Architektura Rozwiązań Microsoft Azure - Plan Szkolenia

Informacje o tym kursie

Ten kurs wprowadza podstawowe pojęcia związane ze sztuczną inteligencją (AI) oraz usługami w Microsoft Azure, które można wykorzystać do tworzenia rozwiązań AI. Kurs nie ma na celu nauczenia studentów, jak zostać profesjonalnymi analitykami danych lub programistami, ale raczej budowanie świadomości powszechnych obciążeń AI i umiejętności identyfikowania usług Azure w celu ich obsługi. Kurs został zaprojektowany jako mieszane doświadczenie edukacyjne, które łączy szkolenie prowadzone przez instruktora z materiałami online na platformie Microsoft Learn (https://azure.com/learn). Ćwiczenia praktyczne w ramach kursu są oparte na modułach Learn, a studenci są zachęcani do korzystania z treści na platformie Learn jako materiałów referencyjnych w celu wzmocnienia tego, czego uczą się na zajęciach i dogłębniejszego zbadania tematów.

Profil odbiorców

Kurs Azure AI Fundamentals jest przeznaczony dla wszystkich osób zainteresowanych poznaniem typów rozwiązań, które umożliwia sztuczna inteligencja (AI), oraz usług na platformie Microsoft Azure, których można użyć do ich tworzenia. Przed wzięciem udziału w tym kursie nie trzeba mieć żadnego doświadczenia w korzystaniu z platformy Microsoft Azure, ale zakłada się podstawowy poziom znajomości technologii komputerowej i Internetu. Niektóre z pojęć omawianych w kursie wymagają podstawowej znajomości matematyki, takiej jak umiejętność interpretowania wykresów. Kurs obejmuje zajęcia praktyczne, które obejmują pracę z danymi i uruchamianie kodu, więc znajomość podstawowych zasad programowania będzie pomocna.

Po ukończeniu kursu

Po ukończeniu tego kursu będziesz w stanie

• Opis obciążeń i rozważań związanych ze sztuczną inteligencją
• Opis podstawowych zasad uczenia maszynowego na platformie Azure
• Opisywanie funkcji obciążeń wizji komputerowej na platformie Azure
• Opisywanie funkcji obciążeń Natural Language Processing (NLP) na platformie Azure
• Opisywanie funkcji obciążeń konwersacyjnej sztucznej inteligencji na platformie Azure

To szkolenie prowadzone przez instruktora w formie Polsce (online lub na miejscu) jest skierowane do inżynierów, którzy chcą wykorzystać platformę drag-and-drop Azure ML do wdrażania obciążeń Machine Learning bez konieczności zakupu oprogramowania i sprzętu oraz bez martwienia się o utrzymanie i wdrażanie.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Tworzyć wysoko precyzyjne modele uczenia maszynowego za pomocą Python, R lub narzędzi zero-code.
• Wykorzystywać dostępne zbiory danych i algorytmy Azure do trenowania i śledzenia modeli uczenia maszynowego i głębokiego uczenia.
• Używać interaktywnego środowiska pracy Azure do wspólnego tworzenia modeli ML.
• Wybierać spośród różnych ram frameworków ML wspieranych przez Azure, takich jak PyTorch, TensorFlow i scikit-learn.

Ten kurs uczy specjalistów IT, jak zarządzać subskrypcjami Azure, zabezpieczać tożsamości, administrować infrastrukturą, konfigurować sieci wirtualne, łączyć Azure i witryny lokalne, zarządzać ruchem sieciowym, wdrażać rozwiązania pamięci masowej, tworzyć i skalować maszyny wirtualne, wdrażać aplikacje internetowe i kontenery, tworzyć kopie zapasowe i udostępniać dane oraz monitorować swoje rozwiązanie.

Ten kurs jest przeznaczony dla administratorów Azure. Administrator Azure wdraża, zarządza i monitoruje tożsamość, zarządzanie, pamięć masową, obliczenia i sieci wirtualne w środowisku chmury. Administrator Azure będzie dostarczał, określał rozmiar, monitorował i dostosowywał zasoby w zależności od potrzeb.

