Architektura Rozwiązań Microsoft Azure - Plan Szkolenia

O tym kursie

Kurs ten przedstawia podstawowe koncepcje związane z sztuczną inteligencją (AI) oraz usługi Microsoft Azure, które można wykorzystać do tworzenia rozwiązań AI. Kurs nie ma na celu uczynienie studentów profesjonalnymi analitykami danych ani programistami, ale raczej budowanie świadomości typowych obciążeń AI oraz umiejętności identyfikowania usług Azure, które je wspierają. Kurs zaprojektowano jako zintegrowane doświadczenie edukacyjne łączące prowadzone przez instruktora szkolenia z materiałami online na platformie Microsoft Learn (https://azure.com/learn). Ćwiczenia praktyczne w kursie oparte są na modułach Learn, a studentom zachęca się do wykorzystywania treści dostępnych na Learn jako materiałów referencyjnych, aby wzmocnić to, czego nauczą się w klasie, i zagłębić tematy.

Profil uczestnika kursu

Kurs Microsoft Azure AI Fundamentals jest przeznaczony dla każdego zainteresowanego nauką o rodzajach rozwiązań, które umożliwia sztuczna inteligencja (AI), oraz usługach na platformie Microsoft Azure, które można wykorzystać do ich tworzenia. Nie wymagane są żadne wcześniejsze doświadczenia w korzystaniu z usługi Microsoft Azure przed rozpoczęciem tego kursu, ale przyjmuje się podstawowe znajomość technologii komputerowej i Internetu. Niektóre z omawianych koncepcji wymagają podstawowego pojęcia o matematyce, takiego jak interpretacja wykresów. Kurs zawiera ćwiczenia praktyczne polegające na pracy z danymi i uruchamianiu kodu, dlatego znajomość podstawowych zasad programowania będzie pomocna.

Po ukończeniu kursu

Po ukończeniu tego kursu będziesz w stanie:

• Opisywać obciążenia i zagadnienia związane ze sztuczną inteligencją
• Opisywać podstawowe zasady uczenia maszynowego na platformie Azure
• Opisywać funkcje obciążeń wizualnych na platformie Azure
• Opisywać funkcje obciążeń przetwarzania języka naturalnego (NLP) na platformie Azure
• Opisywać funkcje obciążeń sztucznej inteligencji konwersacyjnej na platformie Azure

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do inżynierów, którzy chcą korzystać z platformy typu drag-and-drop Azure ML do wdrażania obciążeń związanych z uczeniem maszynowym bez konieczności zakupu oprogramowania i sprzętu oraz bez obaw o konserwację i wdrożenie.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Tworzyć wysoce dokładne modele uczenia maszynowego przy użyciu Pythona, R lub narzędzi bez konieczności pisania kodu.
• Wykorzystywać dostępne zestawy danych i algorytmy Azure do uczenia i śledzenia modeli uczenia maszynowego i głębokiego uczenia.
• Korzystać z interaktywnego obszaru roboczego Azure do wspólnego tworzenia modeli ML.
• Wybierać spośród różnych frameworków ML obsługiwanych 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.

Infrastruktura i wdrażanie w Microsoft Azure

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 szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do inżynierów DevOps, developerów i menedżerów projektów, którzy chcą wykorzystać Azure DevOps do szybszego budowania i wdrażania zoptymalizowanych aplikacji przedsiębiorczych w porównaniu z tradycyjnymi podejściami rozwojowymi.

Pod koniec szkolenia uczestnicy będą mogli:

• Zrozumieć podstawową terminologię i zasady DevOps.
• Zainstalować i skonfigurować niezbędne narzędzia Azure DevOps do rozwoju oprogramowania.
• Wykorzystywać narzędzia i usługi Azure DevOps do ciągłego dostosowywania się do rynku.
• Budować aplikacje przedsiębiorcze i oceniać obecne procesy rozwojowe w oparciu o rozwiązania Azure DevOps.
• Efektywniej zarządzać zespołami i przyspieszać czas wdrażania oprogramowania.
• Wprowadzać praktyki rozwoju DevOps w organizacji.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do naukowców zajmujących się danymi, którzy chcą wykorzystać Azure Machine Learning do budowania kompleksowych modeli uczenia maszynowego do analizy predykcyjnej.

Pod koniec szkolenia uczestnicy będą mogli:

• Tworzyć modele uczenia maszynowego bez doświadczenia w programowaniu.
• Tworzyć algorytmy predykcyjne za pomocą 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 łączy moc Microsoft Bot Framework i funkcji Azure, aby umożliwić szybkie tworzenie inteligentnych botów.

W trakcie tego prowadzonego przez instruktora szkolenia online uczestnicy nauczą się, jak łatwo stworzyć inteligentnego bota za pomocą Microsoft Azure.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Nauczyć się podstaw inteligentnych botów
• Nauczyć się tworzyć inteligentne boty za pomocą aplikacji chmurowych
• Zrozumieć, jak używać Microsoft Bot Framework, SDK Bot Builder i usługi Azure Bot
• Zrozumieć, jak projektować boty za pomocą wzorców botów
• Rozwinąć swojego pierwszego inteligentnego bota za pomocą Microsoft Azure

Grupa docelowa

• Programiści
• Hobbyści
• Inżynierowie
• Specjaliści IT

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i intensywne praktyczne ćwiczenia

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 szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do inżynierów, którzy chcą wdrażać obciążenia związane z uczeniem maszynowym w chmurze Azure.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Zainstalować i skonfigurować Kubernetes, Kubeflow oraz inne niezbędne oprogramowanie na platformie Azure.
• Wykorzystać usługę Azure Kubernetes Service (AKS) w celu uproszczenia inicjalizacji klastra Kubernetes na platformie Azure.
• Tworzyć i wdrażać potoki Kubernetes w celu automatyzacji i zarządzania modelami ML w produkcji.
• Szkolić i wdrażać modele TensorFlow ML na wielu GPU i maszynach działających równolegle.
• Wykorzystywać inne zarządzane usługi AWS do rozszerzania 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.