Kurzusleírás

Virtualizáció részletei

  1. Operációs rendszer fogalmai áttekintése: CPU, memória, hálózat, tárhely.
  2. Hypervisor
    1. Felügyelők felügyelője
    2. "Host" gép és "guest" 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 bemutatkozás a 7-szintű OSI modellre.
    2. Fókusz az Network szintre.
    3. TCP/IP Modell vagy Internet Protokoll.
  4. Fókusz egyetlen vertikális szintre
    1. Alkalmazás szint: SSL.
    2. Hálózati szint: TCP.
    3. Internet szint: IPv4/IPv6.
    4. Kapcsolat szint: Ethernet.
  5. Csomag szerkezet
    1. Címezés: IP cím és domain nevek.
    2. Tűzfal, terhelésmegosztó, router, adapter.
    3. Virtualizált hálózat.
    4. Magasabbrendű absztrakciók: alhálózatok, zónák.
  6. Gyakorlati feladat:
    1. Ismerkedés az ESXi clusterrel és a vSphere kliensszel.
    2. Hálózatok létrehozása/frissítése az ESXi klustert, vendég operációs rendszerek üzembe helyezése VMDK csomagból, a vendégek közötti kapcsolódás engedélyezése az ESXi klustert.
    3. Módosítások hozzáadása egy futó virtuális gép példányhoz és snapshot készítése.
    4. Tűzfal szabályainak frissítése az ESXi-ben a vSphere kliens segítségével.

2. Felhőszámítás: egy paradigmacsere

  1. Gyors és olcsó módja a termék/megoldás világhoz való elérhetőségének biztosításának.
  2. Erőforrás megosztása
    1. Virtualizált környezet virtualizálása.
  3. Fontos előnyök:
    1. Választékony erőforráselasticitás
      1. Koncepció -> Programkód -> Üzembe helyezés infrastruktúra nélkül.
      2. Gyors CI/CD folyamatok.
    2. Környezet elválasztása és vertikális autonomia.
    3. Biztonság rétegekkel.
    4. Költséghatékony működés.
  4. Helyi felhő és felhőszolgáltatók.
  5. A felhő hatékony konceptuális absztrakció a kiosztott számításokhoz.

3. Bevezetés a Felhőszolgáltatási Rétegekbe:

  1. IaaS (Infrastructure as a Service)
    1. AWS, Azure, Google.
    2. Válasszon egy szolgáltatót későbbi folytatásra. Javasolt az AWS.
      1. Bevezetés az AWS VPC, AWS EC2 stb.-be.
  2. PaaS (Platform as a Service)
    1. AWS, Azure, Google, CloudFoundry, Heroku.
    2. Bevezetés az AWS DynamoDB, AWS Kinesis stb.-be.
  3. SaaS (Software as a Service)
    1. Rövid áttekintés.
    2. Microsoft Office, Confluence, SalesForce, Slack.
  4. A SaaS épít a PaaS-en, ami épít az IaaS-en, amely épít a virtualizációra.

