W tym krótkim wykładzie, przyjrzymy się usłudze VPC (Virtual Private Cloud), która umożliwi wam tworzenie infrastruktury sieciowej, w której w kolejnych krokach będziemy uruchamiać nasze pierwsze aplikacje internetowe.

W tym wykładzie skupimy się na faktycznym utworzeniu własnej sieci VPC, zawierającej kilka podsieci. Podsieci będą zlokalizowane w różnych ośrodkach (Availability Zone) w celu zapewnienia dużej dostępności i niezawodności przyszłym aplikacją. Dodatkowo podsieci będą podzielone na publiczne i prywatne w celu zwiększenia bezpieczeństwa.

To będzie jednej z najważniejszych wykładów w tym kursie. Na tapetę bierzemy usługę EC2 - czyli jedną z najważniejszych usług w AWS, która pozwala tworzyć w szybki sposób serwery wirtualne. W tym wykładzie utworzymy taki serwer wykorzystując Linuxa, dodatkowo, zainstalujemy na serwerze Apache-a w celu przetestowania serwowania prostej strony WWW.

Uruchomienie serwera wirtualnego EC2 to połowa sukcesu, drugim będzie nauczenie się jak do niego można się podłączyć. W tym wykładzie wykorzystamy standardowy protokół SSH aby podłączyć się do uruchomionego serwera.

Tym razem pokażemy jak podłączyć się do wcześniej utworzonego serwera EC2 opartego o Linuxa z wykorzystaniem Windowsa i aplikacji Putty.

W tym wykładzie ponownie utworzymy instancję EC2, tym razem oparty o Windowsa.

W tym wykładzie zobaczymy jak wykorzystując RDP (Remote Desktop Protocol) podłączyć się do wcześniej utworzonego serwera EC2 opartego o Windowsa.

W tym wykładzie przyjrzymy się usłudze Elastic Beanstlak - czyli popularnymu PaaS-owi. Usługa ta służy do szybkiego uruchamiania aplikacji webowych napisanych w takich jezykach jak Java, .NET, Python, PHP i inne.

W tym wykładzie wykorzystamy usługę Cloud9 aby skonfigurować i utworzyć chmurowe środowisko pracy, które będziemy wykorzystywać w kolejnych wykładach do zarządzania serwerami i innymi zasobami chmurowymi.

W tym wykładzie wykorzystamy wbudować funkcjonalność AWS i utworzymy snapshot dysku EBS w celu zrobienia kopii zapasowej, którą następnie odtworzymy i przypniemy ponownie do serwera wirtualnego EC2.

Kolejnym sposobem 'dostarczenia' przestrzeni dyskowej serwerom jest usługa EFS. Usługa ta, daje możliwość skonfigurowania współdzielonej przestrzeni dyskowej, która będzie dostępna dla wielu serwerów jednocześnie. W tym wykładzie utworzymy taką przestrzeń i podepniemy ją do dwóch nowo utworzonych serwerów EC2.

S3 (Simple Storage Service) - to jedna z najważniejszych usług chmurowych. W tym wykładzie zobaczymy jak z niej korzystać i dodawać oraz usuwać nowe dane. Będziemy z niej korzystać wykorzystując interfejs konsoli AWS oraz CLI.

Amazon Polly to pierwsza usługą, która opiszemy w ramach usług AI w AWS. Polly to usługa, która umożliwia konwersję tekstu na audio w kilkudziesięciu językach i głosach z całego świata. Dodatkowo opiszemy język znaczników SSML, który dodatkowo pozwala rozbudowywać sposób w jaki audio jest generowane.

Analiza tekstu, np. twittów czy postów social media to zadanie nie łatwe. W tym wykładzie opiszemy usługę Comprehend, która wykorzystuje już gotowe modele AI aby analizować tekst i zwracać o nim informacje, w tym analizę sentymentalną.

Kolejną usługą wchodzącą w skład usług AI w ramach portfolio AWS jest usługa Translate. Usługa ta, jak sama nazwa wskazuje, ułatwia konwersję tekstu pomiędzy różnymi językami.

