Az Microsoft Azure Solutions felépítése Képzés

Ez oktatóvezetett, élő tréning Magyarország (online vagy helyszínen) azokra az mérnökökre van szánva, akik szeretnék használni az Azure ML drag-and-drop platformját gépes tanulási munkafolyamatok telepítésére, anélkül, hogy külön szoftvert és hardvert vennének meg, és anélkül, hogy gondolniuk kellene a karbantartásról és a telepítésről.

Ez a tréning végén a résztvevők képesek lesznek:

• Python, R, vagy nulla-kódú eszközök használatával nagyon pontos gépi tanulási modelleket írni.
• Az Azure rendelkezésre álló adathalmazainak és algoritmusainak felhasználásával gépi tanulási és mélytanulási modelleket edzetni és követni.
• Az Azure interaktív munkaterében együttműködve gépi tanulási modelleket fejleszteni.
• Az Azure által támogatott különböző ML keretrendszerek közül választani, mint például PyTorch, TensorFlow és scikit-learn.

Microsoft Azure Infrastruktúra és telepítés

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a mérnököknek, fejlesztőknek és projektmenedzsereknek szól, akik az Azure-t DevOps szeretnék használni a hagyományos fejlesztési megközelítéseknél gyorsabb optimalizált vállalati alkalmazások létrehozására és üzembe helyezésére.

A képzés végére a résztvevők képesek lesznek:

• Értesülnek az alapvető DevOps szókincsről és elvekről.
• Telepítik és konfigurálják a szükséges Azure DevOps eszközöket a szoftverfejlesztéshez.
• Használják a Azure DevOps eszközöket és szolgáltatásokat a piac folyamatos alkalmazkodásához.
• Létrehozhatnak vállalati alkalmazásokat és értékelhetik a jelenlegi fejlesztési folyamatokat a Azure DevOps megoldások alapján.
• Hatékonyabban irányíthatnak csapatokat és gyorsítják a szoftver-kibocsátási időt.
• Bevezetik az DevOps fejlesztési gyakorlatokat az szervezeten belül.

Ez oktatóvezetett, élő képzés (online vagy helyszíni) a data scientisteknek szól, akik az Azure Machine Learning használatával szeretnék végigépíteni a gépészettan modellek építését a prediktív elemzéshez.

Ezen képzés végén a résztvevők képesek lesznek:

• Programozási tapasztalat nélkül gépészettan modelleket építeni.
• Prediktív algoritmusokat készíteni Azure Machine Learning segítségével.
• Üzembe helyezhető gépészettan algoritmusokat telepíteni.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a biztonsági rendszergazdáknak szól, akik Azure munkaterhelést szeretnének biztosítani.

A képzés végére a résztvevők képesek lesznek:

• Gépház biztonságot, hálózati biztonságot és többet is adminisztrálni.
• Azure-ban tárolási és adatbázis-biztonságot állítanak be.
• Azure erőforrásokat használva implementálnak biztonsági monitorozást.
• Adatokra és infrastruktúrákra irányuló káros cybertámadások megelőzése.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a biztonsági rendszergazdáknak szól, akik szeretnék megtanulni, hogyan állítsák be a Azure felhőalapú biztonságot a Azure-ban futó munkaterhelések biztonságossá tételére.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a gazdagép és a hálózat biztonságát.
• Azure speciális biztonsági beállítások konfigurálása.
• A Azure segítségével biztosíthatja a számítási felhő munkaterhelését.
• Használja a végpontvédelmi szolgáltatásokat a rosszindulatú programok és vírusok ellen.
• Biztonságos konténer-munkaterhelések, amelyek a Azure alatt futnak.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik szeretnék megtanulni, hogyan lehet mikroszolgáltatásokat építeni Microsoft Azure Service Fabric-en (ASF).

A képzés végére a résztvevők képesek lesznek:

• Használja az ASF-et platformként mikroszolgáltatások létrehozásához és kezeléséhez.
• Ismerje meg a legfontosabb mikroszolgáltatások programozási koncepcióit és modelljeit.
• Hozzon létre egy klasztert a Azure-ban.
• Telepítse a mikroszolgáltatásokat a helyszínen vagy a felhőben.
• Hibakeresés és hibaelhárítás egy élő mikroszolgáltatási alkalmazásban.

Az Azure Bot szolgáltatás egyesíti a Microsoft Bot Framework és az Azure funkciók hatalmát az intelligens robotok gyors fejlesztésének lehetővé tétele érdekében.

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan lehet könnyedén létrehozni egy intelligens robotot a Microsoft Azure

A képzés végére a résztvevők képesek lesznek:

• Megtanulják az intelligens robotok alapjait
• Megtanulják, hogyan lehet intelligens robotokat létrehozni felhőalkalmazások használatával
• Megértenek, hogyan lehet használni a Microsoft Bot Framework-t, a Bot Builder SDK-t, és a Azure Bot Service-t
• Megértenek, hogyan lehet robotokat tervezni robot minták használatával
• Fejlesztenek először egy intelligens robotot a Microsoft Azure segítségével

Közönség

• Fejlesztők
• Hobbisták
• Mérnökök
• IT szakemberek

A tantárgy formátuma

• Részt előadásból, részben vitából, gyakorlatokból és intenzív gyakorlati munkából

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű adatmérnököknek szól, akik szeretnék megtanulni, hogyan használják a Azure Data Lake Storage Gen2-t hatékony adatelemzési megoldásokhoz.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Azure Data Lake Storage Gen2 architektúráját és főbb jellemzőit.
• Optimalizálja az adattárolást és a hozzáférést a költségek és a teljesítmény érdekében.
• Integrálja a Azure Data Lake Storage Gen2-t más Azure szolgáltatásokkal elemzési és adatfeldolgozási célokra.
• Megoldások fejlesztése a Azure Data Lake Storage Gen2 API használatával.
• A gyakori problémák elhárítása és a tárolási stratégiák optimalizálása.

