Курс за обучение по Kubeflow на Azure

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери с ИИ на напреднало ниво и учени по данни със среден до напреднал опит, които желаят да подобрят DeepSeek производителността на модела, да минимизират латентността и да внедрят ИИ решения, ефективно използващи модерни MLOps практики.

До края на това обучение участниците ще могат:

• Оптимизирайте DeepSeek модели за ефективност, точност и мащабируемост.
• Прилагане на най-добри практики за MLOps и моделиране на версии.
• Разположете DeepSeek модели в облачна и локална инфраструктура.
• Наблюдавайте, поддържайте и мащабирайте ефективно AI решенията.

Microsoft Azure Infrastructure and Deployment

Това обучение позволява на участниците да подобрят навиките си за проектиране на решения в Microsoft Azure.

След това обучение участникът ще разбира функционалността и възможностите на услугите Azure, които му позволяват да определя компромиси и да взима решения за проектиране на публични и хибридни обlacни решения.

По време на обучението ще се дефинират подходящите инфраструктурни и платформски решения, които да отговарят на функционалните, операционните и разполаганските изисквания през цикъла на живот на решението.

Това обучение, водено от инструктор, се провежда в България (онлайн или на място) и е насочено към разработчици, които желаят да научат как да изграждат микросервизи на Microsoft Azure Service Fabric (ASF).

По завършване на това обучение участниците ще могат да:

• Използват ASF като платформа за изграждане и управление на микросервизи.
• Разбират ключовите концепции и модели на програмирането с микросервиси.
• Създават кластър в Azure.
• Инсталират микросервизи локално или в облака.
• Отстраняват грешки и опитват реални приложения на микросервиси.

Услугата за ботове в Azure съединява мощта на Microsoft Bot Framework и Azure функции, за да позволява бързо разработване на интелигентни ботове.

В този курс с инструктор, участниците ще научат как да създават лесно интелигентен бот с Microsoft Azure.

Към края на обучението участниците ще могат да:

• Научават основните принципи на интелигентни ботове
• Научават как да създават интелигентни ботове с помощта на облачни приложения
• Разбираят как да използват Microsoft Bot Framework, Bot Builder SDK и Azure Bot Service
• Разбираят как да проектират ботове с помощта на шаблони за ботове
• Разработват първия си интелигентен бот с Microsoft Azure

Целева аудитория

• Разработчици
• Хобисти
• Инженери
• ИТ специалисти

Формат на курса

• Частично лекции, частично дискусии, упражнения и много практика на място

В този упражнения, воден от инструктор (на място или на разстояние), участниците ще научат основните концепции, компоненти и услуги на Microsoft Azure, докато създават примерно облачно приложение.

Край това обучение, участниците ще могат да:

• Разбиращ основните принципи на Microsoft Azure
• Разбиращ различните инструменти и услуги на Azure
• Научават как да използват Azure за създаване на облачни приложения

Internet of Things (IoT) е мрежова инфраструктура, която свързва безжично физически обекти и софтуерни приложения, позволявайки им да комуникират помежду си и да обменят данни чрез мрежови комуникации, облачни изчисления и събиране на данни. Azure е цялостен набор от облачни услуги, който предлага IoT Suite, състоящ се от предварително конфигурирани решения, които помагат на разработчиците да ускорят разработването на IoT проекти.

В това обучение на живо, ръководено от инструктор, участниците ще се научат как да разработват IoT приложения с помощта на Azure.

До края на това обучение участниците ще могат:

• Разберете основите на IoT архитектурата
• Инсталирайте и конфигурирайте Azure IoT Suite
• Научете предимствата от използването на Azure в програмирането на IoT системи
• Внедрете различни Azure IoT услуги (IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management)
• Изграждане, тестване, внедряване и отстраняване на проблеми с IoT система с помощта на Azure

Публика

• Разработчици
• Инженери

Формат на курса

• Част лекция, част дискусия, упражнения и тежка практическа практика

Забележка

• За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици и специалисти по данни, които желаят да изграждат, разгръщат и управляват работни процеси за машинно обучение на Kubernetes.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Kubeflow на място и в облака с помощта на AWS EKS (Elastic Kubernetes услуга).
• Изградете, разположете и управлявайте работни потоци на ML въз основа на Docker контейнери и Kubernetes.
• Изпълнявайте цели тръбопроводи за машинно обучение на различни архитектури и облачни среди.
• Използване на Kubeflow за създаване и управление на преносими компютри Jupyter.
• Изграждане на ML обучение, настройка на хиперпараметри и обслужване на работни натоварвания в множество платформи.

