MLOps for Azure Machine Learning Treningskurs

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot avanserte AI-ingeniører og dataforskere med middels til avansert erfaring som ønsker å forbedre DeepSeek modellytelse, minimere latens og distribuere AI løsninger effektivt ved bruk av moderne MLOps praksis.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Optimaliser DeepSeek-modeller for effektivitet, nøyaktighet og skalerbarhet.
• Implementer beste praksis for MLOps og modellversjon.
• Distribuer DeepSeek-modeller på skyen og lokal infrastruktur.
• Overvåk, vedlikehold og skaler AI-løsninger effektivt.

Denne opplæringen lar delegatene forbedre ferdighetene sine i Microsoft Azure løsningsdesign.

Etter denne opplæringen vil delegaten forstå funksjonene og egenskapene til Azure tjenester, for å kunne identifisere avveininger og ta beslutninger for utforming av offentlige og hybride skyløsninger.

Under opplæringen vil passende infrastruktur og plattformløsninger for å møte de nødvendige funksjonelle, operasjonelle og distribusjonskravene gjennom løsningens livssyklus bli definert.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å lære hvordan man bygger mikrotjenester på Microsoft Azure Service Fabric (ASF).

Ved slutten av denne opplæringen vil deltakerne kunne:

• Bruk ASF som en plattform for å bygge og administrere mikrotjenester.
• Forstå nøkkelprogrammeringskonsepter og -modeller for mikrotjenester.
• Opprett en klynge i Azure.
• Distribuer mikrotjenester i lokalene eller i skyen.
• Feilsøk og feilsøk en live mikrotjenesteapplikasjon.

Azure Bot Service kombinerer kraften i Microsoft Bot Framework og Azure funksjoner for å muliggjøre rask utvikling av intelligente roboter.

I denne instruktørledede, liveopplæringen, vil deltakerne lære hvordan de enkelt kan lage en intelligent bot ved hjelp av Microsoft Azure

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lære grunnleggende om intelligente boter
• Lære hvordan man lager intelligente boter ved hjelp av skyapplikasjoner
• Forstå hvordan man bruker Microsoft Bot Framework, Bot Builder SDK og Azure Bot Service
• Forstå hvordan man designer boter ved hjelp av botmønstre
• Utvikle sin første intelligente bot ved hjelp av Microsoft Azure

Publikum

• Utviklere
• Hobbyister
• Ingeniører
• IT-profesjonelle

Kursets format

• Delt forelesning, del diskusjon, øvelser og mye praktisk trening

I denne instruktørledede, live treningen på Norge (på sted eller fjern) vil deltakerne lære de grunnleggende konseptene, komponentene og tjenestene i Microsoft Azure mens de går gjennom opprettelsen av et eksempel på en skyapplikasjon.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå grunnleggende prinsipper i Microsoft Azure
• Forstå de ulike Azure verktøyene og tjenestene
• Lære å bruke Azure for å bygge skyapplikasjoner

Internet of Things (IoT) er en nettverksinfrastruktur som kobler sammen fysiske objekter og programvareapplikasjoner trådløst, slik at de kan kommunisere med hverandre og utveksle data via nettverkskommunikasjon, cloud computing og datafangst. Azure er et omfattende sett med skytjenester som tilbyr en IoT Suite bestående av forhåndskonfigurerte løsninger som hjelper utviklere med å akselerere utviklingen av IoT-prosjekter.

I denne instruktørledede, live-opplæringen vil deltakerne lære å utvikle IoT-applikasjoner ved å bruke Azure.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå det grunnleggende om IoT-arkitektur
• Installer og konfigurer Azure IoT Suite
• Lær fordelene ved å bruke Azure i programmering av IoT-systemer
• Implementer forskjellige Azure IoT-tjenester (IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management)
• Bygg, test, distribuer og feilsøk et IoT-system ved hjelp av Azure

Publikum

• Utviklere
• Ingeniører

Format på kurset

• Del forelesning, del diskusjon, øvelser og tung praktisk praksis

Note

• For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.

Denne instruktørledede, direkteopplæringen 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 containere og Kubernetes.
• Kjør hele maskinlæringspipelines på forskjellige arkitekturer og skymiljøer.
• Bruke Kubeflow til å skape og administrere Jupyter-notatbøker.
• Bygg ML-trening, justering av hyperparameter og betjening av arbeidsbelastninger på tvers av flere plattformer.

Denne instruktørledede, direkteopplæringen 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.
• Bygg, distribuer og administrer ML-arbeidsflyter basert på Docker containere 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.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å distribuere Machine Learning arbeidsbelastninger til en AWS EC2-server.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Kubernetes, Kubeflow og annen nødvendig programvare på AWS.
• Bruk EKS (Elastic Kubernetes Service) for å forenkle arbeidet med å initialisere en Kubernetes-klynge på AWS.
• 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 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.

I denne instruktørledede, live-opplæringen i Norge (online eller på stedet), vil deltakerne lære å sette opp og administrere et produksjonsskala containermiljø ved å bruke Kubernetes på AKS.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Konfigurer og administrer Kubernetes på AKS.
• Distribuer, administrer og skaler en Kubernetes-klynge.
• Distribuer containeriserte (Docker) applikasjoner på Azure.
• Migrer et eksisterende Kubernetes miljø fra lokalt til AKS-skyen.
• Integrer Kubernetes med tredjepartsprogramvare for kontinuerlig integrasjon (CI).
• Sørg for høy tilgjengelighet og katastrofegjenoppretting i Kubernetes.

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 ingeniører som ønsker å evaluere tilnærmingene og verktøyene som er tilgjengelige i dag, for å ta en intelligent avgjørelse på veien videre med å ta i bruk MLOps i sin 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 Machine Learning-prosessen slik at den er reproduserbar og vedlikeholdbar.