Format
Pre-recorded
"Using Shelly Devices With Amazon AWS” is a self-paced, hands-on course developed by Shelly Academy in collaboration with SoftUni Global. This advanced-level training focuses on integrating Shelly devices with AWS to enable scalable, cloud-based automation, monitoring, and analytics.
Over the course of four pre-recorded sessions, you will explore how to connect Shelly devices securely to AWS using MQTT, learn how to create event-driven automations using AWS Lambda and IoT Rules Engine. You'll also learn how to manage and store their data using Timestream, organize devices into structured environments with SiteWise and build dashboards with Managed Grafana.
Whether you're deploying Shelly in a smart building, industrial setting, or smart home, this course will give you the tools to manage data flows, detect anomalies, and visualize everything in real time.
Get ready to bring your Shelly automations to the cloud, and beyond.
Pre-recorded
Self-paced course
English
Lerne, wie Du MQTT-basierte Shelly Geräte sicher mit AWS IoT Core verbindest.Speichere und greife mit den zentralen AWS-Diensten auf Echtzeit-Gerätedaten zu.Nutze AWS Lambda, um Aktionen zu automatisieren oder auf fehlende Daten zu reagieren.Erstelle aussagekräftige Dashboards mit Amazon Managed Grafana und analysiere Daten mit SiteWise.Arbeite mit historischen Messwerten und richte Warnmeldungen für vorausschauende Wartung ein.Baue cloudbasierte Datenflüsse auf, um Shelly Gerätedaten zu verwalten und zu verarbeiten.
haben wir eine Partnerschaft mit SoftUni, einer weltweit führenden Software-Akademie, geschlossen. So stellen wir sicher, dass Du eine erstklassige Ausbildung und Anleitung von Branchenprofis erhältst.
Überblick über AWS IoT Core und dessen Rolle im IoT-Ökosystem Shelly Geräte per MQTT mit AWS IoT verbinden Gerätezertifikate für sichere Kommunikation nutzen Remote Procedure Calls (RPC) über MQTT ausführen Praktische Übungen zur Anwendung des Gelernten
Gerätedaten mit der AWS IoT Rules Engine weiterleiten Ereignisgesteuerte Logik mit AWS-Lambda erstellen Praktische Übungen zur Anwendung des Gelernten
Zeitbasierte Metriken mit Amazon Timestream protokollieren und analysieren Strukturierte Gerätedaten mit Amazon SiteWise organisieren Echtzeit-Dashboards mit Amazon Managed Grafana aufbauen Praktische Übungen zur Anwendung des Gelernten
Amazon SiteWise zur Modellierung von Assets und Berechnung von Wartungsmetriken verwenden Historische Muster und Anomalien mit Amazon Q untersuchen Lösungen zur Erkennung abweichenden Geräteverhaltens mit historischen Daten umsetzen Praktische Übungen zur Anwendung des Gelernten
Assistant Professor & Senior Software Developer
Simeon Monov is an assistant professor at Plovdiv University 'Paisii Hilendarski' and senior software developer and technical lead. Simeon holds a PhD in Computer Science and has a solid background in algorithms and information systems. Simeon teaches machine learning, data analytics, algorithms and data structures and object-oriented programming at Plovdiv University and has over twenty years of experience in software development and design. He worked for 13 years at the IBM Silicon Valley Lab.