Курс за обучение по Kubeflow on 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.

Този практически, водещ се от инструктор курс (онлайн или на място) е предназначен за професионалисти от средно до напреднало ниво, които желаят да създават и разгръщат облачни приложения, задвижвани от изкуствен интелект, използвайки Microsoft Azure.

В края на този курс участниците ще могат да:

• Разработват събитийно-базирани и безсървърни приложения, използвайки Azure Functions.
• Управляват решения за съхранение и виртуални машини на Azure.
• Разгръщат и мащабират уеб приложения, използвайки Azure App Service и Docker контейнери.
• Интегрират изкуствен интелект, машинно обучение и обработка на естествен език, използвайки Azure AI Services.
• Използват GitHub Copilot, за да подпомогнат разработването на облачни приложения, задвижвани от изкуствен интелект.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които желаят да използват Azure платформата за плъзгане и пускане на ML за внедряване на Machine Learning работни натоварвания, без да се налага да купуват софтуер и хардуер и без да имат да се тревожите за поддръжката и внедряването.

До края на това обучение участниците ще могат:

• Пишете високо точни модели за машинно обучение с помощта на Python, R или инструменти с нулев код.
• Използвайте наличните набори от данни и алгоритми на Azure за обучение и проследяване на модели за машинно обучение и задълбочено обучение.
• Използвайте интерактивното работно пространство на Azure за съвместно разработване на ML модели.
• Изберете от различни Azure-поддържани ML рамки като PyTorch, TensorFlow и scikit-learn.

Microsoft Azure Инфраструктура и внедряване

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 DevOps инженери, разработчици и ръководители на проекти, които желаят да използват Azure DevOps за изграждане и внедряване на оптимизирани корпоративни приложения по-бързо от традиционните подходи за разработка.

До края на това обучение участниците ще могат:

• Разберете основния DevOps речник и принципи.
• Инсталирайте и конфигурирайте необходимите Azure DevOps инструменти за разработка на софтуер.
• Използвайте инструменти и услуги на Azure DevOps, за да се адаптирате непрекъснато към пазара.
• Създавайте корпоративни приложения и оценявайте текущите процеси на разработка върху решенията на Azure DevOps.
• Управлявайте екипи по-ефективно и ускорете времето за внедряване на софтуера.
• Приемете DevOps практики за развитие в организацията.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към специалисти по данни, които желаят да използват Azure Machine Learning за изграждане на модели за машинно обучение от край до край за прогнозен анализ.

До края на това обучение участниците ще могат:

• Създавайте модели за машинно обучение с нулев опит в програмирането.
• Създайте предсказващи алгоритми с Azure Machine Learning.
• Разположете готови за производство алгоритми за машинно обучение.

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.

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 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.

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 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 водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които желаят да оценят подходите и инструментите, налични днес, за да вземат интелигентно решение относно пътя напред към приемането MLOps в рамките на тяхната организация.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте различни MLOps рамки и инструменти.
• Съберете правилния вид екип с правилните умения за изграждане и поддръжка на MLOps система.
• Подгответе, валидирайте и версирайте данни за използване от ML модели.
• Разберете компонентите на ML Pipeline и инструментите, необходими за изграждането му.
• Експериментирайте с различни рамки за машинно обучение и сървъри за внедряване в производство.
• Операционализирайте целия Machine Learning процес, така че да може да се възпроизвежда и поддържа.

Това водено от инструктор обучение на живо (онлайн или на място) е насочено към инженери за машинно обучение, които желаят да използват Azure Machine Learning и Azure DevOps за улесняване на MLOps практики.

До края на това обучение участниците ще могат:

• Изградете възпроизводими работни процеси и модели за машинно обучение.
• Управлявайте жизнения цикъл на машинното обучение.
• Проследявайте и докладвайте историята на версиите на модела, активите и др.
• Внедрете готови за производство модели за машинно обучение навсякъде.