Kurzusleírás

Virtualizáció részletei

  1. Operációs rendszerek alapfogalmai: CPU, Memória, Hálózat, Tárolás
  2. Hypervisor
    1. Felügyelők felügyelője
    2. "Host" gép és "vendég" operációs rendszer
    3. Type-1 Hypervisor és Type-2 Hypervisor
    4. Citrix XEN, VMware ESX/ESXi, MS Hyper-V, IBM LPAR.
  3. Hálózati virtualizáció
    1. Rövid bevezetés a 7 rétegű OSI modellbe
    2. Fókusz a hálózati rétegen
    3. TCP/IP modell vagy Internet Protokoll
  4. Egyetlen vertikális fókusz
    1. Alkalmazási réteg: SSL
    2. Hálózati réteg: TCP
    3. Internet réteg: IPv4/IPv6
    4. Link réteg: Ethernet
  5. Csomagszerkezet
    1. Címzés: IP cím és domain nevek
    2. Tűzfal, Terheléselosztó, Útválasztó, Adapter
    3. Virtualizált hálózat
    4. Magasabb szintű absztrakciók: Alhálózatok, Zónák.
  6. Gyakorlati feladat:
    1. Ismerkedés az ESXi klaszterrel és a vSphere klienssel.
    2. Hálózatok létrehozása/frissítése az ESXi klaszterben, vendégek telepítése VMDK csomagokból, vendégek közötti kapcsolat létrehozása egy ESXi klaszteren belül.
    3. Módosítások végrehajtása egy futó VM példányon és pillanatkép készítése.
    4. Tűzfalszabályok frissítése az ESXi-ben a vSphere kliens segítségével.

2. Felhőalapú számítások: Egy paradigmaváltás

  1. Egy gyors, költséghatékony módszer a termék/szolgáltatás világszerte elérhetővé tételéhez
  2. Erőforrásmegosztás
    1. Virtualizált környezet virtualizálása
  3. Főbb előnyök:
    1. Igény szerinti erőforrásrugalmasság
      1. Ötletelés -> Kódolás -> Üzembe helyezés infrastruktúra nélkül
      2. Gyors CI/CD folyamatok
    2. Környezeti elkülönítés és vertikális autonómia
    3. Biztonság rétegezettségen keresztül
    4. Költségoptimalizálás
  4. Helyszíni felhő és felhőszolgáltatók
  5. A felhő mint hatékony koncepció absztrakció a elosztott számításokhoz

3. Bevezetés a felhőalapú megoldások rétegeibe:

  1. IaaS (Infrastructure as a Service)
    1. AWS, Azure, Google
    2. Válassz egy szolgáltatót a folytatáshoz. Az AWS ajánlott.
      1. Bevezetés az AWS VPC, AWS EC2 stb. használatába.
  2. PaaS (Platform as a Service)
    1. AWS, Azure, Google, CloudFoundry, Heroku
    2. Bevezetés az AWS DynamoDB, AWS Kinesis stb. használatába.
  3. SaaS (Software as a Service)
    1. Nagyon rövid áttekintés
    2. Microsoft Office, Confluence, SalesForce, Slack
  4. A SaaS a PaaS-re épül, amely az IaaS-re épül, amely a virtualizációra épül

