MinIO Cloud Storage Stack Počítačový Kurz
MinIO je cloudový úložný server pro ukládání objektů a nestrukturovaných dat. Pomocí MinIO mohou uživatelé vytvářet vysokorychlostní infrastruktury, které jsou lehké a škálovatelné.
Toto instruktorově vedené živé školení (online nebo na místě) je určeno cloudovým inženýrům, kteří chtějí ukládat objekty a nestrukturovaná data pomocí MinIO.
Koncem tohoto školení budou účastníci schopni:
- Nabídnout alternativu k Unixovým příkazům s MinIO klientem.
- Používat MinIO pro vytváření vysokorychlostních infrastruktur pro strojové učení, analytiku a další účely.
- Nasazovat MinIO na Kubernetes pro orchestraci nasazení s možností škálování.
Formát kurzu
- Interaktivní přednáška a diskuse.
- Hodně cvičení a praxe.
- Přímé implementace v živé laboratoři.
Možnosti přizpůsobení kurzu
- Pro požadavek na přizpůsobené školení pro tento kurz, prosím kontaktujte nás k uspořádání.
Návrh Školení
Úvod
MinIO Object Storage
- Škálovatelnost
- Nativní cloudové
- Srozumitelnost s Amazon S3
Funkce a architektura MinIO
- Erasure encoding
- Šifrování
- Nepřetržitá replikace
- Multikloudový gateway
Příprava vývojového prostředí
- Instalace a konfigurace MinIO
- Instalace a konfigurace Hortonworks Data Platform
- Instalace a konfigurace Sparku
- Instalace a konfigurace klienta MinIO
- Testování s klientem MinIO
MinIO Server
- Spuštění serveru MinIO s erasure code
- Předávání umístění disků pro spuštění distribuované instance
- Rozšíření existující distribuované konfigurace
- Spuštění ukázkových aplikací
- Zajištění přístupu pomocí TLS
- Přidání koncových bodů
- Povolení oznámení z bucketu
- Migrace konfigurace a certifikátů TLS
- Nastavení konfigurací
- Hosting vícenásobných tenantů
Klient MinIO
- Spuštění klienta MinIO
- Přidání cloudového úložiště
- Porozumění příkazům klienta MinIO
- Přidání shell aliasů
Nasazení MinIO s Kubernetesem
- Vytváření a aktualizace distribuovaných clusterů MinIO pomocí operátora MinIO
- Použití Helm Chartu
- Nasazení s YAML soubory
Závěr a shrnutí
Požadavky
- Zkušenosti s shell scriptingem
Cílová skupina
- Cloudoví inženýři
Veřejné školení vyžaduje minimálně 5 účastníků.
MinIO Cloud Storage Stack Počítačový Kurz - Rezervace
MinIO Cloud Storage Stack Počítačový Kurz - Dotaz
MinIO Cloud Storage Stack - Dotaz ohledně konzultace
Reference (1)
Zjistil jsem nové zajímavé věci o Lambdě a serverless architektuře.
Oleg Buldumac - PUBLIC COURSE
Kurz - AWS Lambda for Developers
Přeloženo strojem
Nadcházející kurzy
Související kurzy
Pokročilé modely strojového učení s Google Colab
21 HodinyToto instruktorem vedeno živé školení v České republice (online nebo na místě) je určeno pokročilým profesionálům, kteří si přejí rozšířit své znalosti modelů strojového učení, zlepšit své dovednosti v optimalizaci hyperparametrů a naučit se, jak efektivně nasazovat modely pomocí Google Colab.
Na konci tohoto školení budou účastníci schopni:
- Implementovat pokročilé modely strojového učení pomocí populárních frameworků jako je Scikit-learn a TensorFlow.
- Optimalizovat výkon modelu prostřednictvím optimalizace hyperparametrů.
- Nasazovat modely strojového učení ve skutečných aplikacích pomocí Google Colab.
- Spolupracovat a spravovat velké projekty strojového učení v Google Colab.
AI pro zdravotnictví pomocí Google Colab
14 HodinyToto instruktorem vedené, živé školení v České republice (online nebo na místě) je zaměřeno na středně pokročilé datové analytiky a pracovníky zdravotnictví, kteří chtějí využít AI pro pokročilé aplikace v zdravotnictví pomocí Google Colab.
Na konci tohoto školení budou účastníci schopni:
- Implementovat AI modely pro zdravotnictví pomocí Google Colab.
- Používat AI pro prediktivní modelování v datách zdravotnictví.
- Analyzovat lékařské obrázky pomocí technik řízených AI.
- Prozkoumat etické aspekty v řešeních zdravotnictví založených na AI.