Това живо обучение под ръководството на инструктор (онлайн или на място) е предназначено за инженери, които искат да разгърнат задачи за машино-обучение на AWS EC2 сървър.

По края на обучението участниците ще могат:

• Инсталират и конфигурират Kubernetes, Kubeflow и друга необходима софтуера в AWS.
• Използват EKS (Elastic Kubernetes Service) за улесняване на работата по инициализирането на кластър Kubernetes в AWS.
• Създават и разгъват пайплайн на Kubernetes за автоматизиране и управление на ML модели в продажба.
• Обучават и разгъват TensorFlow ML модели върху няколко GPU и машини, работящи посредством паралелна обработка.
• Използват други управляеми услуги на AWS за разширяване на приложение за машино-обучение.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици и специалисти по данни, които желаят да изграждат, разгръщат и управляват работни процеси за машинно обучение на Kubernetes.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Kubeflow на място и в облака.
• Изградете, разположете и управлявайте работни потоци на ML въз основа на Docker контейнери и Kubernetes.
• Изпълнявайте цели тръбопроводи за машинно обучение на различни архитектури и облачни среди.
• Използване на Kubeflow за създаване и управление на преносими компютри Jupyter.
• Изграждане на ML обучение, настройка на хиперпараметри и обслужване на работни натоварвания в множество платформи.

В това водено от инструктор обучение на живо в България (онлайн или на място), участниците ще се научат как да настройват и управляват производствена контейнерна среда с помощта на Kubernetes на AKS.

До края на това обучение участниците ще могат:

• Конфигурирайте и управлявайте Kubernetes на AKS.
• Разположете, управлявайте и мащабирайте Kubernetes клъстер.
• Разположете контейнеризирани (Docker) приложения на Azure.
• Мигрирайте съществуваща Kubernetes среда от локална към AKS облак.
• Интегрирайте Kubernetes със софтуер за непрекъсната интеграция (CI) на трети страни.
• Осигурете висока наличност и възстановяване след бедствие в Kubernetes.

Това обучение на живо, ръководено от инструктори (онлайн или на място), е насочено към специалисти по данни, които желаят да надхвърлят изграждането на ML модели и да оптимизират процеса на създаване, проследяване и внедряване на ML модели.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте MLflow и свързаните ML библиотеки и рамки.
• Оценете важността на проследимостта, възпроизводимостта и разгръщането на ML модел
• Внедрете ML модели в различни обществени облаци, платформи или локални сървъри.
• Мащабирайте процеса на внедряване на ML, за да поемете множество потребители, които си сътрудничат по проект.
• Настройте централен регистър, за да експериментирате, възпроизвеждате и разгръщате ML модели.

Това обучение с инструктор, провеждано на живо (онлайн или на място), е насочено към инженери, които искат да оценят подходите и инструментите, налични днес, за да вземат интелигентно решение за път напред в приемането на MLOps в тяхната организация.

До края на това обучение участниците ще бъдат способни да:

• Инсталират и конфигурират различни рамки и инструменти за MLOps.
• Съставят правилният екип с нужните умения за изграждане и поддръжка на система за MLOps.
• Подготвят, валидират и версионират данни за използване от ML модели.
• Разберат компонентите на ML Пиплайна и инструментите, необходими за изграждане на такъв.
• Експериментират с различни рамки и сървъри за машинно обучение за развертане в производство.
• Операционализират целия процес на машинно обучение, така че да е повторяем и поддържаем.

Този обучение с инструктор (онлайн или на място) е насочено към инженери по машинно обучение, които искат да използват Azure Machine Learning и Azure DevOps за подобряване на практиките за MLOps.

До края на това обучение участниците ще могат да:

• Създават възпроизводими работни процеси и модели за машинно обучение.
• Управляват цикъла на машинното обучение.
• Следят и докладват историята на версиите на моделите, асетовете и повече.
• Разпространяват готови за производство модели за машинно обучение навсякъде.