Kubeflow auf Azure Schulung

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene KI-Ingenieure und Datenwissenschaftler mit mittlerer bis fortgeschrittener Erfahrung, die die DeepSeek-Modellleistung verbessern, Latenzzeiten minimieren und KI-Lösungen mit modernen MLOps-Praktiken effizient einsetzen möchten.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Optimieren von DeepSeek-Modellen hinsichtlich Effizienz, Genauigkeit und Skalierbarkeit.
• Best Practices für MLOps und Modellversionierung zu implementieren.
• DeepSeek-Modelle in einer Cloud- und On-Premise-Infrastruktur bereitzustellen.
• KI-Lösungen effektiv zu überwachen, zu warten und zu skalieren.

Microsoft Azure-Infrastruktur und -Bereitstellung

Dieses Training ermöglicht es den Teilnehmern, ihre Fähigkeiten im Entwurf von Microsoft Azure-Lösungen zu verbessern.

Nach diesem Training werden die Teilnehmer die Funktionen und Möglichkeiten der Azure-Dienste verstehen, um Kompromisse identifizieren und Entscheidungen für den Entwurf öffentlicher und hybrider Cloudlösungen treffen zu können.

Während des Trainings werden die geeigneten Infrastruktur- und Plattformlösungen definiert, um die erforderlichen funktionalen, operativen und Bereitstellungsanforderungen durch den gesamten Lösungslebenszyklus zu erfüllen.

Dieses von einem Trainer angeführte, live-Training in Schweiz (online oder vor Ort) richtet sich an Entwickler, die lernen möchten, wie man Mikro-Services auf Microsoft Azure Service Fabric (ASF) erstellt.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• ASF als Plattform für das Erstellen und Verwalten von Mikro-Services zu nutzen.
• Schlüsselkonzepte und Modelle des Mikro-Services-Programmierens zu verstehen.
• Einen Cluster in Azure zu erstellen.
• Mikro-Services lokal oder in der Cloud bereitzustellen.
• Eine live-Mikro-Services-Anwendung zu debuggen und Fehler zu beheben.

Der Azure Bot Service kombiniert die Macht des Microsoft Bot Frameworks und der Azure Functions, um eine schnelle Entwicklung intelligenter Bots zu ermöglichen.

In diesem von einem Trainer geleiteten Live-Training werden die Teilnehmer lernen, wie man mithilfe von Microsoft Azure einen intelligenten Bot erstellt.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen intelligenter Bots zu verstehen
• Zu lernen, wie man intelligente Bots mit Cloudanwendungen erstellt
• Auszukennen, wie man das Microsoft Bot Framework, den Bot Builder SDK und den Azure Bot Service verwendet
• zu verstehen, wie man Bots mithilfe von Botmustern entwirft
• Ihren ersten intelligenten Bot mit Microsoft Azure zu entwickeln

Zielgruppe

• Entwickler
• Hobby-Programmierer
• Ingenieure
• IT-Professionals

Kursformat

• Teil Vorlesung, teil Diskussion, Übungen und intensive praktische Anwendung

In diesem von einem Trainer geleiteten Live-Training in Schweiz (vor Ort oder remote) lernen die Teilnehmer die grundlegenden Konzepte, Komponenten und Dienste von Microsoft Azure kennen, während sie eine Beispiel-Cloudanwendung erstellen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen von Microsoft Azure zu verstehen
• Die verschiedenen Azure-Tools und -Dienste zu erkennen
• Zu lernen, wie man Azure für das Erstellen von Cloudanwendungen nutzt

Internet of Things (IoT) ist eine Netzwerkinfrastruktur, die physische Objekte und Softwareanwendungen drahtlos miteinander verbindet und es ihnen ermöglicht, miteinander zu kommunizieren und Daten über Netzwerkkommunikation, Cloud Computing und Datenerfassung auszutauschen. Azure ist ein umfassender Satz von Cloud-Diensten, der eine IoT-Suite aus vorkonfigurierten Lösungen bietet, die Entwicklern helfen, die Entwicklung von IoT-Projekten zu beschleunigen.

In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer, wie sie IoT-Anwendungen mit Azure entwickeln.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• die Grundlagen der IoT-Architektur zu verstehen
• Installation und Konfiguration der Azure IoT Suite
• die Vorteile der Verwendung von Azure bei der Programmierung von IoT-Systemen kennenlernen
• Verschiedene Azure IoT-Dienste implementieren (IoT Hub, Funktionen, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management)
• Aufbau, Test, Bereitstellung und Fehlerbehebung eines IoT-Systems mit Azure

