Kubeflow on AWS Treningskurs

Denne instruktørledede, live-opplæringen i (online eller på stedet) er rettet mot dataforskere som ønsker å gå lenger enn å bygge ML-modeller og optimalisere ML-modelloppretting, sporing og distribusjonsprosessen.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer MLflow og relaterte ML-biblioteker og rammeverk.
• Sett pris på viktigheten av sporbarhet, reproduserbarhet og distribusjon av en ML-modell
• Distribuer ML-modeller til forskjellige offentlige skyer, plattformer eller lokale servere.
• Skaler ML-implementeringsprosessen for å imøtekomme flere brukere som samarbeider om et prosjekt.
• Sett opp et sentralt register for å eksperimentere med, reprodusere og distribuere ML-modeller.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å integrere en DynamoDB NoSQL-database i en nettapplikasjon som er vert på AWS.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige utviklingsmiljøet for å begynne å integrere data i DynamoDB.
• Integrer DynamoDB i webapplikasjoner og mobilapplikasjoner.
• Flytt data i AWS med AWS-tjenester.
• Implementere operasjoner med AWS DAX.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å bruke AWS CloudFormation til å automatisere prosessen med å administrere AWS-skyinfrastruktur.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Aktiver AWS-tjenester for å komme i gang med å administrere infrastruktur.
• Forstå og anvende prinsippet om "infrastruktur som kode".
• Forbedre kvaliteten og senk kostnadene ved utplassering av infrastruktur.
• Skriv AWS CloudFormation maler med YAML.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot skyingeniører og utviklere som ønsker å bruke CloudFormation til å administrere infrastrukturressurser i AWS-økosystemet.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Implementer CloudFormation maler for å automatisere infrastrukturadministrasjon.
• Integrer eksisterende AWS-ressurser i CloudFormation.
• Bruk StackSets til å administrere stabler på tvers av flere kontoer og regioner.

Denne instruktørledede, live-opplæringen i Norge (på stedet eller ekstern) er rettet mot ingeniører som ønsker å distribuere og administrere IoT-enheter på AWS.

Ved slutten av denne opplæringen vil deltakerne være i stand til å bygge en IoT-plattform som inkluderer distribusjon og administrasjon av en backend, gateway og enheter på toppen av AWS.

Summery:

• Basics of IoT architecture and functions
• “Things”, “Sensors”, Internet and the mapping between business functions of IoT
• Essential of all IoT software components- hardware, firmware, middleware, cloud and mobile app
• IoT functions- Fleet manager, Data visualization, SaaS based FM and DV, alert/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Basics of IoT device communication with cloud with MQTT.
• Connecting IoT devices to AWS with MQTT (AWS IoT Core).
• Connecting AWS IoT core with AWS Lambda function for computation and data storage.
• Connecting Raspberry PI with AWS IoT core and simple data communication.
• Alerts and events
• Sensor calibration

Summary:

• Basics of IoT architecture and functions
• “Things”, “Sensors”, Internet and the mapping between business functions of IoT
• Essential of all IoT software components- hardware, firmware, middleware, cloud and mobile app
• IoT functions- Fleet manager, Data visualization, SaaS based FM and DV, alert/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Basics of IoT device communication with cloud with MQTT.
• Connecting IoT devices to AWS with MQTT (AWS IoT Core).
• Connecting AWS IoT core with AWS Lambda function for computation and data storage using DynamoDB.
• Connecting Raspberry PI with AWS IoT core and simple data communication.
• Hands on with Raspberry PI and AWS IoT Core to build a smart device.
• Sensor data visualization and communication with web interface.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å installere, konfigurere og administrere AWS IoT Greengrass-funksjoner for å lage applikasjoner for ulike enheter.

Ved slutten av denne opplæringen vil deltakerne kunne bruke AWS IoT Greengrass til å bygge, distribuere, administrere, sikre og overvåke applikasjoner på intelligente enheter.

Denne instruktørledede, live-opplæringen i Norge (på stedet eller ekstern) er rettet mot utviklere som ønsker å bruke AWS Lambda til å bygge og distribuere tjenester og applikasjoner til skyen, uten å måtte bekymre deg for å klargjøre utførelsesmiljøet (servere, VM-er og containere, tilgjengelighet, skalerbarhet, lagring osv.).

