MLOps for Azure Machine Learning Képzés

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a haladó szintű mesterségesintelligencia-mérnököknek és adattudósoknak szól, akik közép-haladó tapasztalattal rendelkeznek, akik szeretnék javítani DeepSeek a modell teljesítményét, minimalizálni a késleltetést és bevezetni az AI-t. megoldásokat hatékonyan a modern MLOps gyakorlatot alkalmazva.

A képzés végére a résztvevők képesek lesznek:

• Optimalizálja az DeepSeek modelleket a hatékonyság, a pontosság és a méretezhetőség érdekében.
• Végezze el a MLOps és a modellverziók bevált gyakorlatait.
• Telepítsen DeepSeek modelleket a felhőben és a helyszíni infrastruktúrában.
• Az AI-megoldások hatékony nyomon követése, karbantartása és méretezése.

Ez a képzés lehetővé teszi a küldöttek számára, hogy fejlesszék Microsoft Azure megoldástervezési készségeiket.

A képzés után a delegált megismeri a Azure szolgáltatások jellemzőit és képességeit, hogy képes legyen felismerni a kompromisszumokat, és döntéseket hozni a nyilvános és hibrid felhőmegoldások tervezésére vonatkozóan.

A képzés során meghatározzák azokat a megfelelő infrastrukturális és platformmegoldásokat, amelyek megfelelnek a szükséges funkcionális, működési és telepítési követelményeknek a megoldás életciklusa során.

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

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 fejlesztőknek és adattudósoknak szól, akik gépi tanulási munkafolyamatokat szeretnének kiépíteni, telepíteni és kezelni a Kubernetes webhelyen.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja az Kubeflow-et a helyszínen és a felhőben az AWS EKS (Elastic Kubernetes szolgáltatás) segítségével.
• ML munkafolyamatok létrehozása, üzembe helyezése és kezelése Docker tárolók és Kubernetes alapján.
• Futtasson teljes gépi tanulási folyamatot különféle architektúrákon és felhőkörnyezeteken.
• Az Kubeflow használata Jupyter notebookok létrehozásához és kezeléséhez.
• Építsen ML képzést, hiperparaméter-hangolást, és szolgálja ki a munkaterheléseket több platformon.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a mérnököknek szól, akik Machine Learning munkaterhelést szeretnének telepíteni egy AWS EC2 szerverre.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a Kubernetes, Kubeflow és egyéb szükséges szoftvereket az AWS-en.
• Az EKS (Elastic Kubernetes Service) használatával leegyszerűsítheti a Kubernetes-fürt inicializálását az AWS-en.
• 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.

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.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek és adattudósoknak szól, akik gépi tanulási munkafolyamatokat szeretnének kiépíteni, telepíteni és kezelni a Kubernetes webhelyen.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja az Kubeflow-et a helyszínen és a felhőben.
• ML munkafolyamatok létrehozása, üzembe helyezése és kezelése Docker tárolók és Kubernetes alapján.
• Futtasson teljes gépi tanulási folyamatot különféle architektúrákon és felhőkörnyezeteken.
• Az Kubeflow használata Jupyter notebookok létrehozásához és kezeléséhez.
• Építsen ML képzést, hiperparaméter-hangolást, és szolgálja ki a munkaterheléseket több platformon.

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 az oktató által vezetett, élő (online vagy helyszíni) képzés azoknak az adattudósoknak szól, akik túl szeretnének menni az ML-modellek építésén, és optimalizálni szeretnék az ML-modell létrehozási, nyomon követési és telepítési folyamatát.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a MLflow-t és a kapcsolódó ML könyvtárakat és keretrendszereket.
• Értékelje az ML modell nyomon követhetőségének, reprodukálhatóságának és telepíthetőségének fontosságát
• Telepítsen ML modelleket különböző nyilvános felhőkre, platformokra vagy helyszíni kiszolgálókra.
• Méretezheti az ML-telepítési folyamatot, hogy több felhasználó is alkalmazkodjon egy projekten.
• Állítson be egy központi nyilvántartást az ML-modellek kísérletezéséhez, reprodukálásához és üzembe helyezéséhez.

Ez oktatói vezetett, élő képzés (online vagy helyszínen) azokra a mérnökökre céloz, akik értékelni szeretnék a mai nap rendelkezésre álló MLOps megközelítéseit és eszközeit, hogy intelligens döntést hozzanak az MLOps átvételéről az organizációjukban.

Ezen képzés végére a résztvevők képesek lesznek:

• Többféle MLOps keretrendszert és eszközt telepíteni és konfigurálni.
• Az MLOps rendszer létrehozásához és támogatásához szükséges megfelelő csapat összeállítására és kiképzésére.
• Adatokat felkészíteni, ellenőrizni és verziókönyvelni az ML modellek használatához.
• Az ML Pipeline komponenseit és az egyik építéséhez szükséges eszközöket megérteni.
• Különböző gépi tanulási keretrendszerekkel és szerverekkel kísérletezni a termeléshez történő telepítéshez.
• Az egész Machine Learning folyamatot operatívvá tenni úgy, hogy ismétlődhető és karbantartható legyen.