Zielgruppe

• Entwickler
• Ingenieure

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen

Hinweis

• Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die Workflows für maschinelles Lernen auf Kubernetes erstellen, einsetzen und verwalten möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installation und Konfiguration von Kubeflow vor Ort und in der Cloud mit AWS EKS (Elastic Kubernetes Service).
• ML-Workflows auf der Grundlage von Docker-Containern und Kubernetes zu erstellen, bereitzustellen und zu verwalten.
• Ausführen ganzer Pipelines für maschinelles Lernen auf verschiedenen Architekturen und Cloud-Umgebungen.
• Verwendung von Kubeflow zum Erzeugen und Verwalten von Jupyter-Notebooks.
• ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg erstellen.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure, die Machine Learning Arbeitslasten auf einem AWS EC2-Server bereitstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und konfigurieren Sie Kubernetes, Kubeflow und andere benötigte Software auf AWS.
• Verwenden Sie EKS (Elastic Kubernetes Service), um die Initialisierung eines Kubernetes-Clusters auf AWS zu vereinfachen.
• Erstellen und Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
• Trainieren und Bereitstellen von TensorFlow ML-Modellen auf mehreren parallel laufenden GPUs und Rechnern.
• Nutzen Sie andere verwaltete AWS-Services, um eine ML-Anwendung zu erweitern.

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die Workflows für maschinelles Lernen auf Kubernetes erstellen, einsetzen und verwalten möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installation und Konfiguration von Kubeflow vor Ort und in der Cloud.
• ML-Workflows auf der Grundlage von Docker-Containern und Kubernetes zu erstellen, bereitzustellen und zu verwalten.
• Ganze Pipelines für maschinelles Lernen auf verschiedenen Architekturen und Cloud-Umgebungen auszuführen.
• Verwendung von Kubeflow zum Erstellen und Verwalten von Jupyter-Notebooks.
• ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg erstellen.

In dieser von einem Trainer geleiteten Live-Schulung in Schweiz (online oder vor Ort) lernen die Teilnehmer, wie sie eine Container-Umgebung im Produktionsmaßstab mit Kubernetes auf AKS einrichten und verwalten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Kubernetes auf AKS zu konfigurieren und zu verwalten.
• Einen Kubernetes-Cluster einzurichten, zu verwalten und zu skalieren.
• Containerisierte (Docker) Anwendungen auf Azure bereitzustellen.
• Eine bestehende Kubernetes-Umgebung von vor Ort in die AKS-Cloud migrieren.
• Integrieren Sie Kubernetes mit Continuous Integration (CI) Software von Drittanbietern.
• Sicherstellung von Hochverfügbarkeit und Disaster Recovery in Kubernetes.

Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Datenwissenschaftler, die über die Erstellung von ML-Modellen hinausgehen und den Prozess der Erstellung, Verfolgung und Bereitstellung von ML-Modellen optimieren möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installation und Konfiguration von MLflow und verwandten ML-Bibliotheken und -Frameworks.
• die Bedeutung der Nachvollziehbarkeit, Reproduzierbarkeit und Einsatzfähigkeit eines ML-Modells zu erkennen
• ML-Modelle auf verschiedenen öffentlichen Clouds, Plattformen oder On-Premise-Servern bereitzustellen.
• Skalierung des ML-Bereitstellungsprozesses, um die Zusammenarbeit mehrerer Benutzer an einem Projekt zu ermöglichen.
• Einrichtung eines zentralen Registers, um mit ML-Modellen zu experimentieren, sie zu reproduzieren und einzusetzen.

Dieses von einem Dozenten geführte, live Training in Schweiz (online oder vor Ort) richtet sich an Ingenieure, die die heutigen Ansätze und Tools bewerten möchten, um eine fundierte Entscheidung über den künftigen Weg zur Einführung von MLOps in ihrer Organisation zu treffen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Verschiedene MLOps-Frameworks und -Tools zu installieren und zu konfigurieren.
• Das richtige Team mit den richtigen Fähigkeiten für den Aufbau und die Unterstützung eines MLOps-Systems zusammenzustellen.
• Daten vorzubereiten, zu validieren und zu versionieren, um sie von ML-Modellen verwenden zu lassen.
• Die Komponenten eines ML-Pipelines und die benötigten Tools zu verstehen.
• Verschiedene maschinelle Lernframeworks und -Server für den Einsatz in der Produktion auszuprobieren.
• Den gesamten Machine-Learning-Prozess operationalisieren, sodass er reproduzierbar und wartbar ist.

Diese von einem Dozenten geleitete, live-Training (online oder vor Ort) richtet sich an maschinelles Lernen Ingenieure, die lernen möchten, wie sie Azure Machine Learning und Azure DevOps verwenden können, um MLOps-Praktiken zu implementieren.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Reproduzierbare Workflows und maschinelle Lernmodelle erstellen.
• Den Lebenszyklus des maschinellen Lernens verwalten.
• Die Versionsgeschichte, Ressourcen und weitere Informationen der Modelle nachzuverfolgen und zu dokumentieren.
• Bereitstellungsreife maschinelle Lernmodelle überall bereitzustellen.