4. IaaS Felhőszámítás gyakorlati projekt

  1. A projekt az AWS-t használja az IaaS felhőszolgáltatóként.
  2. Használja a CentOS/RHEL operációs rendszert a gyakorlat során.
    1. Alternatív megoldásként az Ubuntu is használható, de a RHEL/CentOS kisebb mértékben kedvelt.
  3. Kérje le az egyedi AWS IAM fiókokat a felhőadminisztrátortól.
  4. Minden diák ezt a lépéseket függetlenül el kell végeznie.
    1. A saját infrastruktúra teljes körű kialakítása kérése az erőforrások legjobb demonstrációja a felhőszámítás erejére.
    2. Használjon AWS tervterveket -- AWS online konzolokat -- ezen feladatok elvégzéséhez, esetleges kivétel mellett.
  5. Hozzon létre egy nyilvános VPC-t az us-east-1 régióban.
    1. Két alhálózat (Subnet-1 és Subnet-2) két különböző elérhetőségi zónában.
      1. Lásd: https://docs.aws.amazon.com/AmazonVPC/latest/UserGuide/VPC_Scenarios.html mint referenciát.
    2. Hozzon létre három különböző biztonsági csoportot.
      1. SG-Internet
        1. Engedélyezi az internetről származó bejövő forgalmat a https 443 és http 80 portokon.
        2. Egyéb bejövő kapcsolatok megtiltása.
      2. SG-Service
        1. Engedélyezi az internetről származó bejövő forgalmat a https 443 és http 80 portokon.
        2. Engedélyezi csak az ICMP-t a SG-Internet biztonsági csoportból.
        3. Egyéb bejövő kapcsolatok megtiltása.
      3. SG-SSH:
        1. Engedélyezi az SSH:22 porton származó bejövő kapcsolatot csak egy IP címről, amely megfelel a diák labor gépének nyilvános IP-címével. Ha a labor gép proxy mögött található, akkor a proxy nyilvános IP-címét.
  6. Hozzon létre egy AMI példányt a kiválasztott operációs rendszerhez -- ajánlott az elérhető legfrissebb RHEL/CentOS verziók használata -- és helyezze üzembe az Subnet-1 alhálózaton. Csatlakoztassa a példányt a SG-Service és SG-SSH csoportokhoz.
  7. Jelentkezzen be SSH-kapcsolatban a példányba a labor gépéről.
  8. Telepítse az NGINX szervert ezen a példánnyal.
  9. Tegyen el statikus tartalmat -- html oldalak, képek -- amit az NGINX (port 80-n HTTP-en) szolgáltat. Definiáljon URL-eket ezekhez.
  10. Próbálja ki az URL-t a gépen magának.
  11. Hozzon létre egy AMI képet ebből a futó példányból.
  12. Helyezze üzembe az új AMIt és helyezze üzembe a Subnet-2 alhálózaton. Csatlakoztassa a példányt a SG-Service és SG-SSH csoportokhoz.
  13. Indítsa el az NGINX szervert és ellenőrizze, hogy az (i) lépésben létrehozott statikus tartalom URL-je működik-e.
  14. Hozzon létre egy új "klasszikus" Elterheléselosztót és csatlakoztassa a SG-Internet csoportot.
    1. Jegyezze fel az Application Load Balancer és Network Load Balancer különbségeit.
  15. Hozzon létre útvonal-szabályokat, amelyek az összes http 80 és https 443 forgalmat átirányítanak egy példánycsoportba, amely a fenti két példányból áll.
  16. Használjon bármilyen tanúsítványkezelési eszközt -- java keytool stb. -- egy kulcspár és önbizonyító tanúsítvány létrehozásához, majd importálja a tanúsítványt az AWS Certificate Manager (ACM)-be.

5. Felhőmonitoring: bevezetés és gyakorlati projekt

  1. AWS CloudWatch metrikák.
  2. Navigáljon az AWS CloudWatch irányítópulthoz a példányokhoz.
    1. Szerezze be a releváns metrikákat és magyarázza el a változást a idő függvényében.
      1. https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/viewing_metrics_with_cloudwatch.html
  3. Navigáljon az AWS CloudWatch irányítópulthoz az ELB-hez.
    1. Figyelje meg az ELB metrikáit és magyarázza el a változást az idő függvényében.
    2. https://docs.aws.amazon.com/elasticloadbalancing/latest/classic/elb-cloudwatch-metrics.html

6. Haladó fogalmak további tanulmányozásra

  1. Hybrid felhő -- helyszíni és nyilvános felhő.
  2. Migráció: helyszíni nyilvános felhőbe
    1. Alkalmazás kód migráció.
    2. Adatbázis migráció.
  3. DevOps
    1. Infrastruktúra mint kód.
    2. AWS Cloud Formation Template.
  4. Automatikus skálázás
    1. AWS CloudWatch metrikák a rendszer egészségi állapotának meghatározásához.

Követelmények

Nem szükségesek specifikus előfeltételek a kurzus elvégzéséhez.

