MLOps dla Azure Machine Learning - Plan Szkolenia

O tym kursie

W tym kursie uczestnicy nauczą się projektować i rozwijać usługi, które uzyskują dostęp do danych lokalnych i zdalnych z różnych źródeł. Uczestnicy dowiedzą się również, jak rozwijać i wdrażać usługi w środowiskach hybrydowych, w tym na serwerach lokalnych oraz w Microsoft Azure.

Profil uczestnika

Główna grupa: Programiści .NET, którzy chcą nauczyć się rozwijać usługi i wdrażać je w środowiskach hybrydowych.
Dodatkowa grupa: Programiści .NET z doświadczeniem w tworzeniu aplikacji internetowych, którzy chcą rozwijać nowe aplikacje lub przenosić istniejące aplikacje do Microsoft Azure.

Po ukończeniu kursu

Po ukończeniu tego kursu uczestnicy będą mogli:

• Opisać podstawowe koncepcje rozwoju usług i strategii dostępu do danych przy użyciu platformy .NET.
• Opisać platformę chmurową Microsoft Azure oraz jej oferty dotyczące przetwarzania, danych i hostowania aplikacji.
• Projektować i rozwijać aplikacje oparte na danych przy użyciu Visual Studio 2017 i Entity Framework Core.
• Projektować, implementować i korzystać z usług HTTP przy użyciu ASP.NET Core.
• Rozszerzać usługi HTTP przy użyciu ASP.NET Core.
• Hostować usługi lokalnie oraz w Microsoft Azure.
• Wdrażać usługi zarówno w środowiskach lokalnych, jak i chmurowych oraz zarządzać interfejsem i polityką swoich usług.
• Wybrać rozwiązanie do przechowywania danych, buforować, dystrybuować i synchronizować dane.
• Monitorować, logować i rozwiązywać problemy z usługami.
• Opisać koncepcje i standardy tożsamości opartej na oświadczeniach oraz implementować uwierzytelnianie i autoryzację za pomocą Azure Active Directory.
• Tworzyć skalowalne aplikacje usługowe.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do zaawansowanych inżynierów AI i naukowców zajmujących się danymi, którzy posiadają doświadczenie na poziomie średniozaawansowanym do zaawansowanego i chcą poprawić wydajność modeli DeepSeek, zminimalizować opóźnienia oraz efektywnie wdrażać rozwiązania AI, korzystając z nowoczesnych praktyk MLOps.

Pod koniec szkolenia uczestnicy będą mogli:

• Optymalizować modele DeepSeek pod kątem wydajności, dokładności i skalowalności.
• Wdrażać najlepsze praktyki w zakresie MLOps i wersjonowania modeli.
• Wdrażać modele DeepSeek w infrastrukturze chmurowej i lokalnej.
• Monitorować, utrzymywać i skalować rozwiązania AI w sposób efektywny.

O tym kursie

Ten kurs wprowadza podstawowe pojęcia związane ze sztuczną inteligencją (AI) oraz usługi w Microsoft Azure, które można wykorzystać do tworzenia rozwiązań AI. Kurs nie jest zaprojektowany, aby nauczyć studentów zostania profesjonalnymi analitykami danych lub programistami, ale raczej aby zbudować świadomość typowych obciążeń AI oraz umiejętność identyfikowania usług Azure, które mogą je wspierać. Kurs został zaprojektowany jako doświadczenie mieszanego uczenia się, łączące szkolenie prowadzone przez instruktora z materiałami online na platformie Microsoft Learn (https://azure.com/learn). Ćwiczenia praktyczne w kursie opierają się na modułach Learn, a studenci są zachęcani do korzystania z treści na Learn jako materiałów referencyjnych, aby utrwalić to, czego nauczyli się na zajęciach i zgłębić tematy bardziej szczegółowo.

Profil odbiorców

Kurs Azure AI Fundamentals jest przeznaczony dla każdego, kto jest zainteresowany poznaniem typów rozwiązań, które umożliwia sztuczna inteligencja (AI), oraz usług w Microsoft Azure, które można wykorzystać do ich tworzenia. Nie jest wymagane wcześniejsze doświadczenie w korzystaniu z Microsoft Azure, ale zakłada się podstawową znajomość technologii komputerowych i Internetu. Niektóre z omawianych koncepcji wymagają podstawowej znajomości matematyki, np. umiejętności interpretowania wykresów. Kurs obejmuje ćwiczenia praktyczne, które polegają na pracy z danymi i uruchamianiu kodu, więc znajomość podstawowych zasad programowania będzie pomocna.