Microsoft Azure Infrastructure and Deployment

Podczas szkolenia "Wprowadzenie do Microsoft Azure i Azure Kubernetes Service" uczestnicy zdobędą umiejętności tworzenia aplikacji w chmurze obliczeniowej Microsoft Azure, wykorzystując konteneryzację (Docker) i usługę Azure Kubernetes Service (AKS). Kurs obejmuje omówienie architektury Microsoft Azure, strategii hostowania aplikacji, tworzenie grup zasobów i konfigurację usług. Uczestnicy nauczą się także nowoczesnych praktyk tworzenia aplikacji, korzystając z repozytorium Git, kontenerów Docker, przepływów CI/CD i AKS. W ramach szkolenia przeprowadzone zostaną praktyczne przykłady wdrożeń, a także omówione będą koncepcje Docker, Kubernetes i integracja z narzędziami Azure DevOps.

To prowadzone przez instruktora szkolenie na żywo w Polsce (online lub na miejscu) jest przeznaczone dla DevOps inżynierów, programistów i kierowników projektów, którzy chcą wykorzystać platformę Azure DevOps do tworzenia i wdrażania zoptymalizowanych aplikacji korporacyjnych szybciej niż tradycyjne metody programowania.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zrozumieć podstawową DevOps terminologię i zasady.
• Zainstalować i skonfigurować niezbędne narzędzia Azure DevOps do tworzenia oprogramowania.
• Wykorzystać narzędzia i usługi Azure DevOps do ciągłego dostosowywania się do rynku.
• Tworzyć aplikacje korporacyjne i oceniać bieżące procesy rozwoju na podstawie rozwiązań Azure DevOps.
• Liderować zespoły bardziej efektywnie i przyspieszać czas wdrażania oprogramowania.
• Wdrożyć praktyki DevOps rozwoju w organizacji.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do naukowców danych, którzy chcą używać Azure Machine Learning do budowy modeli uczenia maszynowego od początku do końca w celu analizy predykcyjnej.

Na zakończenie tego szkolenia uczestnicy będą mogli:

• Budować modele uczenia maszynowego bez doświadczenia programistycznego.
• Tworzyć algorytmy predykcyjne z użyciem Azure Machine Learning.
• Wdrażać gotowe do produkcji algorytmy uczenia maszynowego.

To prowadzone przez instruktora szkolenie na żywo w Polsce (online lub na miejscu) jest przeznaczone dla administratorów bezpieczeństwa, którzy chcą zabezpieczyć obciążenia Azure.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Administrować bezpieczeństwem hostów, sieci oraz innymi aspektami.
• Konfigurować bezpieczeństwo magazynowania danych i baz danych w Azure.
• Wdrażać monitorowanie bezpieczeństwa za pomocą zasobów Azure.
• Zapobiegać złośliwym atakom cybernetycznym na dane i infrastrukturę.

To szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest przeznaczone dla programistów, którzy chcą nauczyć się budowania mikrousług na Microsoft Azure Service Fabric (ASF).

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Używać ASF jako platformy do budowania i zarządzania mikrousługami.
• Zrozumieć kluczowe koncepcje i modele programowania mikrousług.
• Stworzyć klastr w Azure.
• Wdrażać mikrousługi na miejscu lub w chmurze.
• Diagnozować i rozwiązywać problemy z żywą aplikacją mikrousług.

Usługa Azure Bot Service łączy w sobie moc funkcji Microsoft Bot Framework i Azure, aby umożliwić szybkie tworzenie inteligentnych botów.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak łatwo stworzyć inteligentnego bota przy użyciu platformy Microsoft Azure.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Nauczyć się podstaw inteligentnych botów
• Nauczyć się tworzyć inteligentne boty za pomocą aplikacji chmurowych
• Zrozumieć, jak korzystać z Microsoft Bot Framework, z Bot Builder SDK i z usługą Azure Bot Service
• Zrozumieć, jak projektować boty za pomocą wzorców botów
• Rozwinąć swojego pierwszego inteligentnego bota przy użyciu Microsoft Azure