4. IaaS Felhő gyakorlati projekt

  1. A projekt az AWS-t használja IaaS felhőszolgáltatóként
  2. Használd a CentOS/RHEL operációs rendszert a további gyakorlatokhoz
    1. Alternatívaként az Ubuntu is megfelelő, de az RHEL/CentOS az előnyben részesített
  3. Személyes AWS IAM fiók beszerzése a felhőadminisztrátortól
  4. Minden diák ezeket a lépéseket önállóan kell végrehajtsa
    1. Az, hogy képes vagy saját infrastruktúrát létrehozni igény szerint, a legjobb demonstrációja a felhőalapú számítások erejének
    2. Használd az AWS varázslókat -- AWS online konzolokat -- e feladatok elvégzéséhez, hacsak másképp nem jelezve
  5. Hozz létre egy nyilvános VPC-t az us-east-1 régióban
    1. Két alhálózat (Subnet-1 és Subnet-2) két különböző Availability Zone-ban
      1. Lásd: https://docs.aws.amazon.com/AmazonVPC/latest/UserGuide/VPC_Scenarios.html referenciaként.
    2. Hozz létre három külön biztonsági csoportot
      1. SG-Internet
        1. Engedélyezi a bejövő forgalmat az internetről a https 443 és http 80 portokon
        2. Nincs más bejövő kapcsolat engedélyezve
      2. SG-Service
        1. Engedélyezi a bejövő forgalmat csak a SG-Internet biztonsági csoportból a https 443 és http 80 portokon
        2. Engedélyezi az ICMP-t csak a SG-Internetből
        3. Nincs más bejövő kapcsolat engedélyezve
      3. SG-SSH:
        1. Engedélyezi az SSH:22 bejövő kapcsolatot csak egyetlen IP-ről, amely megegyezik a diák laboratóriumi gépének nyilvános IP-címével. Abban az esetben, ha a laboratóriumi gép proxy mögött van, akkor a proxy nyilvános IP-címével.
  6. Telepíts egy AMI példányt a kiválasztott operációs rendszerhez -- lehetőleg a legújabb RHEL/CentOS verziók közül, amelyek az AMI-kben elérhetők -- és helyezd el a példányt a Subnet-1-en. Csatold a példányt a SG-Service és SG-SSH csoportokhoz.
  7. Érd el a példányt SSH-n keresztül a laboratóriumi gépedről.
  8. Telepítsd az NGINX szervert erre a példányra
  9. Helyezz el statikus tartalmakat -- HTML oldalak, képek -- amelyeket az NGINX szolgál ki (80-as porton HTTP-n keresztül) és határozz meg URL-eket számukra.
  10. Teszteld az URL-t abból a gépről.
  11. Készíts egy AMI képet ebből a futó példányból.
  12. Telepítsd azt az új AMI-t és helyezd el a példányt a Subnet-2-en. Csatold a példányt a SG-Service és SG-SSH csoportokhoz.
  13. Futtasd az NGINX szervert és ellenőrizd, hogy a statikus tartalomhoz létrehozott URL működik-e.
  14. Hozz létre egy új „klasszikus” Elastic Load Balancert és csatold a SG-Internethez.
    1. Figyeld meg a különbséget az Application Load Balancer és a Network Load Balancer között.
  15. Hozz létre egy útválasztási szabályt, amely minden http 80 és https 443 forgalmat továbbít a fent létrehozott két példányból álló csoporthoz.
  16. Bármilyen tanúsítványkezelő eszköz -- java keytool stb. -- segítségével hozz létre egy kulcspárt és önaláírt tanúsítványt, majd importáld a tanúsítványt az AWS Certificate Manager (ACM) szolgáltatásba

5. Felhőmonitorozás: Bevezetés és gyakorlati projekt

  1. AWS CloudWatch metrikák
  2. Látogass el az AWS CloudWatch irányítópultjára a példányokhoz
    1. Kérdezd le a releváns metrikákat és magyarázd meg azok időbeli változását
      1. https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/viewing_metrics_with_cloudwatch.html
  3. Látogass el az AWS CloudWatch irányítópultjára az ELB-hez
    1. Figyeld az ELB metrikákat és magyarázd meg azok időbeli változását
    2. https://docs.aws.amazon.com/elasticloadbalancing/latest/classic/elb-cloudwatch-metrics.html

6. Haladó koncepciók további tanuláshoz

  1. Hibrid felhő -- helyszíni és nyilvános felhő
  2. Migráció: Helyszíniről a nyilvános felhőbe
    1. Alkalmazáskód migráció
    2. Adatbázis migráció
  3. DevOps
    1. Infrastruktúra mint kód
    2. AWS Cloud Formation Template
  4. Automatikus skálázás
    1. AWS CloudWatch metrikák az állapot meghatározásához

Követelmények

Ehhez a kurzushoz nincsenek speciális előfeltételek.

 21 Órák

Résztvevők száma


Ár per résztvevő

A nyílt képzésekhez 5+ résztvevő szükséges.

Vélemények (1)

A képző tanár jól magyaráz neked.

