MLOps voor Azure Machine Learning Training Cursus

Deze door een instructeur geleide, live training in België (online of onsite) is bedoeld voor AI-engineers en datawetenschappers op advanced niveau met tussenliggende tot geavanceerde ervaring die de modelprestaties willen verbeteren, de latentie willen minimaliseren en AI-oplossingen efficiënt willen implementeren met behulp van moderne praktijken.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• DeepSeek modellen optimaliseren op efficiency, nauwkeurigheid en schaalbaarheid.
• Best practices implementeren voor MLOps en modelversioning.
• DeepSeek modellen implementeren op cloud- en on-premise infrastructuur.
• AI-oplossingen effectief te monitoren, onderhouden en opschalen.

Dit trainingstijdperk stelt deelnemers in staat om hun vaardigheden in het ontwerpen van Microsoft Azure-oplossingen te verbeteren.

Na deze training zal de deelnemer de functionaliteit en mogelijkheden van Azure-services begrijpen, zodat ze afwegingen kunnen maken en beslissingen nemen voor het ontwerpen van oplossingen in de openbare en hybride cloud.

Tijdens de training worden de juiste infrastructuur- en platformoplossingen gedefinieerd om aan de functionele, operatieve en implementatievereisten te voldoen gedurende de levenscyclus van de oplossing.

Dit instructeurgeleide, live-training in België (online of on-site) is gericht op ontwikkelaars die willen leren hoe ze microservices kunnen bouwen met Microsoft Azure Service Fabric (ASF).

Na afloop van deze training zullen de deelnemers in staat zijn om:

• ASF te gebruiken als platform voor het bouwen en beheren van microservices.
• Basisprincipes en modellen van microservice-programmering te begrijpen.
• Een cluster in Azure te maken.
• Microservices on-premises of in de cloud te implementeren.
• Een live microservice-toepassing te debuggen en op te lossen.

De Azure Bot Service combineert de kracht van het Microsoft Bot Framework en Azure functies om een snelle ontwikkeling van intelligente bots mogelijk te maken.

In deze door een instructeur geleide live training leren deelnemers hoe ze eenvoudig een intelligente bot kunnen maken met behulp van Microsoft Azure

Aan het einde van deze training kunnen deelnemers:

• Learn the fundamentals of intelligent bots
• Learn how to create intelligent bots using cloud applications
• Understand how to use the Microsoft Bot Framework, the Bot Builder SDK, and the Azure Bot Service
• Understand how to design bots using bot patterns
• Develop their first intelligent bot using Microsoft Azure

Publiek

• Developers
• Hobbyists
• Engineers
• IT Professionals

Formaat van de cursus

• Part lecture, part discussion, exercises and heavy hands-on practice

In deze door een instructeur geleide, live training in België (ter plaatse of op afstand) leren de deelnemers de fundamentele concepten, componenten en diensten van Microsoft Azure terwijl zij door de creatie van een voorbeeld-cloudapplicatie stappen.

Aan het einde van deze training kunnen deelnemers:

• De basisbeginselen van Microsoft Azure begrijpen
• De verschillende Azure hulpmiddelen en diensten begrijpen
• Leren hoe ze Azure kunnen gebruiken voor het bouwen van cloudapplicaties

Internet of Things (IoT) is een netwerkinfrastructuur die fysieke objecten en softwaretoepassingen draadloos met elkaar verbindt, waardoor ze met elkaar kunnen communiceren en gegevens kunnen uitwisselen via netwerkcommunicatie, cloud computing en gegevensverzameling. Azure is een uitgebreide set cloudservices die een IoT-suite biedt die bestaat uit vooraf geconfigureerde oplossingen die ontwikkelaars helpen de ontwikkeling van IoT-projecten te versnellen.

In deze live training onder leiding van een instructeur leren deelnemers hoe ze IoT-toepassingen kunnen ontwikkelen met behulp van Azure.

Aan het einde van deze training zijn de deelnemers in staat om:

• Inzicht in de basisprincipes van IoT-architectuur
• Installeren en configureren Azure IoT Suite
• Leer de voordelen van het gebruik van Azure bij het programmeren van IoT-systemen
• Implementeer verschillende Azure IoT-services (IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management)
• Een IoT-systeem bouwen, testen, implementeren en problemen oplossen met behulp van Azure

Audiëntie

• Ontwikkelaars
• Ingenieurs

Opzet van de cursus

• Deels lezing, deels discussie, oefeningen en zware hands-on oefening

Notitie

• Om een training op maat voor deze cursus aan te vragen, neem dan contact met ons op om een afspraak te maken.

