Azure Machine Learning (AML) Κομμάτι εκπαίδευσης
Το Azure Machine Learning (AML) είναι μια περιβάλλον βασισμένο στον χρηματοδοτικό κύκλο, στον νεφέλινο υπολογισμό, για την εκπαίδευση, διανομή, αυτομάτωμα διαχείριση και παρακολούθηση ML (Machine Learning) μοντέλων.
Αυτή η εκπαίδευση υπό την καθοδήγηση διαλεκτικών (online ή on-site) απευθύνεται σε μηχανικούς που επιθυμούν να χρησιμοποιήσουν τη διαδραστική πλατφόρμα drag-and-drop του Azure ML για να κατεβάσουν εργασίες Machine Learning χωρίς τον αναγκασμό να αγοράζουν λογισμικό και σκληρό λογισμικό και χωρίς τον αναγκασμό να ανησυχούν για διατήρηση και διανομή.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Να γράφουν ακριβή ML (Machine Learning) μοντέλα χρησιμοποιώντας Python, R, ή εργαλεία μηδενικού κώδικα.
- Να αξιοποιούν τα διαθέσιμα σύνολα δεδομένων και εφευρεματικά του Azure για να εκπαιδεύουν και να παρακολουθούν ML (Machine Learning) και deep-learning μοντέλα.
- Να χρησιμοποιούν το διαδραστικό εργασιακό περιβάλλον του Azure για να αναπτύσσουν ML (Machine Learning) μοντέλα συνεργατικά.
- Να επιλέγουν από διάφορες υποστηριζόμενες ML (Machine Learning) πλατφόρμες του Azure, όπως το PyTorch, TensorFlow και scikit-learn.
Μορφή Εκπαίδευσης
- Διαλεκτική και συζήτηση.
- Πολλά ασκήματα και πρακτική εξάσκηση.
- Εφαρμογή με τον χειριστή σε περιβάλλον live-lab.
Επιλογές Προσαρμογής Εκπαίδευσης
- Για να αιτηθείτε μια προσαρμοσμένη εκπαίδευση γι' αυτό το μάθημα, παρακαλώ επικοινωνήστε μαζί μας.
Εξέλιξη Κομματιού
Εισαγωγή
Συνολική Περίληψη των Χαρακτηριστικών και της Αρχιτεκτονικής του Azure Machine Learning (AML)
Συνολική Περίληψη ενός Τελικού Εργασιακού Κύκλου στο AML (Azure Machine Learning Pipelines)
Παροχή Ιδιωτικών Συστημάτων στο Σύννεφο
Σκέλεση (CPUs, GPUs και FPGAs)
Πλοήγηση στο Azure Machine Learning Studio
Προετοιμασία Δεδομένων
Κατασκευή Μοντέλου
Εκπαίδευση και Εξέταση ενός Μοντέλου
Καταχώρηση ενός Εκπαιδευμένου Μοντέλου
Κατασκευή Εικόνας Μοντέλου
Εγκατάσταση ενός Μοντέλου
Παρακολούθηση ενός Μοντέλου σε Παραγωγή
Διατυπώσεις τεχνικών προβλημάτων
Επίσημη και Συμπέρασμα
Απαιτήσεις
- Κατανόηση των εννοιών του μηχανικού μάθηματος.
- Γνώση των εννοιών της υπολογιστικής σε χλωρίδα.
- Γενική κατανόηση των περιέργων (Docker) και της διορθώσεως (Kubernetes).
- Η εμπειρία προγραμματισμού σε Python ή R είναι χρήσιμη.
- Εμπειρία εργασίας με γραμμή εντολών.
Δημοσίο
- Μηχανικοί δεδομένων πληροφορικής.
- Μηχανικοί DevOps ενδιαφέροντες για την αποστολή μοντέλων μηχανικού μάθηματος.
- Μηχανικοί υποδομής ενδιαφέροντες για την αποστολή μοντέλων μηχανικού μάθηματος.
- Μηχανικοί λογισμικού που επιθυμούν να αυτοματοποιήσουν την ολοκλήρωση και την αποστολή μοντέλων μηχανικού μάθηματος σε εφαρμογές τους.
Κομμάτια Εκπαίδευσης χρειάζονται 5+ συμμετέχοντες.