W tym wykładzie pokażemy jak działa usługa Rekognition, która ułatwia analizę zdjęć oraz filmów video. Usługa ta, opisze nam co jest na zdjęciu, zwróci informacje o celebrytach czy też powie, czy zdjęcie jest 'poprawne'. Dodatkowo wykorzystamy usługę aby porównać zdjęcia dwóch osób i przeanalizować filmy video.

Usługa Transcribe to kolejna usługa AI, którą wykorzystamy w tym kursie. Tym razem usługa ta pozwoli nam zamienić audio w słowo pisane wykorzystując przy tym usługę S3.

Czym jest Autoscaling, na czym polega skalowanie horyzontalne serwerów. Czyli krótkie wprowadzenie teoretyczne projektu, który będziemy budować w tej sekcji.

W tym wykładzie utworzymy Launch Template - czyli szablon serwera wirtualnego, na podstawie, którego następnie będą tworzone faktycznie serwery w ramach naszej grupy autoscalingowej.

Główny wykład tej sekcji, czyli utworzenie grupy autoscalingowej - tworu, który będzie automatycznie dodawał i usuwał serwery wirtualne w miarę zmiany obciążenia na naszych serwerach EC2.

Load Balancer to jeden z najważniejszych komponentów każdego nowoczesnego systemu, zwłaszcza tego osadzonego w chmurze. W tym wykładzie utworzymy tzw. Classic Load Balancer - który będzie stanowił wejście dla naszej aplikacji webowej.

Nasza grupa autoscalingowa jest już utworzona, ale faktycznie ciągle brak jej konfiguracji, która sterowała by dodawaniem i usuwaniem nowych serwerów wirtualnych. Tym właśnie zajmiemy się w tym wykładzie.

W tym wykładzie zainstalujemy narzędzie Bees With Machine Guns - czyli narzędzie, które pozwoli nam przetestować naszą grupę autoscalingową, poprzez wygenerowanie dużej ilości requestów HTTP.

Nadszedł etap przetestowania całęgo projektu, który wykonaliśmy w tej sekcji. Z wykorzystaniem narzędzia Bees With Machine Guns wygenerujemy ruch, który spowoduje automatyczne powołanie nowych serwerów wirtualnych EC2.

W tym wykładzie uruchomimy pierwszą bazę danych opartą o usługę RDS. Baza ta będzie w pełni zarządzana przez AWS i będzie oparta o silnik MySQL. Podczas tworzenia bazy, opiszemy opcje oraz rzeczy za które odpowiedzialny jest AWS w przypadku tego typu bazy danych

Nasza baza została już uruchomiona. W tym wykładzie przetestujemy jej działanie i spróbujemy się do niej podłączyć wykorzystując dowolnego klienta SQL.

Ostatnim elementem poszerzania naszej wiedzy odnośnie usługi RDS będzie zrozumienie i poznanie możliwości, które udostępnia nam usługa gdy baza jest już uruchomiona. W tym celu poznamy takie zagadnienia jak: snapshoty, read replici i inne.

DynamoDB to jedna z najważniejszych usług w AWS. W tym wykładzie zobaczymy jak utworzyć prostą bazę nierelacyjną właśnie przy pomocy tej usługi.

Nasza baza DynamoDB jest już utworzona, zatem pora aby ją przetestować. W tym celu utwrzymy skrypt wykorzystujący Boto3 - czyli AWS SDK dla python-a, który wykorzystamy aby połączyć się z bazą danych i dodać do niej nowe rekordy.

W tym wykładzie opiszemy na czym w skrócie polegają kontenery dockerowe oraz jak nimi poprawnie zarządzać w infrastrukturze chmurowej. Opiszemy trzy główne możliwości jakimi są: EKS (Kubernetes), ECS oraz Fargate.

Pierwszym elementem budowy naszej aplikacji opartej o kontenery będzie stworzenie repozytorium, w którym będziemy przechowywać nasze obrazy dockerowe. W tym celu posłużymy się usługą ECR.