AWS IoT Core
14 HodinyToto živé školení vedené instruktorem v České republice (na místě nebo na dálku) je zaměřeno na inženýry, kteří chtějí nasadit a spravovat zařízení IoT na AWS.
Na konci tohoto školení budou účastníci schopni vybudovat platformu IoT, která zahrnuje nasazení a správu backendu, brány a zařízení nad AWS.
Amazon Web Services (AWS) IoT Greengrass
21 HodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí instalovat, konfigurovat a spravovat schopnosti AWS IoT Greengrass pro vytváření aplikací pro různá zařízení.
Na konci tohoto školení budou účastníci schopni používat AWS IoT Greengrass k vytváření, nasazení, správě, zabezpečení a monitorování aplikací na inteligentních zařízeních.
AWS Lambda pro Vývojáře
14 HodinyToto živé školení vedené instruktorem v České republice (na místě nebo na dálku) je zaměřeno na vývojáře, kteří chtějí používat AWS Lambda k vytváření a nasazování služeb a aplikací do cloudu, aniž by se museli starat o poskytování spouštěcího prostředí (servery, VM a kontejnery, dostupnost, škálovatelnost, úložiště atd.).
Na konci tohoto školení budou účastníci schopni:
- Pro provedení funkce nakonfigurujte AWS Lambda.
- Pochopte FaaS (Functions as a Service) a výhody bezserverového vývoje.
- Sestavte, nahrajte a spusťte funkce AWS Lambda.
- Integrujte funkce Lambda s různými zdroji událostí.
- Balíček, nasazení, monitorování a odstraňování problémů s aplikacemi založenými na Lambda.
Big Data Analytics s Google Colab a Apache Spark
14 HodinyTento instruktážní živý kurz (na místě nebo online) je určen pro středně pokročilé datové vědce a inženýry, kteří chtějí použít Google Colab a Apache Spark pro zpracování velkých dat a analytiku.
Po ukončení tohoto kurzu budou účastníci schopni:
- Nastavit prostředí pro velká data pomocí Google Colab a Sparku.
- Efektivně zpracovat a analyzovat výrazné datové sady pomocí Apache Spark.
- Visualizovat velká data ve spolupracovném prostředí.
- Integrace Apache Spark se cloudovými nástroji.
Úvod do Google Colab pro data science
14 HodinyTato instruktorem vedena živá školení v České republice (online nebo na místě) je určená začínajícím data scientištkám a IT profesionálům, kteří chtějí naučit se základy data science pomocí Google Colab.
Po absolvování tohoto školení budou účastníci schopni:
- Nastavit a orientovat se v Google Colab.
- Psát a spouštět základní Python kód.
- Importovat a spravovat datové soubory.
- Vytvářet vizualizace pomocí Python knihoven.
Google Colab Pro: Měřitelné Python a AI pracovní postupy v cloudu
14 HodinyGoogle Colab Pro je cloudové prostředí pro měřitelný vývoj v Pythonu, které nabízí vysokovýkonnostní GPU, delší časy běhu a více paměti pro náročné pracovní postupy AI a datových věd.
Tato školení pod vedením instruktora (online nebo na místě) je zaměřena na uživatelů Pythonu střední úrovně, kteří chtějí Google Colab Pro použít pro strojové učení, zpracování dat a spolupracující výzkum v silném prostředí notebooku.
Do konce tohoto školení budou účastníci schopni:
- Nastavit a spravovat cloudové Python notebooky pomocí Colab Pro.
- Přistupovat k GPU a TPU pro akcelerovaný výpočet.
- Optimalizovat pracovní postupy strojového učení pomocí populárních knihoven (např. TensorFlow, PyTorch, Scikit-learn).
- Integrovat se Službou Google Drive a externími zdroji dat pro spolupracující projekty.
Formát kurzu
- Interaktivní přednáška a diskuse.
- Množství cvičení a praktického procvičování.
- Praktická implementace v živém laboratorním prostředí.
Možnosti přizpůsobení kurzu
- Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás k uspořádání.
Počítačové vidění s Google Colab a TensorFlow
21 HodinyTuto vedenou instruktorem, živou školení v České republice (online nebo na místě) je zaměřeno na pokročilé odborníky, kteří si přejí hloubkověji pochopit počítačové vidění a využít možnosti TensorFlow pro vyvíjení sofistikovaných vizuálních modelů s využitím Google Colab.
Na konci tohoto školení budou účastníci schopni:
- Vytvářet a trénovat konvoluční neuronové sítě (CNN) pomocí TensorFlow.
- Využívat Google Colab pro škálovatelný a efektivní vývoj modelů na cloudu.
- Implementovat techniky předzpracování obrázků pro úlohy počítačového vidění.
- Nasazovat modely počítačového vidění do reálných aplikací.
- Používat transfer learning k zlepšení výkonu CNN modelů.