Cosmin Simota - Serviciul de Telecomunicatii Speciale
Kurzus - Cloud computing essentials for managers / software engineers

Gépi fordítás

Közelgő kurzusok

Felhőalapú számítások alapjai vezetőknek / szoftvermérnököknek

2026-02-24 09:30
21 órák
Szeged
810 EUR (Online.)
1410 EUR (Tanterem)

Felhőalapú számítások alapjai vezetőknek / szoftvermérnököknek

2026-03-10 09:30
21 órák
Kecskemét
810 EUR (Online.)
1410 EUR (Tanterem)

Felhőalapú számítások alapjai vezetőknek / szoftvermérnököknek

2026-03-24 09:30
21 órák
Pécs, Belváros
810 EUR (Online.)
1410 EUR (Tanterem)

Felhőalapú számítások alapjai vezetőknek / szoftvermérnököknek

2026-04-07 09:30
21 órák
Debrecen
810 EUR (Online.)
1410 EUR (Tanterem)

Felhőalapú számítások alapjai vezetőknek / szoftvermérnököknek

2026-04-21 09:30
21 órák
Budapest, City Center
810 EUR (Online.)
1410 EUR (Tanterem)

Rokon tanfolyam

Fejlett gépi tanulási modellek a Google Colab segítségével

 21 Órák

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) haladó szintű szakembereknek szól, akik szeretnék bővíteni tudásukat a gépi tanulási modellekről, fejleszteni készségeiket a hiperparaméter-hangolás terén, és megtanulni, hogyan helyezhetnek üzembe modelleket hatékonyan a Google Colab segítségével.

A képzés végére a résztvevők képesek lesznek:

  • Fejlett gépi tanulási modelleket implementálni népszerű keretrendszerek, például a Scikit-learn és a TensorFlow segítségével.
  • Modellteljesítményt optimalizálni hiperparaméter-hangolással.
  • Gépi tanulási modelleket üzembe helyezni valós alkalmazásokban a Google Colab segítségével.
  • Együttműködni és nagy léptékű gépi tanulási projekteket kezelni a Google Colabban.
Olvass tovább...

AWS IoT Core

 14 Órák

Ez az oktató által vezetett, élő képzés Magyarország (helyszíni vagy távoli) azoknak a mérnököknek szól, akik IoT eszközöket szeretnének üzembe helyezni és kezelni az AWS-en.

A képzés végére a résztvevők képesek lesznek egy IoT platformot építeni, amely magában foglalja a háttérrendszer, az átjáró és az eszközök üzembe helyezését és kezelését az AWS-en.

Olvass tovább...

Amazon Web Services (AWS) IoT Greengrass

 21 Órák

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) azoknak a fejlesztőknek szól, akik szeretnék telepíteni, konfigurálni és kezelni az AWS IoT Greengrass képességeket, hogy különböző eszközökhöz alkalmazásokat hozzanak létre.

A képzés végén a résztvevők képesek lesznek az AWS IoT Greengrass használatával alkalmazásokat építeni, telepíteni, kezelni, biztonságossá tenni és monitorozni intelligens eszközökön.

Olvass tovább...

AWS Lambda fejlesztőknek

 14 Órák

Ez az oktató által vezetett, élő képzés Magyarország-ban (helyszíni vagy távoli) azoknak a fejlesztőknek szól, akik szeretnék az AWS Lambda használatával szolgáltatásokat és alkalmazásokat építeni és üzembe helyezni a felhőben, anélkül, hogy aggódniuk kellene az execution környezet kiépítésével (kiszolgálók, virtuális gépek és konténerek, elérhetőség, skálázhatóság, tárolás stb.).

A képzés végén a résztvevők képesek lesznek:

  • Az AWS Lambda konfigurálása egy függvény végrehajtásához.
  • A FaaS (Functions as a Service) megértése és a kiszolgáló nélküli fejlesztés előnyei.
  • Az AWS Lambda függvények építése, feltöltése és végrehajtása.
  • Lambda függvények integrálása különböző eseményforrásokkal.
  • Lambda alapú alkalmazások csomagolása, üzembe helyezése, monitorozása és hibaelhárítása.
Olvass tovább...

Bevezetés a Google Colab használatába adattudományban

 14 Órák

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) kezdő szintű adattudósok és informatikai szakemberek számára készült, akik meg szeretnék ismerni az adattudomány alapjait a Google Colab használatával.

A képzés végére a résztvevők képesek lesznek:

  • A Google Colab beállítására és navigálására.
  • Alapvető Python kód írására és futtatására.
  • Adathalmazok importálására és kezelésére.
  • Vizualizációk készítésére Python könyvtárak segítségével.
Olvass tovább...

Computer Vision a Google Colab és TensorFlow segítségével

 21 Órák

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) haladó szintű szakembereknek szól, akik szeretnék elmélyíteni a computer vision ismereteiket és felfedezni a TensorFlow lehetőségeit a kifinomult látási modellek fejlesztéséhez a Google Colab segítségével.

