Kubernetes auf Azure (AKS) Schulung

Diese von einem Dozenten geleitete, live-Trainingssitzung in Österreich (online oder vor Ort) richtet sich an Ingenieure, die das Drag-and-Drop-Plattform von Azure ML nutzen möchten, um Machine Learning Workloads bereitzustellen, ohne Software und Hardware kaufen zu müssen und sich um Wartung und Bereitstellung kümmern zu müssen.

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

• Hochgenaue Machine Learning Modelle mit Python, R oder zero-code Tools erstellen.
• Azure verfügbare Datensätze und Algorithmen nutzen, um Machine Learning- und Deep-Learning-Modelle zu trainieren und zu verfolgen.
• Azures interaktiven Workspace nutzen, um ML-Modelle kollaborativ zu entwickeln.
• Aus verschiedenen von Azure unterstützten ML-Frameworks wie PyTorch, TensorFlow und scikit-learn wählen.

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.

Diese von einem Trainer geleitete, lebende Schulung in Österreich (online oder vor Ort) richtet sich an Datenwissenschaftler, die Azure Machine Learning verwenden möchten, um maschinelle Modelle für Vorhersageanalysen von Anfang bis Ende zu erstellen.

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

• Maschinelles Lernen ohne Programmiererfahrung durchzuführen.
• Vorhersagealgorithmen mit Azure Machine Learning zu erstellen.
• Produktionsreife maschinelle Algorithmen bereitzustellen.

Dieses von einem Dozenten geleitete Live-Training in Österreich (online oder vor Ort) richtet sich an Sicherheitsadministratoren, die Azure-Workloads absichern möchten.

Am Ende dieses Trainings werden die Teilnehmer folgendes können:

• Host-Sicherheit, Netzwerk-Sicherheit und mehr verwalten.
• Speichersicherheit und Datenbanksicherheit in Azure einrichten.
• Sicherheitsüberwachung mit Azure-Ressourcen implementieren.
• Böswillige Cyberangriffe auf Daten und Infrastrukturen verhindern.

Dieses von einem Trainer angeführte, live-Training in Österreich (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

DO180 ist eine Einführung in Container, Kubernetes-Grundlagen und Konzepte der Red Hat OpenShift-Plattform mit Fokus auf praktische Fähigkeiten.

Dieses von einem Dozenten geleitete Live-Training (online oder vor Ort) richtet sich an technische Fachkräfte vom Anfänger- bis zum Fortgeschrittenenniveau, die Workflows für Container, Kubernetes-Grundelemente und das Bereitstellen und Betreiben von Anwendungen auf OpenShift erlernen möchten.

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

• Containerimages und Registries mit bewährten Praktiken für Wiederholbarkeit und Sicherheit zu erstellen und zu verwalten.
• Kubernetes-Objekte wie Pods, Deployments und Services in OpenShift bereitzustellen und zu verwalten.
• OpenShift-Funktionen wie Routes, BuildConfigs und die Webkonsole zu nutzen, um den Anwendungsbereitstellungsvorgang zu vereinfachen.
• Persistente Speicherung, Konfigurationsmanagement und Secrets-Handling für stateful Workloads zu implementieren.
• Grundlegende Sicherheits-, RBAC- und Überwachungspraktiken anzuwenden, um gesunde Cluster und Anwendungen aufrechtzuerhalten.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Tägliche praktische Übungen in einer lebendigen OpenShift-Umgebung.
• Szenariobasierte Übungen und Troubleshooting-Workshops.

Kursanpassungsoptionen

• Um ein angepasstes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Absprache.

Dieses von einem Dozenten geleitete, Live-Training in Österreich (online oder vor Ort) richtet sich an Ingenieure, die Helm nutzen möchten, um den Prozess des Installierens und Verwaltens von Kubernetes-Anwendungen zu vereinfachen.

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

• Helm zu installieren und zu konfigurieren.
• Wiederholbare Builds von Kubernetes-Anwendungen zu erstellen.
• Anwendungen als Helm-Charts zu teilen.
• Drittanbieteranwendungen, die als Helm-Charts gespeichert sind, auszuführen.
• Realeases von Helm-Paketen zu verwalten.

In dieser von einem Dozenten geleiteten Live-Schulung in Österreich (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 dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Grundlagen von Microsoft Azure zu verstehen
• Die verschiedenen Azure-Tools und -Dienste zu verstehen
• Zu lernen, wie man Azure für die Erstellung von Cloudanwendungen verwendet

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.

Dieses durch einen Trainer geleitete, live-Training in Österreich (online oder vor Ort) richtet sich an Ingenieure, die Machine Learning-Arbeitslasten in der Azure Cloud bereitstellen möchten.

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

• Kubernetes, Kubeflow und andere benötigte Software auf Azure zu installieren und zu konfigurieren.
• Azure Kubernetes Service (AKS) zur Vereinfachung der Initialisierung eines Kubernetes-Clusters in Azure zu verwenden.
• Eine Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion zu erstellen und bereitzustellen.
• TensorFlow-ML-Modelle auf mehreren GPUs und Maschinen, die parallel laufen, zu trainieren und bereitzustellen.
• Andere verwaltete AWS-Dienste zur Erweiterung einer ML-Anwendung zu nutzen.

Diese von einem Kursleiter geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Anfänger bis fortgeschrittene Softwareentwickler und DevOps Fachleute, die lernen möchten, wie man eine lokale Kubernetes Umgebung mit Minikube einrichtet und verwaltet.

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

• Minikube auf ihrem lokalen Rechner zu installieren und zu konfigurieren.
• Die grundlegenden Konzepte und die Architektur von Kubernetes zu verstehen.
• Container mit kubectl und dem Minikube Dashboard bereitstellen und verwalten.
• Persistente Speicher- und Netzwerklösungen für Kubernetes einrichten.
• Minikube für die Entwicklung, das Testen und das Debuggen von Anwendungen nutzen.

Diese Live-Schulung in Österreich (online oder vor Ort) richtet sich an fortgeschrittene Entwickler und DevOps-Ingenieure, die Minikube als Teil ihres Entwicklungsworkflows nutzen möchten.

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

• Eine lokale Kubernetes Umgebung mit Minikube einzurichten und zu verwalten.
• Verstehen, wie man Anwendungen auf Minikube einsetzt, verwaltet und debuggt.
• Minikube in ihre Continuous Integration und Deployment Pipelines zu integrieren.
• Ihren Entwicklungsprozess mit Hilfe der fortgeschrittenen Funktionen von Minikube zu optimieren.
• Best Practices für die lokale Kubernetes Entwicklung anwenden.

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.