Po ukończeniu kursu

Po ukończeniu tego kursu będziesz w stanie:

• Opisać obciążenia związane ze sztuczną inteligencją i związane z nimi zagadnienia
• Opisać podstawowe zasady uczenia maszynowego w Azure
• Opisać funkcje obciążeń związanych z przetwarzaniem obrazów w Azure
• Opisać funkcje obciążeń związanych z przetwarzaniem języka naturalnego (NLP) w Azure
• Opisać funkcje obciążeń związanych z konwersacyjną sztuczną inteligencją w Azure

To szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest skierowane do profesjonalistów na poziomie średnio zaawansowanym i zaawansowanym, którzy chcą budować i wdrażać aplikacje w chmurze wykorzystujące sztuczną inteligencję przy użyciu Microsoft Azure.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Tworzyć aplikacje sterowane zdarzeniami i bezserwerowe przy użyciu Azure Functions.
• Zarządzać rozwiązaniami do przechowywania danych i maszynami wirtualnymi w Azure.
• Wdrażać i skalować aplikacje internetowe przy użyciu Azure App Service i kontenerów Docker.
• Integrować sztuczną inteligencję, uczenie maszynowe i przetwarzanie języka naturalnego przy użyciu Azure AI Services.
• Wykorzystywać GitHub Copilot do wspomagania rozwoju aplikacji w chmurze opartych na sztucznej inteligencji.

Ten kurs zapewnia uczniom podstawową wiedzę i umiejętności potrzebne do korzystania z PowerShell w celu administrowania i automatyzacji administracji serwerami Windows. Kurs uczy uczniów, jak identyfikować i budować polecenia potrzebne do wykonania określonego zadania. Ponadto uczniowie uczą się tworzyć skrypty do wykonywania zaawansowanych zadań, takich jak automatyzacja powtarzalnych zadań i generowanie raportów. Kurs zapewnia umiejętności niezbędne do obsługi szerokiego zakresu produktów Microsoft, w tym Windows Server, Windows Client, Microsoft Azure i Microsoft 365. W związku z tym kurs nie skupia się na żadnym z tych produktów, chociaż Windows Server, który jest wspólną platformą dla wszystkich tych produktów, posłuży jako przykład dla technik omawianych na kursie.

Ten kurs uczy specjalistów IT, jak zarządzać subskrypcjami Azure, zabezpieczać tożsamości, administrować infrastrukturą, konfigurować sieci wirtualne, łączyć Azure z lokalnymi witrynami, zarządzać ruchem sieciowym, wdrażać rozwiązania magazynowe, tworzyć i skalować maszyny wirtualne, implementować aplikacje internetowe i kontenery, tworzyć kopie zapasowe i udostępniać dane oraz monitorować rozwiązanie.

Kurs przeznaczony jest dla administratorów Azure. Administrator Azure wdraża, zarządza i monitoruje tożsamość, zarządzanie, magazyn, obliczenia i sieci wirtualne w środowisku chmurowym. Administrator Azure będzie odpowiednio aprowizować, dostosowywać rozmiar, monitorować i dostosowywać zasoby.

Ten kurs uczy administratorów Azure, jak planować, dostarczać i zarządzać środowiskami wirtualnych pulpitów oraz zdalnymi aplikacjami na dowolnych urządzeniach w chmurze Azure. Uczestnicy zdobędą wiedzę poprzez połączenie demonstracji i praktycznych doświadczeń laboratoryjnych, wdrażając środowiska wirtualnych pulpitów i aplikacje na platformie Azure Virtual Desktop oraz optymalizując je do działania w wielosesyjnych środowiskach wirtualnych.

Ten kurs uczy Architektów Rozwiązań, jak przekształcać wymagania biznesowe w bezpieczne, skalowalne i niezawodne rozwiązania. Lekcje obejmują zagadnienia projektowe związane z logowaniem, analizą kosztów, uwierzytelnianiem i autoryzacją, zarządzaniem, bezpieczeństwem, przechowywaniem danych, wysoką dostępnością i migracją. Ta rola wymaga podejmowania decyzji w wielu obszarach, które wpływają na ogólne rozwiązanie projektowe.

Zdobyte umiejętności

• Projektowanie rozwiązania do zarządzania.
• Projektowanie rozwiązania do obliczeń.
• Projektowanie architektury aplikacji.
• Projektowanie magazynu, zarówno nierelacyjnego, jak i relacyjnego.
• Projektowanie rozwiązań integracji danych.
• Projektowanie rozwiązań uwierzytelniania, autoryzacji i zarządzania tożsamością.
• Projektowanie rozwiązań sieciowych.
• Projektowanie rozwiązań do tworzenia kopii zapasowych i odzyskiwania po awarii.
• Projektowanie rozwiązań monitorowania.
• Projektowanie rozwiązań migracyjnych.

To szkolenie prowadzone przez instruktora (online lub na miejscu) w Polsce jest skierowane do programistów i profesjonalistów technicznych na poziomie podstawowym/średniozaawansowanym/zaawansowanym, którzy chcą wykorzystać Microsoft Azure do budowania, testowania i wdrażania agentów AI w zastosowaniach biznesowych.

Po zakończeniu szkolenia uczestnicy będą mogli: zrozumieć architekturę agentów AI na platformie Azure, tworzyć i konfigurować działającego agenta, łączyć agentów z źródłami wiedzy biznesowej, oceniać i przygotowywać agentów do wdrożenia.

Docker to platforma do konteneryzacji, która służy do tworzenia powtarzalnych, przenośnych i skalowalnych środowisk dla systemów uczenia maszynowego.