Azure Machine Learning (AML) Κομμάτι εκπαίδευσης - Κράτηση
Azure Machine Learning (AML) Κομμάτι εκπαίδευσης - Ζήτημα Συμβουλευτικής
Azure Machine Learning (AML) - Συμβουλευτική Αίτημα
Σχόλια (2)
Τα στοιχεία και ο τρόπος παρουσίασης.
Cristian Mititean - Accenture Industrial SS
Κομμάτι - Azure Machine Learning (AML)
Μηχανική Μετάφραση
Τα Ασκήσεις
Khaled Altawallbeh - Accenture Industrial SS
Κομμάτι - Azure Machine Learning (AML)
Μηχανική Μετάφραση
Εφεξής Μαθήματα
Σχετικά Μαθήματα
Κατασκευή Εφαρμογών Τεχνητής Νοημοσύνης στο Microsoft Azure
35 ΏρεςΑυτή η εκπαιδευτική περίοδος, υπό τη διοίκηση εκπαιδευτικών (online ή onsite), απευθύνεται σε επαγγελματίες μεταξύ μέσου και υψηλού επιπέδου που επιθυμούν να κατασκευάζουν και να αναδεικνύουν εφαρμογές με ισχύ AI χρησιμοποιώντας το Microsoft Azure.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Αναπτύσσουν εφαρμογές που αντιδρούν σε γεγονότα και serverless χρησιμοποιώντας τα Azure Functions.
- Διαχειρίζονται λύσεις αποθήκευσης και virtual machines στο Azure.
- Αναδεικνύουν και κλιμακώνουν web applications χρησιμοποιώντας το Azure App Service και Docker containers.
- Ενσωματώνουν AI, machine learning και επεξεργασία φυσικής γλώσσας χρησιμοποιώντας τα Azure AI Services.
- Εξεργάζονται με το GitHub Copilot για να βοηθήσουν στην ανάδειξη εφαρμογών με ισχύ AI.
Microsoft Azure Infrastructure and Deployment
35 ΏρεςMicrosoft Azure Infrastructure and Deployment
Δημιουργία AI Agents στο Microsoft Azure
7 ΏρεςΑυτή η ζωντανή εκπαίδευση, που παραδίδεται από εκπαιδευτή, στο Ελλάδα (online ή στο χώρο σας), απευθύνεται σε προγραμματιστές και τεχνικούς επαγγελματίες αρχικού / μεσαίου / προηγμένου επιπέδου, οι οποίοι επιθυμούν να χρησιμοποιήσουν το Microsoft Azure για να κατασκευάσουν, να δοκιμάσουν και να υλοποιήσουν AI agents για επιχειρησιακές εφαρμογές.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να: κατανοήσουν την αρχιτεκτονική των AI agents στο Azure, να δημιουργήσουν και να διαμορφώσουν έναν λειτουργικό agent, να συνδέσουν agents σε πηγές γνώσης της επιχείρησης, να αξιολογήσουν και να προετοιμάσουν τους agents για υλοποίηση.
Αρχιτεκτονική Λύσεων Microsoft Azure
14 ΏρεςΑυτή η κατάρτιση επιτρέπει στους μεταδότες να βελτιώσουν τις δεξιότητες σχεδιασμού λύσεων Microsoft Azure.
Μετά από αυτή την κατάρτιση, ο μεταδότης θα καταλαβαίνει τις λειτουργικές περιλήψεις και τις δυνατότητες των υπηρεσιών Azure, θα μπορεί να αναγνωρίζει εμπορικές συμβάσεις και να λαμβάνει αποφάσεις για την σχεδίαση δημόσιων και hybrid cloud λύσεων.
Κατά τη διάρκεια της κατάρτισης, θα οριστούν οι κατάλληλες λύσεις υποδομής και πλατφόρμας για να αποκρίνονται στις απαιτήσεις λειτουργικότητας, επιχειρησιακότητας και διαμόρφωσης μέσω του κύκλου ζωής της λύσης.