 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

Felhőszámítás alapjai menedzserek és szoftvermérnökök számára

2026-01-12 09:30
21 órák
Miskolc
810 EUR (Online.)
1410 EUR (Tanterem)

Felhőszámítás alapjai menedzserek és szoftvermérnökök számára

2026-01-26 09:30
21 órák
Szeged
810 EUR (Online.)
1410 EUR (Tanterem)

Felhőszámítás alapjai menedzserek és szoftvermérnökök számára

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

Felhőszámítás alapjai menedzserek és szoftvermérnökök számára

2026-02-23 09:30
21 órák
Pécs, Belváros
810 EUR (Online.)
1410 EUR (Tanterem)

Felhőszámítás alapjai menedzserek és szoftvermérnökök számára

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

Rokon tanfolyam

Fejlett gépi tanulási modellek a Google Colabban

 21 órák

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszínen) a fejlőtt szintű szakemberekre vonatkozik, akik szeretnék továbbfejleszteni a gépi tanulási modellek kapcsolatos ismereteit, javítani az hiperparaméter-illesztés készségén és megtanulni, hogyan helyezhetnek üzembe modelleket hatékonyan a Google Colab segítségével.

A képzés végére az érdeklődők képesek lesznek:

  • Fejlett gépi tanulási modelleket implementálni népszerű keretrendszerek, mint a Scikit-learn és TensorFlow használatával.
  • A modell teljesítményének optimalizálása hiperparaméter-illesztés segítségével.
  • Gépi tanulási modelleket üzembe helyezni valós alkalmazásokban a Google Colab segítségével.
  • Együttműködés és nagy méretű gépi tanulási projektek kezelése a Google Colabban.
Olvass tovább...

AWS IoT Core

 14 órák

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

A képzés végére a résztvevők képesek lesznek egy IoT-platformot felépíteni, amely magában foglalja a háttérrendszer, az átjáró és az eszközök telepítését és kezelését az AWS-n felül.

Olvass tovább...

IoT Greengrass

 21 órák

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

A képzés végére a résztvevők a AWS IoT Greengrass segítségével intelligens eszközökön alkalmazásokat építhetnek, telepíthetnek, kezelhetnek, biztosíthatnak és figyelhetnek.

Olvass tovább...

AWS Lambda Fejlesztőknek

14 órák

Ez az oktató által vezetett, élő képzés a Magyarország-ban (helyszíni vagy távoli) azoknak a fejlesztőknek szól, akik a AWS Lambda segítségével szeretnének szolgáltatásokat és alkalmazásokat felépíteni és telepíteni a felhőbe anélkül, hogy aggódniuk kellene a végrehajtási környezet (szerverek, Virtuális gépek és tárolók, elérhetőség, méretezhetőség, tárolás stb.).

A képzés végére a résztvevők képesek lesznek:

  • Konfigurálja a AWS Lambda-t egy függvény végrehajtásához.
  • Ismerje meg a FaaS-t (Functions as a Service) és a szerver nélküli fejlesztés előnyeit.
  • Építs fel, tölts fel és hajts végre AWS Lambda függvényeket.
  • Integrálja a lambda-funkciókat különböző eseményforrásokkal.
  • Lambda alapú alkalmazások becsomagolása, üzembe helyezése, figyelése és hibaelhárítása.
Olvass tovább...

Bevezetés a Google Colab használatába adatelemzés szempontjából

 14 órák

Ez az interaktív képzés Magyarország (online vagy helyszíni) a kezdő szintű adatelemzőknek és IT szakembereknek irányul, akik megtanulják a Google Colab alapjait.

A képzés végére a résztvevők képesek lesznek:

  • Beállítani és navigálni a Google Colab-on belül.
  • Alapvető Python kódokat írni és futtatni.
  • Adatszámadalmakat importálni és kezelni.
  • Vizuálistikus megjelenéseket készíteni Python könyvtárakkal.
Olvass tovább...

Computer Vision a Google Colab és TensorFlow használatával

 21 órák

Ez az interaktív, tanárvezetett élő képzés Magyarország (online vagy helyszínen) előrehaladott szintű szakemberekre vonatkozik, akik további ismereteket szeretnének szerezni a computer vision területen és kifejteni TensorFlow képesséit a bonyolult látási modellök fejlesztéséhez Google Colab segítségével.

A képzés végén a résztvevők képesek lesznek:

  • Konvolúciós neurális hálózatok (CNN) építésére és betanítására TensorFlow segítségével.
  • Google Colab felhőalapú modellfejlesztés hatékony és skálázható szolgáltatásainak kihasználására.
  • Képfeldolgozási előkészítési technikák implementálására a látási feladatokhoz.
  • Látás modellök üzembe helyezésére valós életben.
  • Átvitel tanulással a CNN modellök teljesítményének javítása érdekében.
  • Kép osztályozási modellök eredményeinek vizualizálására és értelmezésére.
Olvass tovább...

