Cursuri de pregatire MLOps for Azure Machine Learning

Despre acest curs

În acest curs, elevii vor învăța cum să proiecteze și să dezvolte servicii care au acces la date locale și la distanță din diferite surse. Elevii vor învăța, de asemenea, cum să dezvolte și să implementeze servicii în mediile hibrid, inclusiv serverele on-premises și Microsoft Azure.

Profilul publicului

Principal: dezvoltatorii.NET care doresc să învețe cum să dezvolte serviciile și să le implementeze în mediile hibrid. Secundar: dezvoltatorii.NET cu experiență de dezvoltare a aplicațiilor web care explorează dezvoltarea de aplicații noi sau portarea aplicațiilor existente către Microsoft Azure.

La finalizarea cursului

După finalizarea acestui curs, elevii vor putea:

• Descrie conceptele de bază ale dezvoltării serviciilor și strategiilor de acces la date folosind platforma.NET.
• Descrie platforma cloud Microsoft Azure și ofertele de găzduire a calculatoarelor, a datelor și a aplicațiilor.
• Proiectarea și dezvoltarea unei aplicații bazate pe date folosind Visual Studio 2017 și Entity Framework Core.
• Proiectarea, implementarea și utilizarea serviciilor HTTP folosind ASP.NET Core.
• Extindeți serviciile HTTP folosind ASP.NET Core.
• Serviciile de găzduire sunt disponibile și în Microsoft Azure.
• Dezvoltați servicii atât în mediile on-premises cât și în cloud și gestionați interfața și politica serviciilor lor.
• Alegeți o soluție de stocare a datelor, cache, distribuiți și sincronizați datele.
• Monitorizarea, log-ul și serviciile de rezolvare a problemelor.
• Descrie conceptele și standardele de identitate bazate pe cerere și implementează autentificarea și autorizarea cu Azure Active Directory.
• Creați aplicații de servicii scalabile.

Această instruire live, condusă de un instructor în Moldova (online sau la fața locului) se adresează inginerilor AI de nivel avansat și cercetătorilor de date cu experiență de la intermediară la avansată care doresc să îmbunătățească performanța modelului DeepSeek, să minimizeze latența și să implementeze eficient soluții AI utilizând practici MLOps moderne.

Până la sfârșitul acestui curs, participanții vor fi capabili să:

• Optimizarea modelelor DeepSeek pentru eficiență, acuratețe și scalabilitate.
• Să implementeze cele mai bune practici pentru MLOps și versionarea modelelor.
• Să implementeze modele DeepSeek pe infrastructura cloud și on-premise.
• Monitorizarea, întreținerea și scalarea eficientă a soluțiilor AI.

Dobândiți cunoștințele necesare pentru proiectarea soluției Azure AI prin construirea unui robot de chat pentru asistența clienților utilizând inteligența artificială din platforma Microsoft Azure, inclusiv înțelegerea limbajului și funcționalitatea AI pre-construită în serviciile cognitive Azure.

Această sesiune de training, condusă de un instructor, disponibilă în format Moldova (online sau la sediul clientului), este destinată profesioniștilor de nivel intermediar și avansat care doresc să construiască și să implementeze aplicații cloud bazate pe inteligență artificială folosind Microsoft Azure.

La finalizarea acestui training, participanții vor fi capabili să:

• Dezvolte aplicații bazate pe evenimente și serverless folosind Funcțiile Azure.
• Gestioneze soluțiile de stocare Azure și mașinile virtuale.
• Implementeze și scaleze aplicații web folosind Azure App Service și containere Docker.
• Integreze inteligență artificială, învățare automată și procesare a limbajului natural folosind Serviciile AI Azure.
• Utilizeze GitHub Copilot pentru a asista în dezvoltarea aplicațiilor cloud bazate pe inteligență artificială.

Această instruire live, condusă de un instructor în Moldova (online sau la fața locului) se adresează inginerilor care doresc să utilizeze platforma drag-and-drop Azure ML pentru a implementa Machine Learning sarcini de lucru fără a fi nevoiți să achiziționeze software și hardware și fără a se preocupa de întreținere și implementare.

La sfârșitul acestui training, participanții vor fi capabili să:

• Să scrie modele de învățare automată extrem de precise utilizând Python, R sau instrumente cu cod zero.
• Să utilizeze seturile de date și algoritmii disponibili Azure pentru a antrena și urmări modelele de învățare automată și de învățare profundă.
• Utilizați spațiul de lucru interactiv al Azure pentru a dezvolta în colaborare modele ML.
• Alegeți din diferite cadre ML acceptate de Azurecum ar fi PyTorch, TensorFlow și scikit-learn.

Despre acest curs

Acest curs de două zile este conceput pentru administratorii AWS Sysops interesați să învețe cum Azure este diferit de AWS și cum Azure este administrat. Cele mai importante subiecte ale ateliere sunt Azure Administrarea, Azure Networking, Azure Compute, Azure Storage, și Azure Governance. Acest atelier combină o conferință cu exerciții practice și discuții / revizuiri. În timpul atelierului, studenții vor construi o arhitectură fin-to-end care demonstrează principalele caracteristici discutate în curs.

Profilul publicului

Audiența pentru acest curs este un AWS Sysops Administrator Associate sau echivalent. Această persoană are un până la doi ani de experiență în implementarea, managementul și operațiunile AWS. Elevii care iau acest curs sunt interesați să învețe cum Azure este diferit de AWS și cum Azure este administrat. Elevii pot fi, de asemenea, interesați să ia examenul de certificare AZ-103 Microsoft Azure Administrator sau examenul de bază AZ-900 Azure.

