Data-Lake-Methoden bei der Planung und Gestaltung eines Data Lakes
  • Beschreibung der Komponenten und Services, die für den Aufbau eines AWS Data Lake erforderlich sind
  • Sichern eines Data Lakes mit entsprechenden Berechtigungen
  • Einlesen, Speichern und Transformieren von Daten in einem Data Lake
  • Abfragen, Analysieren und Visualisieren von Daten in einem Data Lake

Zielgruppe

Dieser Kurs ist konzipiert für:

  • Data platform engineers
  • Solutions architects
  • IT professionals

Voraussetzungen

Wir empfehlen, dass die Teilnehmer dieses Kurses zuvor folgenden Kenntnisse haben:

  • Abschluss des AWS Technical Essentials Trainings
  • Ein Jahr Erfahrung im Aufbau von Datenanalyse-Pipelines oder Abschluss des digitalen Kurses „Data Analytics Fundamentals“

Lehrmethode

Dieser Kurs setzt sich zusammen aus:

  • Vorträge
  • Präsentationen
  • Praktische Übungen
  • Gruppenübungen

Kursdauer / Preis

  • 1 Tag / € 750,00 zzgl. Mwst. pro Person

Kursinhalt

Module 1: Introduction to data lakes

  • Describe the value of data lakes
  • Compare data lakes and data warehouses
  • Describe the components of a data lake
  • Recognize common architectures built on data lakes

Module 2: Data ingestion, cataloging, and preparation

  • Describe the relationship between data lake storage and data ingestion
  • Describe AWS Glue crawlers and how they are used to create a data catalog
  • Identify data formatting, partitioning, and compression for efficient storage and query
  • Lab 1: Set up a simple data lake

Module 3: Data processing and analytics

  • Recognize how data processing applies to a data lake
  • Use AWS Glue to process data within a data lake
  • Describe how to use Amazon Athena to analyze data in a data lake

Module 4: Building a data lake with AWS Lake Formation

  • Describe the features and benefits of AWS Lake Formation
  • Use AWS Lake Formation to create a data lake
  • Understand the AWS Lake Formation security model
  • Lab 2: Build a data lake using AWS Lake Formation

Module 5: Additional Lake Formation configurations

  • Automate AWS Lake Formation using blueprints and workflows
  • Apply security and access controls to AWS Lake Formation
  • Match records with AWS Lake Formation FindMatches
  • Visualize data with Amazon QuickSight
  • Lab 3: Automate data lake creation using AWS Lake Formation blueprints
  • Lab 4: Data visualization using Amazon QuickSight

Module 6: Architecture and course review

  • Post course knowledge check
  • Architecture review
  • Course review

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist deutsch, auf Wunsch auch auf Englisch.

Developing Serverless Solutions on AWS

Geschrieben von wamrhein am . Veröffentlicht in AWS Training, Training.

Developing Serverless Solutions on AWS

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

In diesem Kurs lernen Entwickler bewährte Verfahren zum Erstellen von Serverless-Anwendungen mit AWS Lambda und anderen Services der AWS Serverless-Plattform kennen und üben diese. Sie werden verschiedene Frameworks verwenden, um eine serverlose Anwendung in praktischen Übungen zu erstellen. Dabei werden sowohl grundlegende als auch komplexe Themen behandelt.

Kursziele

Was Sie in diesem Kurs lernen:

  • Anwenden ereignisgesteuerter Best Practices auf ein serverloses Anwendungsdesign unter Verwendung geeigneter AWS-Services
  • Identifizieren Sie die Herausforderungen und die Trade-offs beim Übergang zur serverlosen Entwicklung und erhalten Sie Empfehlungen, die zu Ihrer Entwicklungsorganisation und -umgebung passen
  • Erstellen von serverlosen Anwendungen unter Verwendung von Pattern, die AWS-verwaltete Services miteinander verbinden
  • Vergleichen und Gegenüberstellen der verfügbaren Optionen zum Schreiben von Infrastruktur als Code, einschließlich AWS CloudFormation, AWS Amplify, AWS Serverless Application Model (AWS SAM) und AWS Cloud Development Kit (AWS CDK)
  • Anwenden von Best Practices für das Schreiben von Lambda-Funktionen, einschließlich Fehlerbehandlung, Protokollierung, Wiederverwendung von Umgebungen, Verwendung von Schichten, Zustandslosigkeit, Idempotenz und Konfigurieren von Gleichzeitigkeit und Speicher
  • Anwenden von Best Practices für den Aufbau von Observability und Monitoring in Ihrer serverlosen Anwendung
  • Anwendung bewährter Sicherheitspraktiken auf serverlose Anwendungen
  • Identifizieren der wichtigsten Überlegungen zur Skalierung in einer serverlosen Anwendung und Zuordnen der einzelnen Überlegungen zu den Methoden, Tools oder Best Practices für deren Verwaltung
  • Verwenden von AWS SAM, AWS CDK und AWS-Entwickler-Tools zum Konfigurieren eines CI/CD-Workflows und zum Automatisieren der Bereitstellung einer serverlosen Anwendung
  • Erstellen und aktives Pflegen einer Liste von Serverless-Ressourcen, die Sie bei der fortlaufenden Serverless-Entwicklung und dem Engagement in der Serverless-Community unterstützen

Zielgruppe

Dieser Kurs ist konzipiert für:

  • Entwickler, die eine grobe Vorstellung vom Serverless Konzept haben und die erste Erfahrungen mit der Entwicklung in der AWS Cloud gesammelt haben

Voraussetzungen

Wir empfehlen, dass die Teilnehmer dieses Kurses zuvor folgenden Kenntnisse haben:

  • Vertrautheit mit den Grundlagen der AWS-Cloud-Architektur
  • Kurs „Developing on AWS“ oder ähnlich Erfahrungen
  • Kenntnisse, die dem Abschluss der folgenden digitalen Serverless-Schulungen entsprechen: AWS Lambda Foundations and Amazon API Gateway for Serverless Applications

Lehrmethode

Dieser Kurs setzt sich zusammen aus:

  • Präsentationen
  • Praktische Übungen
  • Demonstrationen
  • Videos
  • Wissenstests
  • Gruppenübungen

Kursdauer / Preis

  • 3 Tage / € 1.995,00 zzgl. Mwst. pro Person

Kursinhalt

Tag 1

  • Modul 0: Einführung
  • Modul 1: Serverlos denken
  • Modul 2: API-gesteuerte Entwicklung und synchrone Ereignisquellen
  • Modul 3: Einführung in Authentifizierung, Autorisierung und Zugriffskontrolle
  • Modul 4: Serverlose Deployment-Frameworks
  • Modul 5: Verwendung von Amazon EventBridge und Amazon SNS zur Entkopplung von Komponenten
  • Modul 6: Ereignisgesteuerte Entwicklung mit Warteschlangen und Streams
  • Praktische Übungen

Tag 2

  • Modul 7: Gute Lambda-Funktionen schreiben
  • Modul 8: Schrittfunktionen für die Orchestrierung
  • Modul 9: Beobachtbarkeit und Monitoring
  • Praktische Übungen

Tag 3

  • Modul 10: Sicherheit von serverlosen Anwendungen
  • Modul 11: Handhabung der Skalierung in serverlosen Anwendungen
  • Modul 12: Automatisieren der Deplyment-Pipeline
  • Praktische Übungen

 

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.