Курс за обучение по MLOps за Azure Machine Learning

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.

Това обучение позволява на делегатите да подобрят своите Microsoft умения за проектиране на решения за Azure.

След това обучение делегатът ще разбере функциите и възможностите на Azure услугите, за да може да идентифицира компромиси и да взема решения за проектиране на публични и хибридни облачни решения.

По време на обучението ще бъдат дефинирани подходящите инфраструктурни и платформени решения, които да отговарят на необходимите функционални, оперативни изисквания и изисквания за внедряване през жизнения цикъл на решението.

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

До края на това обучение участниците ще могат:

• Използвайте ASF като платформа за изграждане и управление на микроуслуги.
• Разберете ключови концепции и модели за програмиране на микроуслуги.
• Създайте клъстер в Azure.
• Внедрете микроуслуги на място или в облака.
• Отстраняване на грешки и отстраняване на неизправности в живо приложение за микросервизи.

Услугата Azure Bot комбинира мощността на функциите Microsoft Bot Framework и Azure, за да позволи бързо разработване на интелигентни ботове.

В това водено от инструктор обучение на живо участниците ще се научат как лесно да създадат интелигентен бот с помощта на Microsoft Azure

До края на това обучение участниците ще могат:

• Научат основните принципи на интелигентните ботове
• Научат как да създават интелигентни ботове, използвайки облачни приложения
• Разберат как да използват Microsoft Bot Framework, Bot Builder SDK, и Azure Bot Service
• Разберат как да проектират ботове, използвайки шаблони за ботове
• Разработят своя първи интелигентен бот с помощта на Microsoft Azure

Публика

• Разработчици
• Хобисти
• Инженери
• ИТ специалисти

Формат на курса

• Част лекции, част дискусии, упражнения и много практика на място

В това обучение с инструктор, провеждано на място или онлайн, участниците ще научат основните концепции, компоненти и услуги на Microsoft Azure, докато следват създаването на примерна облачна приложение.

До края на това обучение участниците ще могат:

• Да разберат основите на Microsoft Azure
• Да разберат различните инструменти и услуги на Azure
• Да научат как да използват Azure за изграждане 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 водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които желаят да внедрят Machine Learning работни натоварвания на AWS EC2 сървър.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Kubernetes, Kubeflow и друг необходим софтуер на AWS.
• Използвайте EKS (Elastic Kubernetes Service), за да опростите работата по инициализиране на Kubernetes клъстер на AWS.
• Създайте и разположете конвейер на Kubernetes за автоматизиране и управление на ML модели в производството.
• Обучете и разположете TensorFlow ML модели в множество GPU и машини, работещи паралелно.
• Използвайте други услуги, управлявани от AWS, за да разширите ML приложение.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които желаят да разположат Machine Learning работни натоварвания в облак Azure.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Kubernetes, Kubeflow и друг необходим софтуер на Azure.
• Използвайте Azure Kubernetes Service (AKS), за да опростите работата по инициализиране на Kubernetes клъстер в Azure.
• Създайте и разположете конвейер на Kubernetes за автоматизиране и управление на ML модели в производството.
• Обучете и внедрите TensorFlow ML модели в множество GPU и машини, работещи паралелно.
• Използвайте други услуги, управлявани от AWS, за да разширите ML приложение.

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.