To szkolenie prowadzone przez instruktora, na żywo (online lub na miejscu), jest skierowane do profesjonalistów technicznych na poziomie średnio zaawansowanym i zaawansowanym, którzy chcą konteneryzować i wdrażać kompleksowe potoki uczenia maszynowego przy użyciu Dockera.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Konteneryzować zadania związane z uczeniem, walidacją i inferencją modeli.
• Projektować i zarządzać kompleksowymi potokami uczenia maszynowego przy użyciu Dockera i narzędzi wspierających.
• Wdrażać wersjonowanie, powtarzalność i CI/CD dla komponentów uczenia maszynowego.
• Wdrażać, monitorować i skalować usługi uczenia maszynowego w środowiskach konteneryzowanych.

Format kursu

• Interaktywne wykłady wsparte praktycznymi demonstracjami.
• Ćwiczenia praktyczne skupione na budowaniu rzeczywistych komponentów potoku uczenia maszynowego.
• Implementacja na żywo kompleksowych przepływów pracy w kontenerach.

Opcje dostosowania kursu

• W przypadku spersonalizowanego szkolenia dostosowanego do konkretnych potrzeb infrastruktury uczenia maszynowego, prosimy o kontakt w celu omówienia opcji.

Kubeflow to platforma open-source zaprojektowana w celu usprawnienia budowania, trenowania i wdrażania obciążeń związanych z uczeniem maszynowym na Kubernetes.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do profesjonalistów na poziomie początkującym i średniozaawansowanym, którzy chcą budować niezawodne przepływy pracy związane z uczeniem maszynowym przy użyciu Kubeflow.

Po ukończeniu szkolenia uczestnicy zdobędą umiejętności:

• Poruszania się po ekosystemie Kubeflow i jego podstawowych komponentach.
• Tworzenia powtarzalnych przepływów pracy za pomocą Kubeflow Pipelines.
• Uruchamiania skalowalnych zadań treningowych na Kubernetes.
• Efektywnego serwowania modeli uczenia maszynowego przy użyciu Kubeflow Serving.

Format kursu

• Prezentacje z przewodnikiem i dyskusje grupowe.
• Praktyczne laboratoria z rzeczywistymi komponentami Kubeflow.
• Ćwiczenia praktyczne budujące kompleksowe przepływy pracy związane z uczeniem maszynowym.

Opcje dostosowania kursu

• Można zorganizować dostosowane wersje tego szkolenia, aby dostosować je do stosowanej technologii i wymagań projektowych Twojego zespołu.

To szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest skierowane do programistów i naukowców zajmujących się danymi, którzy chcą budować, wdrażać i zarządzać przepływami pracy uczenia maszynowego na platformie Kubernetes.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Instalować i konfigurować Kubeflow lokalnie oraz w chmurze.
• Budować, wdrażać i zarządzać przepływami pracy ML opartymi na kontenerach Docker i Kubernetes.
• Uruchamiać całe potoki uczenia maszynowego na różnych architekturach i środowiskach chmurowych.
• Korzystać z Kubeflow do tworzenia i zarządzania notatnikami Jupyter.
• Tworzyć zadania treningowe ML, dostrajanie hiperparametrów oraz serwowanie na wielu platformach.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do inżynierów, którzy chcą ocenić dostępne obecnie podejścia i narzędzia, aby podjąć świadomą decyzję dotyczącą wdrożenia MLOps w swojej organizacji.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Instalować i konfigurować różne frameworki i narzędzia MLOps.
• Zbudować odpowiedni zespół z odpowiednimi umiejętnościami do tworzenia i wspierania systemu MLOps.
• Przygotowywać, walidować i wersjonować dane do użycia przez modele ML.
• Zrozumieć komponenty potoku ML oraz narzędzia potrzebne do jego zbudowania.
• Eksperymentować z różnymi frameworkami i serwerami do uczenia maszynowego w celu wdrożenia do produkcji.
• Operacjonalizować cały proces uczenia maszynowego, aby był powtarzalny i łatwy w utrzymaniu.

MLOps na Kubernetesie to framework automatyzujący procesy trenowania, walidacji, pakowania i wdrażania modeli uczenia maszynowego przy użyciu konteneryzowanych potoków i workflowów GitOps.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do praktyków na poziomie średniozaawansowanym, którzy chcą budować zautomatyzowane i skalowalne potoki MLOps na Kubernetesie.

Po ukończeniu szkolenia uczestnicy będą potrafili:

• Projektować kompleksowe potoki CI/CD dla uczenia maszynowego.
• Wdrażać workflowy GitOps do zarządzania wersjami i wdrażaniem modeli.
• Automatyzować trenowanie, testowanie i pakowanie modeli ML.
• Integrować strategie monitorowania, alertów i wycofywania zmian.

Format kursu

• Prezentacje prowadzone przez instruktora oraz pogłębione analizy techniczne.
• Ćwiczenia praktyczne budujące rzeczywiste workflowy CI/CD.
• Praktyka w laboratorium na żywo dotycząca wdrażania obciążeń ML na Kubernetesie.

Opcje dostosowania kursu

• Organizacje mogą zgłaszać zapotrzebowanie na treści dostosowane do ich wewnętrznych narzędzi i infrastruktury MLOps.