- Vizualizovat a interpretovat výsledky modelů klasifikace obrázků.
Hluboké učení s TensorFlow v Google Colab
14 HodinyTento instruktorově prováděný živý výcvik (na místě nebo online) je určen pro středně pokročilé datové vědce a programátory, kteří chtějí porozumět a aplikovat hlubokou školení pomocí prostředí Google Colab.
Koncepci tohoto výcviku budou účastníci schopni:
- nastavit a orientovat se v Google Colab pro projekty s hlubokým učením.
- porozumět základům neuronových sítí.
- implementovat modely hlubokého školení pomocí TensorFlow.
- trénovat a hodnocení modelů s hlubokým učením.
- využívání pokročilých funkcí TensorFlow pro hluboké učení.
Mistrnost v DevOps s použitím AWS Cloud9
21 HodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na pokročilé profesionály, kteří chtějí prohloubit své znalosti DevOps postupů a zefektivnit vývojové procesy pomocí AWS Cloud9.
Na konci tohoto školení budou účastníci schopni:
- Nastavte a nakonfigurujte AWS Cloud9 pro pracovní postupy DevOps.
- Implementujte potrubí kontinuální integrace a kontinuálního dodávání (CI/CD).
- Automatizujte procesy testování, monitorování a nasazení pomocí AWS Cloud9.
- Integrujte služby AWS, jako jsou Lambda, EC2 a S3, do pracovních postupů DevOps.
- Využijte systémy řízení zdrojů jako GitHub nebo GitLab v rámci AWS Cloud9.
Vývoj bezserverových aplikací v prostředí AWS Cloud9
14 HodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé profesionály, kteří se chtějí naučit efektivně vytvářet, nasazovat a udržovat aplikace bez serveru na AWS Cloud9 a AWS Lambda.
Na konci tohoto školení budou účastníci schopni:
- Pochopte základy architektury bez serveru.
- Nastavte AWS Cloud9 pro vývoj aplikací bez serveru.
- Vyvíjejte, testujte a nasazujte aplikace bez serveru pomocí AWS Lambda.
- Integrujte AWS Lambda s dalšími službami AWS, jako je API Gateway a S3.
- Optimalizujte bezserverové aplikace pro výkon a efektivitu nákladů.
Vizualizace dat pomocí Google Colab
14 HodinyTento instruktorův přímý živý výcvik na místě nebo online je určen pro začínající datové vědce, kteří chtějí naučit se vytvářet významné a vizuálně působivé datové vizualizace.
Koncepci tohoto výcviku budou účastníci schopni:
- Nastavit a orientovat se v Google Colab pro datovou vizualizaci.
- Vytvářet různé typy grafů pomocí Matplotlibu.
- Používat Seaborn pro pokročilé vizualizační techniky.
- Vlastněnit grafy na zlepšení prezentace a jasnosti.
- Efektivně interpretovat a prezentovat data pomocí vizuálních nástrojů.
Průmyslový výcvik IoT (Internet věcí) s Raspberry PI a AWS IoT Core
8 HodinyShrnutí:
- Základy architektury a funkcí IoT
- Concepty „věcí“ (Things), „senzorů“, internetu a mapování na obchodní funkce IoT
- Základní komponenty softwaru IoT – hardware, firmware, middleware, cloud a mobilní aplikace
- Functionality IoT – správce flotily (Fleet manager), vizualizace dat, FM a DV na bázi SaaS, upozornění/alarm, připojování senzorů, připojování „věcí“, geo-oplocení
- Základy komunikace IoT zařízení s cloudem prostřednictvím MQTT.
- Připojování IoT zařízení k AWS pomocí MQTT (AWS IoT Core).
- Připojení AWS IoT Core k funkci AWS Lambda pro výpočty a ukládání dat pomocí DynamoDB.
- Připojení Raspberry PI k AWS IoT Core a jednoduchá datová komunikace.
- Praktické zkušenosti s Raspberry PI a AWS IoT Core pro vytvoření chytrého zařízení.
- Vizualizace dat ze senzorů a komunikace s webovým rozhraním.
Machine Learning s Google Colab
14 HodinyToto instruktorem vedené živé školení v České republice (online nebo na místě) je určeno středně pokročilým datovým vědcům a programátorům, kteří chtějí efektivně používat algoritmy strojového učení v prostředí Google Colab.
Na konci tohoto školení budou účastníci schopni:
- Nastavit a navigovat v Google Colab pro projekty strojového učení.
- Porozumět a aplikovat různé algoritmy strojového učení.
- Používat knihovny jako Scikit-learn k analýze a predikci dat.
- Implementovat nadzorované a nezásahové modely učení.
- Optimalizovat a vyhodnocovat modely strojového učení efektivně.