Ebben az oktatóvezetett, élő képzésben Magyarország (helyszínen vagy távoli) a résztvevők megtanulják Microsoft Azure alapvető fogalmait, alkotóelemeit és szolgáltatásait, amíg egy minta felhőalkalmazás létrehozását végigmennek.

A képzés végére a résztvevők képesek lesznek:

• Microsoft Azure alapjait megérteni
• Az különböző Azure eszközöket és szolgáltatásokat megismerni
• Megtanulni, hogyan használják a Azure felhőalkalmazások készítésére

Internet of Things (IoT) egy hálózati infrastruktúra, amely vezeték nélkül köti össze a fizikai objektumokat és a szoftveralkalmazásokat, lehetővé téve számukra, hogy kommunikáljanak egymással, és hálózati kommunikáción, felhőalapú számítástechnikán és adatrögzítésen keresztül adatokat cseréljenek. A Azure felhőszolgáltatások átfogó készlete, amely előre konfigurált megoldásokból álló IoT Suite-ot kínál, amely segít a fejlesztőknek az IoT-projektek fejlesztésének felgyorsításában.

Ezen az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan fejleszthetnek IoT-alkalmazásokat a Azure segítségével.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az IoT architektúra alapjait
• Telepítse és konfigurálja a Azure IoT Suite-ot
• Ismerje meg a Azure használatának előnyeit az IoT-rendszerek programozásában
• Különféle Azure IoT-szolgáltatások megvalósítása (IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT-eszköz Management)
• IoT-rendszer felépítése, tesztelése, üzembe helyezése és hibaelhárítása a Azure segítségével

Közönség

• Fejlesztők
• Mérnökök

A tanfolyam formátuma

• Rész előadás, részben beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

Jegyzet

• Ha személyre szabott képzést szeretne kérni ehhez a tanfolyamhoz, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljük.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a mérnököknek szól, akik Machine Learning munkaterhelést szeretnének telepíteni az Azure-felhőbe.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a Kubernetes, a Kubeflow és más szükséges szoftvereket az Azure-ban.
• Az Azure Kubernetes Service (AKS) használatával egyszerűsítse a Kubernetes-fürt Azure-ban történő inicializálását.
• Hozzon létre és helyezzen üzembe egy Kubernetes-folyamatot az éles ML-modellek automatizálásához és kezeléséhez.
• Tanítson és telepítsen TensorFlow ML modellt több párhuzamosan futó GPU-n és gépen.
• Használjon más AWS által felügyelt szolgáltatásokat az ML-alkalmazások kiterjesztéséhez.

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban (online vagy helyszíni) a résztvevők megtanulják, hogyan állíthatnak be és kezelhetnek termelési méretű konténerkörnyezetet a Kubernetes segítségével az AKS-en.

A képzés végére a résztvevők képesek lesznek:

• A Kubernetes konfigurálása és kezelése az AKS-en.
• Telepítsen, kezeljen és méretezzön Kubernetes fürtöt.
• Telepítsen konténeres (Docker) alkalmazásokat a Azure-on.
• Meglévő Kubernetes környezet áttelepítése helyszíniről AKS felhőbe.
• Integrálja a Kubernetes-t harmadik féltől származó folyamatos integrációs (CI) szoftverrel.
• Biztosítsa a magas rendelkezésre állást és a katasztrófa utáni helyreállítást a Kubernetes alkalmazásban.

Ez oktatóvezetett, élő képzés (online vagy helyszíni) azokon a gépi tanulási mérnökökre célozik, akik az Azure Machine Learning és Azure DevOps használatával szeretnék az MLOps gyakorlatokat elősegíteni.

A képzés végén a résztvevők képesek lesznek:

• Ismétlődő munkafolyamatokat és gépi tanulási modelleket építeni.
• Kezelni a gépi tanulás élettartamát.
• Nyomon követni és jelenteni a modell verziótörténetet, erőforrásokat és többet.
• Production-ready gépi tanulási modelleket telepíteni bármelyik helyre.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a középszintű adatmérnököknek szól, akik szeretnének jártasságot szerezni a Azure Synapse Analytics használatában az adatfeldolgozás, elemzés és vizualizáció széles skálájára.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Azure Synapse Analytics alapfogalmait, architektúráját és összetevőit.
• Skálázható adattárházak létrehozása, konfigurálása és kezelése a Azure Synapse segítségével.
• Sajátítsa el a különböző forrásokból származó adatok (ETL) feldolgozásának, átalakításának és Azure Synapse-ba való betöltésének technikáit.
• Optimalizálja a lekérdezés teljesítményét, biztonságossá tegye az adatokat, és integrálja a Azure Synapse-t az Power BI-gyel és más eszközökkel az adatok megjelenítéséhez és a betekintések megosztásához.