Uczestnicy

• Developerzy
• Hobbyści
• Inżynierowie
• Specjaliści IT

Format kursu

• Część wykładu, część dyskusji, ćwiczenia oraz intensywna praktyka rączna

Informacje o tym kursie

W tym kursie studenci poznają podstawy koncepcji baz danych w środowisku chmury, zdobędą podstawowe umiejętności w zakresie usług danych w chmurze i zbudują swoją podstawową wiedzę na temat usług danych w chmurze w ramach Microsoft Azure. Studenci zidentyfikują i opiszą podstawowe koncepcje danych, takie jak relacyjne, nierelacyjne, duże zbiory danych i analizy, a także zbadają, w jaki sposób ta technologia jest wdrażana w Microsoft Azure. Zapoznają się z rolami, zadaniami i obowiązkami w świecie danych. Studenci zapoznają się z ofertą danych relacyjnych, udostępnianiem i wdrażaniem relacyjnych baz danych oraz wyszukiwaniem danych relacyjnych za pośrednictwem rozwiązań danych w chmurze z Microsoft Azure. Zapoznają się z ofertą danych nierelacyjnych, udostępnianiem i wdrażaniem nierelacyjnych baz danych oraz nierelacyjnych magazynów danych za pomocą Microsoft Azure. Studenci zapoznają się z opcjami przetwarzania dostępnymi do tworzenia rozwiązań do analizy danych na platformie Azure. Zapoznają się z Azure Synapse Analytics, Azure Databricks i Azure HDInsight. Studenci dowiedzą się, czym jest Power BI, w tym jego elementy składowe i jak ze sobą współpracują.

Profil odbiorców

Odbiorcami tego kursu są osoby, które chcą poznać podstawy koncepcji baz danych w środowisku chmury, uzyskać podstawowe umiejętności w zakresie usług danych w chmurze i zbudować podstawową wiedzę na temat usług danych w chmurze w ramach Microsoft Azure.

Po ukończeniu kursu

Po ukończeniu tego kursu studenci będą w stanie

• Opis podstawowych koncepcji danych w Azure
• Wyjaśnij pojęcia danych relacyjnych w Azure
• Wyjaśnienie pojęć danych nierelacyjnych w Azure
• Identyfikacja komponentów nowoczesnej hurtowni danych w Azure

Internet of Things (IoT) to infrastruktura sieciowa, która bezprzewodowo łączy obiekty fizyczne i aplikacje, umożliwiając im wzajemną komunikację i wymianę danych za pośrednictwem komunikacji sieciowej, przetwarzania w chmurze i przechwytywania danych. Azure to kompleksowy zestaw usług w chmurze, który oferuje pakiet IoT Suite składający się ze wstępnie skonfigurowanych rozwiązań, które pomagają programistom przyspieszyć rozwój projektów IoT.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak tworzyć aplikacje IoT przy użyciu Azure.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zrozumieć podstawy architektury IoT
• Zainstalować i skonfigurować Azure IoT Suite
• Poznanie korzyści płynących z używania Azure w programowaniu systemów IoT
• Wdrażać różne usługi Azure IoT (IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management).
• Tworzenie, testowanie, wdrażanie i rozwiązywanie problemów z systemem IoT przy użyciu Azure.

Odbiorcy

• Programiści
• Inżynierowie

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna

Uwaga

• Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

To prowadzone przez instruktora szkolenie na żywo w Polsce (online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć Machine Learning obciążenia w chmurze Azure.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Instalowanie i konfigurowanie Kubernetes, Kubeflow i innego potrzebnego oprogramowania na platformie Azure.
• Używanie usługi Azure Kubernetes Service (AKS) w celu uproszczenia pracy związanej z inicjowaniem klastra Kubernetes na platformie Azure.
• Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w produkcji.
• Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle.
• Wykorzystanie innych usług zarządzanych AWS do rozszerzenia aplikacji ML.

W tym prowadzonym przez instruktora szkoleniu na żywo w Polsce (na miejscu lub zdalnie) uczestnicy dowiedzą się, jak skonfigurować i zarządzać środowiskiem kontenerowym na skalę produkcyjną przy użyciu Kubernetes na AKS.

Pod koniec tego szkolenia uczestnicy będą mogli:

• Konfigurować i zarządzać Kubernetes na AKS.
• Wdrażać, zarządzać i skalować klaster Kubernetes.
• Wdrażać aplikacje kontenerowe (Docker) na Azure.
• Migrować istniejące środowisko Kubernetes z lokalnego do chmury AKS.
• Integracja Kubernetes z oprogramowaniem do ciągłej integracji (CI) innych firm.
• Zapewnienie wysokiej dostępności i odzyskiwania po awarii w Kubernetes.

To szkolenie prowadzone przez instruktora (online lub stacjonarnie) jest skierowane do inżynierów machine learning, którzy chcą użyć Azure Machine Learning i Azure DevOps do ułatwienia praktyk MLOps.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Budować powtarzalne przepływy pracy i modele machine learning.
• Zarządzać cyklem życia machine learning.
• Śledzić i raportować historię wersji modeli, zasoby i więcej.
• Wdrażać gotowe do produkcji modele machine learning w dowolnym miejscu.