Ponieważ nasze repozytorium kontenerów jest już gotowe, kolejnym etapem będzie faktyczne zbudowanie własnego kontenera i dodanie go do repozytorium. W tym celu posłużymy się przykładowym projektem prostej strony WWW a sam kontener zbudujemy z wykorzystaniem usługi Cloud9.

Aby uruchomić kontener w usłudze ECS musimy najpierw utworzyć jego definicję (Task Definition) - to ona bowiem zawiera informacje o tym w którym repozytorium jest nasz kontener i jakie parametry (CPU oraz RAM) powinny być mu przypisane.

Aby uruchomić kontener, trzeba najpierw uruchomić cluster składający się z kilku serwerów wirtualnych (albo jednego), czyli serwerów EC2 - to na nich właśnie ECS będzie uruchamiał w sposób automatyczny kontenery. W tym wykładzie zajmiemy się utworzeniem takiego właśnie clustra.

Nadeszła najważniejsza chwila, czyli faktyczny wdrożenie i przetestowanie kontenera dockerowego. W tym wykładzie wykorzystamy usługę ECS aby uruchomić wcześniej utworzony kontener dockerowy na naszym clustrze serwerów EC2.

W tym i kolejnych wykładach, zajmiemy się innym sposobem wdrażania kontenerów dockerowych - z użyciem usługi Fargate. Usługa ta ułatwi zarządzanie i wdrażanie kontenerów, ponieważ nie musimy wówczas zarządzać serwerami wirtualnymi. W tym wykładzie utworzymy zatem nową definicję naszego taska.

W tym wykładzie utworzymy nowy cluster na którym będziemy uruchamiać nasze kontenery dockerowe. Tym razem wykorzystamy jednak usługę Fargate, a nasz cluster nie będzie miał żadnego serwera wirtualnego.

Pora przetestować nasze rozwiązanie. W tym celu wdrożymy nasz kontener na nasz 'bez serwerowy' cluster i przekonamy się jak łatwo i szybko można uruchamiać i zarządzać kontenerami przy użyciu usługi Fargate.

Podczas tej sekcji będziemy wykorzystywać kilka usług AWS, które są wykorzystywane do analizy małych i dużych zbiorów danych. Podczas tego wykładu, przygotujemy  zbiór danych (1GB), który posłuży nam jako dane testowe przy kolejnych wykładach.

Podczas tego wykładu utworzymy nasz pierwszy cluster z ekosystem hadoop-wym, wykorzystując usługę Amazon EMR. Cluster ten będzie składał się z 3 serwerów i będzie wykorzystywany do rozpraszana analizy na kilka serwerów jednocześnie w celu jej przyśpieszenia.

Podczas tego wykładu, kontynuujemy naszą przygodę z usługą EMR i ekosystemem Hadoop-owym. W tym wykładzie podłączymy się do naszego clustra i wywołamy kilka zapytań SQL w celu analizy dostarczonych danych testowych za pomocą Hive-a.

Podczas tego krótkiego wykładu, opiszemy po krótce usługę Glue - a następnie wykorzystamy jeden z jej mechanizmów aby automatycznie wykryła nasze dane testowe w usłudze S3.

Athena to dla mnie jedna z najciekawszych usług w ekosystemie AWS. Znacząco przyśpiesza i ułatwia analizę danych, ponieważ zwalnia z potrzeby uruchamiania infrastruktury serwerowej. Podczas tego wykładu wykorzystamy Athenę, aby przeanalizować wcześniej zgromadzone dane testowe. Wykorzystamy również wcześniej utworzony katalog Glue oraz dodatkowo zoptymalizujemy analizę wykorzystując format kolumnowy Parquet.

Redshift - czyli chmurowa hurtownia danych. Podczas tego wykładu, uruchomimy hurtownię a następnie wykorzystamy ją do przeanalizowania naszego testowego zbioru danych.

W tym wykładzie będziemy kontynuuować naszą przygodę z BigData -tym razem poruszymy temat wizualizacji danych i analizy ich w postaci 'graficznej'. W tym celu posłuży nam usługa QuickSight.