Deze live training onder leiding van een instructeur in België (online of ter plaatse) is bedoeld voor ontwikkelaars en datawetenschappers die machine learning-workflows willen bouwen, implementeren en beheren op Kubernetes.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Kubeflow on-premise en in de cloud met behulp van AWS EKS (Elastic Kubernetes Service).
• Bouw, implementeer en beheer ML-workflows op basis van Docker containers en Kubernetes.
• Voer volledige machine learning-pijplijnen uit op verschillende architecturen en cloudomgevingen.
• Kubeflow gebruiken om Jupyter-notebooks te maken en te beheren.
• Bouw ML-training, hyperparameterafstemming en het serveren van workloads op meerdere platforms.

Deze instructeur-geleide, live training in België (op locatie of op afstand) is gericht op ingenieurs die Machine Learning workloads willen implementeren op een AWS EC2-server.

Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer Kubernetes, Kubeflow en andere benodigde software op AWS.
• Gebruik EKS (Elastic Kubernetes Service) om het initialiseren van een Kubernetes-cluster op AWS te vereenvoudigen.
• Maak en implementeer een Kubernetes-pijplijn voor het automatiseren en beheren van ML-modellen in productie.
• Train en implementeer TensorFlow ML-modellen over meerdere GPU's en machines die parallel draaien.
• Maak gebruik van andere door AWS beheerde services om een ML-applicatie uit te breiden.

Deze door een instructeur geleide, live training in België (op locatie of op afstand) is gericht op ingenieurs die Machine Learning workloads willen implementeren in de Azure-cloud.

Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer Kubernetes, Kubeflow en andere benodigde software op Azure.
• Gebruik Azure Kubernetes Service (AKS) om het werk van het initialiseren van een Kubernetes-cluster op Azure te vereenvoudigen.
• Maak en implementeer een Kubernetes-pijplijn voor het automatiseren en beheren van ML-modellen in productie.
• Train en implementeer TensorFlow ML-modellen over meerdere GPU's en machines die parallel draaien.
• Maak gebruik van andere door AWS beheerde services om een ML-applicatie uit te breiden.

Deze live training onder leiding van een instructeur in België (online of ter plaatse) is bedoeld voor ontwikkelaars en datawetenschappers die machine learning-workflows willen bouwen, implementeren en beheren op Kubernetes.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Kubeflow op locatie en in de cloud.
• Bouw, implementeer en beheer ML-workflows op basis van Docker containers en Kubernetes.
• Voer volledige machine learning-pijplijnen uit op verschillende architecturen en cloudomgevingen.
• Kubeflow gebruiken om Jupyter-notebooks te maken en te beheren.
• Bouw ML-training, hyperparameterafstemming en het serveren van workloads op meerdere platforms.

In deze live training onder leiding van een instructeur in België (online of ter plaatse), leren deelnemers hoe ze een containeromgeving op productieschaal kunnen instellen en beheren met behulp van Kubernetes op AKS. 

Aan het einde van deze training zijn de deelnemers in staat om:

• Configureer en beheer Kubernetes op AKS.
• Implementeer, beheer en schaal een Kubernetes cluster.
• Implementeer gecontaineriseerde (Docker) toepassingen op Azure.
• Migreer een bestaande Kubernetes omgeving van on-premise naar AKS-cloud.
• Integreer Kubernetes met CI-software (Continuous Integration) van derden.
• Zorg voor hoge beschikbaarheid en herstel na noodgevallen in Kubernetes.

Deze live training onder leiding van een instructeur (online of ter plaatse) is bedoeld voor datawetenschappers die verder willen gaan dan het bouwen van ML-modellen en het creatie-, tracking- en implementatieproces van ML-modellen willen optimaliseren.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer MLflow en gerelateerde ML-bibliotheken en -frameworks.
• Waardeer het belang van traceerbaarheid, reproduceerbaarheid en inzetbaarheid van een ML-model
• Implementeer ML-modellen in verschillende openbare clouds, platforms of on-premise servers.
• Schaal het ML-implementatieproces zodat meerdere gebruikers aan een project kunnen samenwerken.
• Zet een centraal register op om met ML-modellen te experimenteren, deze te reproduceren en te implementeren.

Deze door instructeurs geleide live-training (online of op locatie) is gericht op ingenieurs die de aanpakken en hulpmiddelen willen evalueren die vandaag beschikbaar zijn om een weloverwogen beslissing te nemen over de voortgang van de adoptie van MLOps binnen hun organisatie.

Aan het einde van deze training kunnen de deelnemers:

• Verschillende MLOps-frameworks en hulpmiddelen installeren en configureren.
• Het juiste team met de juiste vaardigheden samenstellen voor het opzetten en ondersteunen van een MLOps-systeem.
• Gegevens voorbereiden, valideren en versieren voor gebruik door ML-modellen.
• De componenten van een ML-pipeline begrijpen en de hulpmiddelen die nodig zijn om er een te bouwen.
• Experimenteren met verschillende machine learning-frameworks en servers voor implementatie in productie.
• Het gehele Machine Learning-proces operationaliseren zodat het reproduceerbaar en onderhoudbaar is.