MLOps for Azure Machine Learning Počítačový Kurz

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na pokročilé inženýry AI a datové vědce se středně pokročilou až pokročilou zkušeností, kteří chtějí zlepšit DeepSeek výkon modelu, minimalizovat latenci a nasadit AI. řešení efektivně využívající moderní MLOps postupy.

Na konci tohoto školení budou účastníci schopni:

• Optimalizujte modely DeepSeek pro efektivitu, přesnost a škálovatelnost.
• Implementujte osvědčené postupy pro MLOps a modelování verzí.
• Nasaďte modely DeepSeek v cloudové a místní infrastruktuře.
• Efektivně monitorujte, udržujte a škálujte řešení AI.

Toto školení vedené instruktorem, probíhající online nebo prezenčně, je určeno profesionálům střední až pokročilé úrovně, kteří si přejí vytvářet a nasazovat cloudové aplikace s umělou inteligencí pomocí Microsoft Azure.

Na konci tohoto školení budou účastníci schopni:

• Vyvíjet událostmi řízené a serverless aplikace pomocí Azure Functions.
• Spravovat úložná řešení Azure a virtuální stroje.
• Nasazovat a škálovat webové aplikace pomocí Azure App Service a kontejnerů Docker.
• Integrovat umělou inteligenci, strojové učení a zpracování přirozeného jazyka pomocí Azure AI Services.
• Využít GitHub Copilot pro asistenci při vývoji cloudových aplikací s umělou inteligencí.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na inženýry, kteří chtějí používat Azure ML platformu drag-and-drop k nasazení Machine Learning pracovních zátěží, aniž by museli kupovat software a hardware a starat se o údržbu a nasazení.

Na konci tohoto školení budou účastníci schopni:

• Pište vysoce přesné modely strojového učení pomocí nástrojů Python, R nebo zero-code.
• Využijte dostupné datové sady a algoritmy Azure k trénování a sledování modelů strojového učení a hlubokého učení.
• Využijte interaktivní pracovní prostor Azure ke společnému vývoji modelů ML.
• Vyberte si z různých Azure podporovaných rámců ML, jako je PyTorch, TensorFlow a scikit-learn.

Microsoft Azure Infrastructure and Deployment

Toto školení umožňuje delegátům zlepšit Microsoft dovednosti v oblasti návrhu řešení Azure.

Po tomto školení delegát porozumí funkcím a možnostem služeb Azure, bude schopen identifikovat kompromisy a činit rozhodnutí pro navrhování veřejných a hybridních cloudových řešení.

Během školení budou definována vhodná řešení infrastruktury a platforem pro splnění požadovaných funkčních, provozních a implementačních požadavků v průběhu životního cyklu řešení.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na DevOps inženýry, vývojáře a projektové manažery, kteří chtějí využívat Azure DevOps k rychlejšímu vytváření a nasazování optimalizovaných podnikových aplikací než tradiční vývojové přístupy.

Na konci tohoto školení budou účastníci schopni:

• Pochopte základní DevOps slovní zásobu a principy.
• Nainstalujte a nakonfigurujte potřebné nástroje Azure DevOps pro vývoj softwaru.
• Využijte nástroje a služby Azure DevOps k neustálému přizpůsobování se trhu.
• Vytvářejte podnikové aplikace a vyhodnocujte aktuální vývojové procesy na řešeních Azure DevOps.
• Spravujte týmy efektivněji a urychlete dobu nasazení softwaru.
• Přijměte DevOps postupy rozvoje v rámci organizace.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří se chtějí naučit budovat mikroslužby na Microsoft Azure Service Fabric (ASF).

Na konci tohoto školení budou účastníci schopni:

• Použijte ASF jako platformu pro budování a správu mikroslužeb.
• Pochopte klíčové koncepty a modely programování mikroslužeb.
• Vytvořte shluk v Azure.
• Nasaďte mikroslužby v prostorách nebo v cloudu.
• Ladění a odstraňování problémů s živou aplikací mikroslužeb.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře a datové vědce, kteří chtějí vytvářet, nasazovat a spravovat pracovní postupy strojového učení na Kubernetes.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Kubeflow na místě a v cloudu pomocí AWS EKS (Elastic Kubernetes Service).
• Vytvářejte, nasazujte a spravujte pracovní postupy ML založené na Docker kontejnerech a Kubernetes.
• Spusťte celé kanály strojového učení na různých architekturách a cloudových prostředích.
• Použití Kubeflow k vytvoření a správě poznámkových bloků Jupyter.
• Vytvářejte školení ML, ladění hyperparametrů a obsluhu úloh na více platformách.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře a datové vědce, kteří chtějí vytvářet, nasazovat a spravovat pracovní postupy strojového učení na Kubernetes.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Kubeflow na místě a v cloudu.
• Vytvářejte, nasazujte a spravujte pracovní postupy ML založené na Docker kontejnerech a Kubernetes.
• Spusťte celé kanály strojového učení na různých architekturách a cloudových prostředích.
• Použití Kubeflow k vytvoření a správě poznámkových bloků Jupyter.
• Vytvářejte školení ML, ladění hyperparametrů a obsluhu úloh na více platformách.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na inženýry, kteří chtějí nasadit Machine Learning pracovní zátěže na server AWS EC2.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Kubernetes, Kubeflow a další potřebný software na AWS.
• Použijte EKS (Elastic Kubernetes Service) ke zjednodušení práce s inicializací clusteru Kubernetes na AWS.
• Vytvořte a nasaďte kanál Kubernetes pro automatizaci a správu modelů ML v produkci.
• Trénujte a nasazujte TensorFlow modely ML na více GPU a paralelně běžících počítačích.
• Využijte další spravované služby AWS k rozšíření aplikace ML.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na inženýry, kteří chtějí nasadit Machine Learning úlohy do cloudu Azure.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Kubernetes, Kubeflow a další potřebný software v Azure.
• Použijte Azure Kubernetes Service (AKS) ke zjednodušení práce s inicializací clusteru Kubernetes v Azure.
• Vytvořte a nasaďte kanál Kubernetes pro automatizaci a správu modelů ML v produkci.
• Trénujte a nasazujte TensorFlow modely ML na více GPU a paralelně běžících počítačích.
• Využijte další spravované služby AWS k rozšíření aplikace ML.

Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí jít nad rámec vytváření modelů ML a optimalizovat proces vytváření, sledování a nasazení modelu ML.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte MLflow a související knihovny a rámce ML.
• Oceňujte důležitost sledovatelnosti, reprodukovatelnosti a rozmístitelnosti modelu ML
• Nasaďte modely ML na různé veřejné cloudy, platformy nebo místní servery.
• Škálujte proces nasazení ML tak, aby vyhovoval více uživatelům spolupracujícím na projektu.
• Nastavte centrální registr pro experimentování s modely ML, jejich reprodukci a nasazení.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na inženýry, kteří chtějí vyhodnotit přístupy a nástroje, které jsou dnes k dispozici, aby mohli učinit inteligentní rozhodnutí o cestě vpřed při zavádění MLOps v rámci své organizace.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte různé MLOps rámce a nástroje.
• Sestavte správný druh týmu se správnými dovednostmi pro konstrukci a podporu MLOps systému.
• Připravte, ověřte a ověřte data pro použití v modelech ML.
• Pochopte součásti ML Pipeline a nástroje potřebné k jeho vytvoření.
• Experimentujte s různými rámcemi strojového učení a servery pro nasazení do produkce.
• Operacionalizujte celý proces Machine Learning tak, aby byl reprodukovatelný a udržitelný.