A képzés végére a résztvevők képesek lesznek:

  • Konvolúciós neurális hálózatokat (CNN-ket) építeni és betanítani a TensorFlow segítségével.
  • Kihasználni a Google Colabot skálázható és hatékony felhőalapú modellfejlesztéshez.
  • Képfeldolgozási technikákat implementálni computer vision feladatokhoz.
  • Computer vision modelleket üzembe helyezni valós alkalmazásokhoz.
  • Transzfer tanulást alkalmazni a CNN-modellek teljesítményének javításához.
  • Képbesorolási modellek eredményeinek megjelenítése és értelmezése.
Olvass tovább...

Deep Learning a TensorFlow segítségével a Google Colabban

 14 Órák

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszínen) középszintű adattudósok és fejlesztők számára készült, akik szeretnének mélytanulási technikákat megérteni és alkalmazni a Google Colab környezetben.

A képzés végére a résztvevők képesek lesznek:

  • Beállítani és kezelni a Google Colab-ot mélytanulási projektekhez.
  • Megérteni a neurális hálózatok alapjait.
  • Mélytanulási modelleket implementálni a TensorFlow segítségével.
  • Mélytanulási modelleket betanítani és értékelni.
  • Kihasználni a TensorFlow haladó funkcióit a mélytanuláshoz.
Olvass tovább...

A DevOps mesterfokon az AWS Cloud9 segítségével

 21 Órák

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) haladó szintű szakembereknek szól, akik mélyebben szeretnék megérteni a DevOps gyakorlatokat és optimalizálni szeretnék a fejlesztési folyamatokat az AWS Cloud9 segítségével.

A képzés végén a résztvevők képesek lesznek:

  • Az AWS Cloud9 beállítására és konfigurálására DevOps munkafolyamatokhoz.
  • Folyamatos integrációs és szállítási (CI/CD) folyamatok megvalósítására.
  • Tesztelés, monitorozás és üzembe helyezés automatizálására az AWS Cloud9 segítségével.
  • AWS szolgáltatások, például a Lambda, EC2 és S3 integrálására DevOps munkafolyamatokba.
  • Verziókezelő rendszerek, mint a GitHub vagy a GitLab használatára az AWS Cloud9-en belül.
Olvass tovább...

Kiszolgáló nélküli alkalmazások fejlesztése AWS Cloud9-en

 14 Órák

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középszintű szakembereknek szól, akik szeretnék megtanulni, hogyan építsenek, helyezzenek üzembe és karbantartsanak hatékonyan kiszolgáló nélküli alkalmazásokat AWS Cloud9-en és AWS Lambda-n.

A képzés végére a résztvevők képesek lesznek:

  • Megérteni a kiszolgáló nélküli architektúra alapjait.
  • Beállítani az AWS Cloud9-et kiszolgáló nélküli alkalmazásfejlesztéshez.
  • Fejleszteni, tesztelni és üzembe helyezni kiszolgáló nélküli alkalmazásokat AWS Lambda használatával.
  • Integrálni az AWS Lambda-t más AWS szolgáltatásokkal, mint az API Gateway és az S3.
  • Optimalizálni a kiszolgáló nélküli alkalmazásokat teljesítmény és költséghatékonyság szempontjából.
Olvass tovább...

Adatvizualizáció Google Colabbal

 14 Órák

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) kezdő szintű adattudósoknak szól, akik szeretnének megtanulni, hogyan készítsenek értelmes és vizuálisan vonzó adatvizualizációkat.

A képzés végére a résztvevők képesek lesznek:

  • Beállítani és navigálni a Google Colabot az adatvizualizációhoz.
  • Különböző típusú ábrákat készíteni a Matplotlib segítségével.
  • A Seaborn használata haladó vizualizációs technikákhoz.
  • Ábrák testreszabása a jobb prezentáció és áttekinthetőség érdekében.
  • Az adatok hatékony értelmezése és bemutatása vizuális eszközök segítségével.
Olvass tovább...