Acest curs de instruire live, condus de un instructor în Moldova (online sau la fața locului) se adresează dezvoltatorilor care doresc să învețe cum să construiască microservicii pe Microsoft Azure Service Fabric (ASF).

La finalul acestui curs de formare, participanții vor fi capabili să:

• Utilizeze ASF ca platformă pentru construirea și gestionarea microserviciilor.
• Înțeleagă conceptele și modelele cheie de programare a microserviciilor.
• Să creeze un cluster în Azure.
• Să implementeze microservicii în incintă sau în cloud.
• Depanarea și depanarea unei aplicații de microservicii live.

Acest curs de formare live, condus de un instructor în Moldova (online sau la fața locului) se adresează dezvoltatorilor și cercetătorilor de date care doresc să construiască, să implementeze și să gestioneze fluxuri de lucru de învățare automată pe Kubernetes.

La finalul acestei formări, participanții vor fi capabili să:

• Să instaleze și să configureze Kubeflow în incintă și în cloud utilizând AWS EKS (Elastic Kubernetes Service).
• Să construiască, să implementeze și să gestioneze fluxuri de lucru ML bazate pe containere Docker și Kubernetes.
• Rulați conducte întregi de învățare automată pe diverse arhitecturi și medii cloud.
• Utilizarea Kubeflow pentru a genera și gestiona notebook-uri Jupyter.
• Construiți instruiri ML, reglarea hiperparametrilor și servirea sarcinilor de lucru pe mai multe platforme.

Acest curs de formare live, condus de un instructor în Moldova (online sau la fața locului) se adresează dezvoltatorilor și cercetătorilor de date care doresc să construiască, să implementeze și să gestioneze fluxuri de lucru de învățare automată pe Kubernetes.

La finalul acestei formări, participanții vor fi capabili să:

• Să instaleze și să configureze Kubeflow în incintă și în cloud.
• Să construiască, să implementeze și să gestioneze fluxuri de lucru ML bazate pe containere Docker și Kubernetes.
• Să ruleze conducte întregi de învățare automată pe diverse arhitecturi și medii cloud.
• Utilizarea Kubeflow pentru a genera și gestiona notebook-uri Jupyter.
• Construiți instruiri ML, reglarea hiperparametrilor și servirea sarcinilor de lucru pe mai multe platforme.

Această instruire live, condusă de un instructor în Moldova (online sau la fața locului) se adresează inginerilor care doresc să implementeze Machine Learning sarcini de lucru pe un server AWS EC2.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați Kubernetes, Kubeflow și alte software-uri necesare pe AWS.
.
• Utilizați EKS (Elastic Kubernetes Service) pentru a simplifica munca de inițializare a unui cluster Kubernetes pe AWS.
.
• Creați și implementați un pipeline Kubernetes pentru automatizarea și gestionarea modelelor ML în producție.
.
• Învățați și implementați TensorFlow modele ML pe mai multe GPU și mașini care rulează în paralel.
.
• Utilizați alte servicii gestionate de AWS pentru a extinde o aplicație ML.
.

Această instruire live, condusă de un instructor în Moldova (online sau la fața locului) se adresează inginerilor care doresc să implementeze Machine Learning sarcini de lucru în cloud-ul Azure.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați Kubernetes, Kubeflow și alte software-uri necesare pe Azure.
• Utilizați Azure Kubernetes Service (AKS) pentru a simplifica munca de inițializare a unui cluster Kubernetes pe Azure.
.
• Creați și implementați o conductă Kubernetes pentru automatizarea și gestionarea modelelor ML în producție.
.
• Învățați și implementați TensorFlow modele ML pe mai multe GPU și mașini care rulează în paralel.
.
• Utilizați alte servicii gestionate de AWS pentru a extinde o aplicație ML.
.

Această instruire live (online sau la fața locului), susținută de un instructor, se adresează cercetătorilor în domeniul datelor care doresc să meargă dincolo de construirea de modele ML și să optimizeze procesul de creare, urmărire și implementare a modelelor ML.

Până la sfârșitul acestui curs, participanții vor fi capabili să:

• Instalați și configurați MLflow și bibliotecile și cadrele ML conexe.
• Să aprecieze importanța trasabilității, reproductibilității și capacității de implementare a unui model ML
• Să implementeze modele ML în diferite cloud-uri publice, platforme sau servere on-premise.
• Scalați procesul de implementare ML pentru a găzdui mai mulți utilizatori care colaborează la un proiect.
• Crearea unui registru central pentru experimentarea, reproducerea și implementarea modelelor ML.

Acest curs de formare live, condus de un instructor în Moldova (online sau la fața locului) se adresează inginerilor care doresc să evalueze abordările și instrumentele disponibile în prezent pentru a lua o decizie inteligentă privind calea de urmat în adoptarea MLOps în cadrul organizației lor.

La sfârșitul acestei formări, participanții vor fi capabili să:

• Să instaleze și să configureze diverse cadre și instrumente MLOps.
• Să formeze echipa potrivită, cu competențele potrivite pentru construirea și susținerea unui sistem MLOps.
• Să pregătească, să valideze și să versioneze datele pentru a fi utilizate de modelele ML.
• Înțelegerea componentelor unei conducte ML și a instrumentelor necesare pentru a construi una.
• Experimentarea cu diferite cadre și servere de învățare automată pentru implementarea în producție.
• Operaționalizarea întregului proces Machine Learning astfel încât acesta să poată fi reprodus și întreținut.