Azure DevOps Βασικά
14 ΏρεςΑυτή η εκπαίδευση με εξηγητή, διεξάγεται ζωντανά σε Ελλάδα (online ή onsite) και απευθύνεται σε DevOps Engineers, αναπτυκτές και διαχειριστές έργου που επιθυμούν να χρησιμοποιήσουν το Azure DevOps για να αναπτύξουν και να διακυβεύσουν βελτιωμένες επιχειρηματικές εφαρμογές ταχύτερα από τις παραδοσιακές μέθοδους ανάπτυξης.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Κατανοήσουν τη βασική λεξιλόγιο και αρχές DevOps.
- Εγκαταστήσουν και να ρυθμίσουν τα απαραίτητα εργαλεία Azure DevOps για την ανάπτυξη λογισμικού.
- Να χρησιμοποιήσουν τα εργαλεία και υπηρεσίες Azure DevOps για να προσαρμόζονται συνεχώς στην αγορά.
- Να αναπτύξουν επιχειρηματικές εφαρμογές και να εκτιμήσουν τις υφιστάμενες διαδικασίες ανάπτυξης με βάση τις λύσεις Azure DevOps.
- Να διαχειρίζονται ομάδες με αποδοτικότερο τρόπο και να επιταχύνουν τη χρονική περίοδο διακυβέυσης λογισμικού.
- Να υιοθετήσουν πρακτικές ανάπτυξης DevOps στην οργάνωσή τους.
Azure Machine Learning
14 ΏρεςΑυτή η καθοδηγούμενη από εκπαιδευτικό, ζωντανή εκπαίδευση σε Ελλάδα (online ή χώρος υπάρχοντας) στοχεύει σε επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν το Azure Machine Learning για να κατασκευάζουν μοντέλα μηχανικής μάθησης από ξεκίαση έως το τέλος, για προβλέψεις.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Κατασκευάζουν μοντέλα μηχανικής μάθησης χωρίς προηγούμενη εμπειρία προγραμματισμού.
- Δημιουργούν προβλητικές αλγόριθμους με το Azure Machine Learning.
- Εφαρμόζουν έτοιμα για παραγωγή μοντέλα μηχανικής μάθησης.
Azure Cloud Security
7 ΏρεςΑυτή η καθοδήγηση ζωντανού προσωπικού στο Ελλάδα (online ή onsite) απευθύνεται σε διαχειριστές ασφάλειας που επιθυμούν να ασφαλίσουν Azure workloads.
Εώς την ολοκλήρωση αυτής της κατάρτισης, οι συμμετέχοντες θα μπορούν να:
- Διαχειρίζονται την ασφάλεια host, δικτύου και περισσότερων.
- Οργανώνουν την ασφάλεια αποθήκευσης και βάσεων δεδομένων στο Azure.
- Εφαρμόζουν επίβλεψη ασφάλειας χρησιμοποιώντας πόρους του Azure.
- Προλαμβάνουν κυβερνοέργα επιθέσεις σε δεδομένα και υποδομές.
Azure Cloud Security Basic to Advanced
35 ΏρεςΑυτή η εκπαίδευση με οδηγό, live (online ή on-site) στο Ελλάδα, απευθύνεται σε διαχειριστές ασφάλειας που θέλουν να μάθουν πώς να ρυθμίζουν την ασφάλεια των νεφελινών της Azure για την προστασία των φόρτων εργασίας που λειτουργούν στην Azure.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Ρυθμίζουν την ασφάλεια των υπολογιστών και δικτύων.
- Ρυθμίζουν προχωρημένες επιλογές ασφάλειας της Azure.
- Χρησιμοποιούν την Azure για να προστατεύουν τα φόρτα εργασίας υπολογισμών στον νεφέλινο χώρο.
- Χρησιμοποιούν τις υπηρεσίες προστασίας των θέσεων εξυπηρέτησης κατά του μάλβαρ και των ιόων.
- Προστατεύουν φόρτα εργασίας συνεγγράμματος που λειτουργούν στην Azure.
Building Microservices with Microsoft Azure Service Fabric (ASF)
21 ΏρεςΑυτή η καθοδήγηση, που διεξάγεται υπό την καθοδήγηση εκπαιδευτικού σε Ελλάδα (online ή on-site), απευθύνεται σε προγραμματιστές που θέλουν να μάθουν πώς να κατασκευάζουν μικρουπηρεσίες με τη Microsoft Azure Service Fabric (ASF).