Deep Learning a Google Colabban TensorFlow használatával

 14 órák

Ez az oktatóvezetéses, élőképes képzés Magyarország (online vagy helyszíni) középhaladó szintű adattudósokra és fejlesztőkre vonatkozik, akik szeretnének megérteni és alkalmazni a mély tanulási technikákat a Google Colab környezetben.

A képzés végén a résztvevők képesek lesznek:

  • Beállítani és navigálni a Google Colabot mély tanulási projektekhez.
  • Megérteni az idegsejteknővények alapjait.
  • Alkalmazni mély tanulási modelleket a TensorFlow használatával.
  • Képzíteni és értékelnia a mély tanulási modelleket.
  • Használni a TensorFlow speciális funkcióit a mély tanuláshoz.
Olvass tovább...

DevOps mestersége AWS Cloud9-al

21 órák

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) haladó szintű szakembereknek szól, akik szeretnék elmélyíteni a DevOps gyakorlatok megértését és az AWS Cloud9 segítségével egyszerűsíteni a fejlesztési folyamatokat.

A képzés végére a résztvevők képesek lesznek:

  • Az AWS Cloud9 beállítása és konfigurálása DevOps munkafolyamatokhoz.
  • Folyamatos integráció és folyamatos szállítás (CI/CD) csővezetékek megvalósítása.
  • Automatizálja a tesztelési, megfigyelési és telepítési folyamatokat az AWS Cloud9 segítségével.
  • Integrálja az AWS-szolgáltatásokat, mint például a Lambda, EC2 és S3 DevOps munkafolyamatokba.
  • Használjon forrásvezérlő rendszereket, például GitHub vagy GitLab az AWS Cloud9-en belül.
Olvass tovább...

Serverless alkalmazások fejlesztése AWS Cloud9 platformon

 14 órák

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű szakembereknek szól, akik szeretnék megtanulni, hogyan lehet hatékonyan építeni, telepíteni és karbantartani szerver nélküli alkalmazásokat az AWS Cloud9 és AWS Lambda rendszeren.

A képzés végére a résztvevők képesek lesznek:

  • Ismerje meg a szerver nélküli architektúra alapjait.
  • Állítsa be az AWS Cloud9-et a szerver nélküli alkalmazásfejlesztéshez.
  • Szerver nélküli alkalmazások fejlesztése, tesztelése és üzembe helyezése a AWS Lambda használatával.
  • Integrálja a AWS Lambda-t más AWS-szolgáltatásokkal, mint például az API Gateway és az S3.
  • A kiszolgáló nélküli alkalmazások optimalizálása a teljesítmény és a költséghatékonyság érdekében.
Olvass tovább...

Adatvizualizáció az Google Colab segítségével

 14 órák

Ez oktatóvezetett, élő képzés Magyarország (online vagy előadóteremben) azoknak a kezdő szintű adattudósoknak szól, akik tanulni szeretnének, hogyan hozzanak létre jelentősséggel bíró és látványosan kellemes adattáblázatokat.

A képzés végén a résztvevők képesek lesznek:

  • Beállítani és navigálni Google Colab adattáblázatokat.
  • Többféle típusú ábrákat készíteni Matplotlib segítségével.
  • Seaborn használatát előrehaladott vizualizációs technikákhoz.
  • Ábrákat testreszabni a jobb prezentáció és áttekinthetőség érdekében.
  • Adatok hatékony értelmezése és bemutatása vizuális eszközökkel.

Olvass tovább...

IoT (Internet of Things) ipari oktatás Raspberry PI-val és AWS IoT Core-al 「4 órás távoli」

 4 órák

Nyárias:

  • Az IoT architektúra és funkcióinak alapjai
  • „Dolgok”, „Szenzorok”, Internet és az IoT üzleti funkciói közötti leképezés
  • Alapvető fontosságú az összes IoT szoftverkomponenshez – hardver, firmware, köztes szoftver, felhő és mobilalkalmazás
  • IoT-funkciók – Flottakezelő, adatvizualizáció, SaaS alapú FM és DV, riasztás/riasztás, érzékelők beépítése, „dolog” beépítés, geo-kerítés
  • Az IoT-eszközök felhővel történő kommunikációjának alapjai az MQTT-vel.
  • IoT-eszközök csatlakoztatása az AWS-hez MQTT-vel (AWS IoT Core).
  • A AWS IoT mag összekapcsolása AWS Lambda funkcióval a számításhoz és az adattároláshoz.
  • A Raspberry PI összekapcsolása AWS IoT maggal és egyszerű adatkommunikációval.
  • Figyelmeztetések és események
  • Érzékelő kalibrálása
Olvass tovább...