Ved slutten av denne opplæringen vil deltakerne kunne:

• Konfigurer AWS Lambda for å utføre en funksjon.
• Forstå FaaS (Functions as a Service) og fordelene med serverløs utvikling.
• Bygg, last opp og utfør AWS Lambda funksjoner.
• Integrer Lambda-funksjoner med forskjellige hendelseskilder.
• Pakk, distribuer, overvåk og feilsøk Lambda-baserte applikasjoner.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å integrere AWS Lambda applikasjoner og tjenester med andre tjenester (API Gateway, Kinesis Streams, etc.). Opplæringen viser hvordan du bruker den nettleserbaserte AWS Cloud9 IDE for å utvikle programvare i samarbeid.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Utvikle funksjoner, applikasjoner og tjenester i samarbeid med AWS Cloud9 IDE.
• Integrer AWS Lambda funksjoner med andre AWS-tjenester.
• Opprett og administrer APIer.
• Sett opp en AWS Lambda-funksjon for å lese og behandle strømmedata i sanntid.
• Opprett og administrer en kontinuerlig integrasjonspipeline for å bygge, teste og distribuere en AWS Lambda funksjoner og applikasjoner.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å evaluere tilnærmingene og verktøyene som er tilgjengelige i dag, for å ta en intelligent avgjørelse på veien videre for å ta i bruk MLOps i deres organisasjon.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer forskjellige MLOps rammeverk og verktøy.
• Sett sammen riktig type team med de rette ferdighetene for å konstruere og støtte et MLOps system.
• Forbered, valider og versjonsdata for bruk av ML-modeller.
• Forstå komponentene i en ML Pipeline og verktøyene som trengs for å bygge en.
• Eksperimenter med forskjellige maskinlæringsrammeverk og servere for distribusjon til produksjon.
• Operasjonaliser hele maskinlæringsprosessen slik at den er reproduserbar og vedlikeholdbar.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å distribuere Machine Learning arbeidsbelastninger til Azure-skyen.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Kubernetes, Kubeflow og annen nødvendig programvare på Azure.
• Bruk Azure Kubernetes Service (AKS) for å forenkle arbeidet med å initialisere en Kubernetes-klynge på Azure.
• Opprett og distribuer en Kubernetes-pipeline for å automatisere og administrere ML-modeller i produksjon.
• Tren og distribuer TensorFlow ML-modeller på tvers av flere GPUer og maskiner som kjører parallelt.
• Utnytt andre AWS-administrerte tjenester for å utvide en ML-applikasjon.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å distribuere Machine Learning arbeidsbelastninger til Google Cloud Platform (GCP).

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Kubernetes, Kubeflow og annen nødvendig programvare på GCP og GKE.
• Bruk GKE (Kubernetes Kubernetes Engine) for å forenkle arbeidet med å initialisere en Kubernetes-klynge på GCP.
• Opprett og distribuer en Kubernetes-pipeline for å automatisere og administrere ML-modeller i produksjon.
• Tren og distribuer TensorFlow ML-modeller på tvers av flere GPUer og maskiner som kjører parallelt.
• Utnytt andre GCP-tjenester for å utvide en ML-applikasjon.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å distribuere Machine Learning arbeidsbelastninger til IBM Cloud Kubernetes Service (IKS).

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Kubernetes, Kubeflow og annen nødvendig programvare på IBM Cloud Kubernetes Service (IKS).
• Bruk IKS for å forenkle arbeidet med å initialisere en Kubernetes-klynge på IBM Cloud.
• Opprett og distribuer en Kubernetes-pipeline for å automatisere og administrere ML-modeller i produksjon.
• Tren og distribuer TensorFlow ML-modeller på tvers av flere GPUer og maskiner som kjører parallelt.
• Utnytt andre IBM Cloud-tjenester for å utvide en ML-applikasjon.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere og dataforskere som ønsker å bygge, distribuere og administrere arbeidsflyter for maskinlæring på Kubernetes.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Kubeflow på stedet og i skyen ved å bruke AWS EKS (Elastic Kubernetes Service).
• Bygg, distribuer og administrer ML-arbeidsflyter basert på Docker-beholdere og Kubernetes.
• Kjør hele maskinlæringspipelines på forskjellige arkitekturer og skymiljøer.
• Bruke Kubeflow til å skape og administrere Jupyter-notatbøker.
• Bygg ML-trening, justering av hyperparametere og betjening av arbeidsbelastninger på tvers av flere plattformer.