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Χρησιμοποιήσουν τη ASF ως πλατφόρμα για την κατασκευή και διαχείριση μικρουπηρεσιών.
- Κατανοήσουν βασικά εννοιακά στοιχεία και μοντέλα προγραμματισμού μικρουπηρεσιών.
- Δημιουργήσουν ένα cluster στο Azure.
- Κατασκευάσουν μικρουπηρεσίες εγχώρια ή στο cloud.
- Αποσφαλμάτωσουν και υποθεραπεύσουν μια ζωντανή εφαρμογή μικρουπηρεσίας.
Ανάπτυξη Έξυπνων Bots με το Azure
14 ΏρεςΗ υπηρεσία Azure Bot Service ενώνει τις δυνατότητες του Microsoft Bot Framework και των Azure Functions, παρέχοντας μια ισχυρή πλατφόρμα για την ταχεία δημιουργία έξυπνων bots.
Σε αυτό το εκπαιδευτικό σεμινάριο που διδάσκεται από ειδικό, οι συμμετέχοντες θα εξερευνήσουν πώς να αναπτύξουν αποτελεσματικά έξυπνα bots χρησιμοποιώντας το Microsoft Azure.
Μέχρι το τέλος της κατάρτισης, οι συμμετέχοντες θα μπορούν να:
Κατανοήσουν τις βασικές έννοιες πίσω από τα έξυπνα bots.
Χτίζουν έξυπνα bots χρησιμοποιώντας εφαρμογές βασισμένες στο cloud.
Αποκτήσουν πρακτικές γνώσεις σχετικά με το Microsoft Bot Framework, το SDK του Bot Builder και την υπηρεσία Azure Bot Service.
Εφαρμόσουν καθιερωμένα μοτίβα σχεδίασης bots σε πραγματικά σενάρια.
Δημιουργήσουν και αναπτύξουν το πρώτο τους έξυπνο bot χρησιμοποιώντας το Microsoft Azure.
Κοινό
Το μάθημα αυτό απευθύνεται σε προγραμματιστές, ερασιτέχνες, μηχανικούς και επαγγελματίες του χώρου των ΤΠΕ που ενδιαφέρονται για την ανάπτυξη bots.
Μορφή του μαθήματος
Η κατάρτιση συνδυάζει διαλέξεις και συζητήσεις με ασκήσεις, δίνοντας ιδιαίτερη έμφαση στην πρακτική εξάσκηση.
Azure Data Lake Storage Gen2
14 ΏρεςΑυτή η εκπαίδευση με διάλογο και ζωντανό εκπαιδευτή σε Ελλάδα (online or onsite) απευθύνεται σε δεδομένους προϊσταμένους μεγάλης κλίμακας, οι οποίοι επιθυμούν να μάθουν πώς να χρησιμοποιήσουν το Azure Data Lake Storage Gen2 για αποτελεσματικές λύσεις διαχείρισης δεδομένων.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:
- Να καταλάβουν την αρχιτεκτονική και τις κύριες χαρακτηριστικές του Azure Data Lake Storage Gen2.
- Να βελτιστοποιήσουν την αποθήκευση και την πρόσβαση στα δεδομένα για κόστος και απόδοση.
- Να ενσωματώσουν το Azure Data Lake Storage Gen2 με άλλες υπηρεσίες του Azure για ανάλυση και διαχείριση δεδομένων.
- Να αναπτύξουν λύσεις χρησιμοποιώντας την API του Azure Data Lake Storage Gen2.
- Να εντοπίζουν και να βελτιστοποιούν κοινά προβλήματα συντήρησης.
Generative AI με Azure OpenAI για Java Προγραμματιστές
14 ΏρεςΑυτή η επίδειξη μαθήματος με επικουρικό διδάσκοντα στο Ελλάδα (διαπράττονται ή πραγματικό τόπος) στοχεύει σε μέσου επίπεδου Java καταναλωτές, λογισμικού μηχανικού και φανατικούς του cloud που θέλουν να εκμεταλλευθούν το δυναμικό του Azure OpenAI για να δημιουργήσουν νοηματικά προγράμματα.
Ακολουθώντας αυτό το μάθημα, οι συμμετέχοντες θα είναι σε θέση να:
- Συνειδητοποιήσουν τους αρχές της Generative AI και τις εφαρμογές της.