Ipari Képzés IoT (Internet of Things) Raspberry PI-vel és AWS IoT Core „8 Óra Távoktatás”

8 órák

Összegzés:

  • Az IoT architektúra és funkcióinak alapjai
  • „Dolgok”, „Szenzorok”, Internet és az IoT üzleti funkciói közötti leképezés
  • Alapvető fontosságú az összes IoT szoftverkomponenshez – hardver, firmware, köztes szoftver, felhő és mobilalkalmazás
  • IoT funkciók – Flottakezelő, adatvizualizáció, SaaS alapú FM és DV, riasztás/riasztás, szenzorok beépítése, „dolgok” beépítése, geo-kerítés
  • Az IoT-eszközök felhővel történő kommunikációjának alapjai az MQTT-vel.
  • IoT-eszközök csatlakoztatása az AWS-hez MQTT-vel (AWS IoT Core).
  • A AWS IoT mag összekapcsolása AWS Lambda funkcióval a számításhoz és az adattároláshoz a DynamoDB használatával.
  • A Raspberry PI összekapcsolása AWS IoT maggal és egyszerű adatkommunikációval.
  • Használja a Raspberry PI-t és a AWS IoT Core-t az okoseszköz elkészítéséhez.
  • Szenzoradatok megjelenítése és kommunikáció webes felülettel.
Olvass tovább...

Gépi tanulás a Google Colab-ban

 14 órák

Ez a tanárvezető, élő képzés Magyarország (online vagy helyszínen) középfokú adattudósok és fejlesztők számára készült, akik szeretnének hatékonyan alkalmazni gépi tanulási algoritmusokat a Google Colab környezetben.

A képzés végeztével a résztvevők képesek lesznek:

  • Beállítani és navigálni a Google Colab-ot gépi tanulási projektekhez.
  • Egyértelműen megérteni és alkalmazni különböző gépi tanulási algoritmusokat.
  • Használni könyvtárakat, mint a Scikit-learn, az adatok elemzésére és előrejeleztetésére.
  • Alkalmazni felügyelt és nem felügyelt tanulási modelleket.
  • Hatékonyan optimalizálni és értékelni a gépi tanulási modelleket.
Olvass tovább...

Természetes nyelvi feldolgozás (NLP) az Google Colab segítségével

 14 órák

Ez az oktatói vezetett, élő képzés (online vagy helyszíni) középszakasz szintű adattudósoknak és fejlesztőknek szól, akik NLP technikákat szeretnének alkalmazni Python-vel Google Colab-ban.

A képzés végén a résztvevők képesek lesznek:

  • Megértetik az NLP alapvető fogalmait.
  • Előkészítenek és tisztítsanak szöveges adatokat NLP feladatokhoz.
  • Érzékelési elemzést végeznek NLTK és SpaCy könyvtárakkal.
  • Dolgoznak szöveges adatokkal Google Colab-ban skalázható és együttműködő fejlesztéshez.
Olvass tovább...

Python Programming alapok a Google Colab-val

14 órák

Ez oktatói vezette, élő (online vagy helyszíni) képzés arról szól, hogy kezdő szintű fejlesztők és adattisztítók tanuljanak Python programozást alapoktól kezdve Google Colab segítségével.

E képzés végén a résztvevők képesek lesznek:

  • Megérteni a Python programozási nyelv alapjait.
  • Python kódot valósítanak meg a Google Colab környezetben.
  • Ellenőrző struktúrákat használnak egy Python program folyamatának kezeléséhez.
  • Függvények létrehozására és hatékony kód-újrafelhasználásra.
  • Alapkönyvtárak használatához és felfedezéséhez Python programozásban.
Olvass tovább...

Rokon kategóriák

Cloud Computing
Cloud Computing