Kubeflow on Azure - Plan Szkolenia

Szkolenie to pozwala uczestnikom poprawić swoje Microsoft umiejętności projektowania rozwiązań Azure.

Po tym szkoleniu uczestnik będzie rozumiał funkcje i możliwości usług Azure, aby móc identyfikować kompromisy i podejmować decyzje dotyczące projektowania publicznych i hybrydowych rozwiązań chmurowych.

Podczas szkolenia zostaną zdefiniowane odpowiednie rozwiązania infrastrukturalne i platformowe, aby spełnić wymagane wymagania funkcjonalne, operacyjne i wdrożeniowe w całym cyklu życia rozwiązania.

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

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 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.

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.

Microsoft Azure Infrastruktura i wdrażanie

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla programistów i naukowców zajmujących się danymi, którzy chcą budować, wdrażać i zarządzać przepływami pracy uczenia maszynowego w Kubernetes.

Po zakończeniu tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować Kubeflow na miejscu i w chmurze za pomocą AWS EKS (Elastic Kubernetes Service).
• Budować, wdrażać i zarządzać przepływami pracy ML w oparciu o kontenery Docker i Kubernetes.
• Uruchamianie całych potoków uczenia maszynowego w różnych architekturach i środowiskach chmurowych.
• Używanie Kubeflow do tworzenia i zarządzania notatnikami Jupyter.
• Tworzenie szkoleń ML, dostrajanie hiperparametrów i obsługiwanie obciążeń na wielu platformach.

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 prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla inżynierów uczenia maszynowego, którzy chcą korzystać z Azure Machine Learning i Azure DevOps w celu ułatwienia MLOps praktyk.

Pod koniec tego szkolenia uczestnicy będą mogli

• Budować powtarzalne przepływy pracy i modele uczenia maszynowego.
• Zarządzać cyklem życia uczenia maszynowego.
• Śledzić i raportować historię wersji modelu, zasoby i nie tylko.
• Wdrażać gotowe do produkcji modele uczenia maszynowego w dowolnym miejscu.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla inżynierów, którzy chcą ocenić dostępne obecnie podejścia i narzędzia, aby podjąć inteligentną decyzję dotyczącą dalszej drogi do przyjęcia MLOps w swojej organizacji.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować różne MLOps frameworki i narzędzia.
• Zebrać odpowiedni zespół z odpowiednimi umiejętnościami do budowy i wspierania systemu MLOps.
• Przygotowywać, weryfikować i wersjonować dane do wykorzystania przez modele ML.
• Zrozumienie komponentów potoku uczenia maszynowego i narzędzi potrzebnych do jego zbudowania.
• Eksperymentowanie z różnymi frameworkami uczenia maszynowego i serwerami w celu wdrożenia do produkcji.
• Zoperacjonalizuj cały proces Machine Learning tak, aby można go było odtworzyć i utrzymać.

To prowadzone przez instruktora szkolenie na żywo w Polsce (online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć Machine Learning obciążenia na serwerze AWS EC2.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Instalacja i konfiguracja Kubernetes, Kubeflow i innego potrzebnego oprogramowania na AWS.
• Użycie EKS (Elastic Kubernetes Service) w celu uproszczenia pracy związanej z inicjalizacją klastra Kubernetes na AWS.
• 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 zarządzanych usług AWS do rozszerzenia aplikacji ML.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla programistów i naukowców zajmujących się danymi, którzy chcą budować, wdrażać i zarządzać przepływami pracy uczenia maszynowego w Kubernetes.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować Kubeflow na miejscu i w chmurze.
• Budować, wdrażać i zarządzać przepływami pracy ML w oparciu o kontenery Docker i Kubernetes.
• Uruchamiać całe potoki uczenia maszynowego w różnych architekturach i środowiskach chmurowych.
• Używanie Kubeflow do tworzenia i zarządzania notatnikami Jupyter.
• Tworzenie szkoleń ML, dostrajanie hiperparametrów i obsługiwanie obciążeń na wielu platformach.

To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą wyjść poza budowanie modeli ML i zoptymalizować proces tworzenia, śledzenia i wdrażania modeli ML.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować MLflow oraz powiązane biblioteki i frameworki ML.
• Docenić znaczenie możliwości śledzenia, odtwarzania i wdrażania modelu ML.
• Wdrażać modele ML na różnych chmurach publicznych, platformach lub serwerach lokalnych.
• Skalowanie procesu wdrażania uczenia maszynowego, aby pomieścić wielu użytkowników współpracujących nad projektem.
• Skonfigurowanie centralnego rejestru w celu eksperymentowania, odtwarzania i wdrażania modeli uczenia maszynowego.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych inżynierów AI i naukowców zajmujących się danymi z doświadczeniem od średniego do zaawansowanego, którzy chcą zwiększyć wydajność modelu DeepSeek, zminimalizować opóźnienia i skutecznie wdrażać rozwiązania AI przy użyciu nowoczesnych praktyk MLOps.

Pod koniec tego szkolenia uczestnicy będą mogli

• Optymalizować modele DeepSeek pod kątem wydajności, dokładności i skalowalności.
• Wdrażać najlepsze praktyki dla MLOps i wersjonowania modeli.
• Wdrażać modele DeepSeek w chmurze i infrastrukturze lokalnej.
• Skutecznie monitorować, utrzymywać i skalować rozwiązania AI.