- Εγκαταστήσουν και διαχειρίστε μια υπηρεσία Azure OpenAI.
- Συμβάλλουν τα μοντέλα του OpenAI σε Java εφαρμογές.
- Διαθέσουν χαρακτηριστικά AI προτεινόμενα μέσω των ιδρυμάτων web.
Εισαγωγή στο Azure
7 ΏρεςΣε αυτό το διδακτικό πρόγραμμα με εποπτεία εκπαιδευτή σε Ελλάδα (σε χώρο εργασίας ή απομακρυσμένα), οι συμμετέχοντες θα μάθουν τα βασικά όρια, συστατικά και υπηρεσίες του Microsoft Azure ενώ προχωρούν στη δημιουργία μιας δειγματικής εφαρμογής στον νεφέλι.
Στο τέλος αυτής της κατάρτισης, οι συμμετέχοντες θα είναι σε θέση να:
- Να καταλάβουν τα βασικά του Microsoft Azure
- Να κατανοήσουν τα διάφορα εργαλεία και υπηρεσίες του Azure
- Να μάθουν πώς να χρησιμοποιήσουν το Azure για τη δημιουργία εφαρμογών στον νεφέλι
Προγράμματα για IoT με το Azure
14 ΏρεςInternet of Things (IoT) είναι μια υποδομή δικτύου που συνδέει φυσικά αντικείμενα και εφαρμογές λογισμικού ασύρματα, επιτρέποντάς τους να επικοινωνούν μεταξύ τους και να ανταλλάσσουν δεδομένα μέσω επικοινωνιών δικτύου, υπολογιστικού νέφους και λήψης δεδομένων. Το Azure είναι ένα ολοκληρωμένο σύνολο υπηρεσιών cloud που προσφέρει μια σουίτα IoT που αποτελείται από προδιαμορφωμένες λύσεις που βοηθούν τους προγραμματιστές να επιταχύνουν την ανάπτυξη έργων IoT.
Σε αυτή τη ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών, οι συμμετέχοντες θα μάθουν πώς να αναπτύσσουν εφαρμογές IoT χρησιμοποιώντας το Azure.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανοήστε τις βασικές αρχές της αρχιτεκτονικής του IoT
- Εγκαταστήστε και διαμορφώστε το Azure IoT Suite
- Μάθετε τα οφέλη από τη χρήση του Azure στον προγραμματισμό συστημάτων IoT
- Υλοποιήστε διάφορες Azure υπηρεσίες IoT (IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management)
- Δημιουργία, δοκιμή, ανάπτυξη και αντιμετώπιση προβλημάτων ενός συστήματος IoT χρησιμοποιώντας το Azure
Ακροατήριο
- προγραμματιστές
- Μηχανικοί
Μορφή του μαθήματος
- Μέρος διάλεξη, μέρος συζήτηση, ασκήσεις και βαριά πρακτική εξάσκηση
Σημείωμα
- Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.
Kubeflow στο Azure
28 ΏρεςΑυτή η εκπαίδευση, η οποία υπόκειται στην καθοδήγηση του δάσκαλου (online ή on-site), απευθύνεται σε μηχανικούς που επιθυμούν να καταφέρουν να εφαρμόσουν φορτία δουλειάς μηχανικής μάθησης στο Azure cloud.
Το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:
- Εγκαταστήσουν και ρυθμίσουν το Kubernetes, Kubeflow και άλλες απαραίτητες λογισμικές στο Azure.
- Να χρησιμοποιήσουν την Azure Kubernetes Service (AKS) για να απλοποιήσουν τη δουλειά της εκκίνησης μιας κλωβοδέσμης Kubernetes στο Azure.
- Να δημιουργήσουν και να καταφέρουν να εφαρμόσουν ένα κλωβό πίπελα Kubernetes για την αυτομάτο χειρισμό και διαχείριση ML μοντέλων σε παραγωγή.
- Να εκπαιδεύσουν και να εφαρμόσουν TensorFlow ML μοντέλα σε διάφορες GPUs και υπολογιστές που λειτουργούν σε παράλληλη λειτουργία.
- Να εκμεταλλευτούν άλλες διαχειρισμένες υπηρεσίες AWS για να επεκταθούν σε μια ML εφαρμογή.