Ipari képzés IoT (Internet of Things) Raspberry PI és AWS IoT Core segítségével 「4 óra távoli」

 4 Órák

Összefoglaló:

  • Az IoT architektúra és funkcióinak alapjai
  • „Dolgok”, „Érzékelők”, Internet és az IoT üzleti funkciói közötti leképezés
  • Az összes IoT szoftverkomponens alapjai - hardver, firmware, middleware, felhő és mobilalkalmazás
  • IoT funkciók - Flottakezelés, Adatvizualizáció, SaaS alapú FM és DV, riasztás/figyelmeztetés, érzékelő regisztráció, „dolog” regisztráció, geo-fencing
  • Az IoT eszközök felhővel való kommunikációjának alapjai MQTT segítségével.
  • IoT eszközök csatlakoztatása az AWS-hez MQTT segítségével (AWS IoT Core).
  • Az AWS IoT Core összekapcsolása AWS Lambda funkcióval számítások és adattárolás céljából.
  • Raspberry PI csatlakoztatása az AWS IoT Core-hoz és egyszerű adatkommunikáció.
  • Riasztások és események
  • Érzékelő kalibrálása
Olvass tovább...

Ipari képzés IoT (Internet of Things) Raspberry PI és AWS IoT Core segítségével 「8 óra távoktatás」

 8 Órák

Összefoglaló:

  • Az IoT architektúra és funkcióinak alapjai
  • „Dolgok”, „Érzékelők”, az internet és az IoT üzleti funkciói közötti leképezés
  • Az IoT szoftverkomponensek alapjai – hardver, firmware, middleware, felhő és mobilalkalmazás
  • IoT funkciók – Flotta kezelő, Adatvizualizáció, SaaS alapú FM és DV, riasztás/figyelmeztetés, érzékelő regisztrálás, „dolog” regisztrálás, geofencing
  • Az IoT eszközök felhővel való kommunikációjának alapjai MQTT segítségével.
  • IoT eszközök csatlakoztatása az AWS-hez MQTT segítségével (AWS IoT Core).
  • Az AWS IoT Core összekötése AWS Lambda függvénnyel számításokhoz és adattároláshoz DynamoDB használatával.
  • Raspberry PI csatlakoztatása az AWS IoT Core-hoz és egyszerű adatkommunikáció.
  • Gyakorlati munka Raspberry PI és AWS IoT Core segítségével intelligens eszköz építéséhez.
  • Érzékelő adatok vizualizációja és kommunikáció webes felületen keresztül.
Olvass tovább...

Gépi tanulás a Google Colab segítségével

 14 Órák

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középhaladó szintű adattudósok és fejlesztők számára készült, akik hatékonyan szeretnék alkalmazni a gépi tanulási algoritmusokat a Google Colab környezetben.

A képzés végére a résztvevők képesek lesznek:

  • Beállítani és navigálni a Google Colab-ot gépi tanulási projektekhez.
  • Megérteni és alkalmazni különböző gépi tanulási algoritmusokat.
  • Olyan könyvtárakat használni, mint a Scikit-learn, adatok elemzéséhez és előrejelzéséhez.
  • Felügyelt és felügyletlen tanulási modelleket implementálni.
  • Hatékonyan optimalizálni és értékelni a gépi tanulási modelleket.
Olvass tovább...

Természetes Nyelvfeldolgozás (NLP) Google Colabbal

 14 Órák

Ez az oktató által vezetett, élő képzés Magyarország-ban (online vagy helyszíni) középszintű adattudósok és fejlesztők számára készült, akik az NLP technikákat szeretnék alkalmazni Pythonban a Google Colab segítségével.

A képzés végére a résztvevők képesek lesznek:

  • Megérteni a természetes nyelvfeldolgozás alapvető fogalmait.
  • Szöveges adatok előfeldolgozása és tisztítása NLP feladatokhoz.
  • Érzelmek elemzése az NLTK és SpaCy könyvtárak segítségével.
  • Szöveges adatok kezelése a Google Colabban skálázható és együttműködésre képes fejlesztés érdekében.
Olvass tovább...

Python programozás alapjai Google Colab használatával

 14 Órák

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) kezdő szintű fejlesztők és adatelemzők számára készült, akik a Python programozást szeretnék megtanulni a nulláról a Google Colab segítségével.

A képzés végére a résztvevők képesek lesznek:

  • Megérteni a Python programozási nyelv alapjait.
  • Python kód implementálása a Google Colab környezetben.
  • Vezérlési szerkezetek használata a Python programok folyamatainak irányításához.
  • Funkciók létrehozása a kód hatékony szervezéséhez és újrafelhasználásához.
  • Alapvető könyvtárak felfedezése és használata Python programozás során.
Olvass tovább...

Rokon kategóriák

Cloud Computing
Cloud Computing