Kubeflow on AWS Treningskurs

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot skyingeniører og utviklere som ønsker å bruke CloudFormation til å administrere infrastrukturressurser i AWS-økosystemet.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Implementer CloudFormation maler for å automatisere infrastrukturadministrasjon.
• Integrer eksisterende AWS-ressurser i CloudFormation.
• Bruk StackSets til å administrere stabler på tvers av flere kontoer og regioner.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot avanserte AI-ingeniører og dataforskere med middels til avansert erfaring som ønsker å forbedre DeepSeek modellytelse, minimere latens og distribuere AI løsninger effektivt ved bruk av moderne MLOps praksis.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Optimaliser DeepSeek-modeller for effektivitet, nøyaktighet og skalerbarhet.
• Implementer beste praksis for MLOps og modellversjon.
• Distribuer DeepSeek-modeller på skyen og lokal infrastruktur.
• Overvåk, vedlikehold og skaler AI-løsninger effektivt.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å integrere en DynamoDB NoSQL-database i en nettapplikasjon som er vert på AWS.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige utviklingsmiljøet for å begynne å integrere data i DynamoDB.
• Integrer DynamoDB i webapplikasjoner og mobilapplikasjoner.
• Flytt data i AWS med AWS-tjenester.
• Implementere operasjoner med AWS DAX.

Denne instruktørledede, live-opplæringen i Norge (på stedet eller ekstern) er rettet mot ingeniører som ønsker å distribuere og administrere IoT-enheter på AWS.

Ved slutten av denne opplæringen vil deltakerne kunne bygge en IoT-plattform som inkluderer distribusjon og administrasjon av en backend, gateway og enheter på toppen av AWS.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å installere, konfigurere og administrere AWS IoT Greengrass-funksjoner for å lage applikasjoner for ulike enheter.

Ved slutten av denne opplæringen vil deltakerne kunne bruke AWS IoT Greengrass til å bygge, distribuere, administrere, sikre og overvåke applikasjoner på intelligente enheter.

Denne instruktørledede, live-opplæringen i Norge (på stedet eller ekstern) er rettet mot utviklere som ønsker å bruke AWS Lambda til å bygge og distribuere tjenester og applikasjoner til skyen, uten å måtte bekymre deg for å klargjøre utførelsesmiljøet (servere, VM-er og containere, tilgjengelighet, skalerbarhet, lagring osv.).

Ved slutten av denne opplæringen vil deltakerne kunne:

• Konfigurer AWS Lambda for å utføre en funksjon.
• Forstå FaaS (Functions as a Service) og fordelene med serverløs utvikling.
• Bygg, last opp og utfør AWS Lambda funksjoner.
• Integrer Lambda-funksjoner med forskjellige hendelseskilder.
• Pakke, distribuere, overvåke og feilsøke Lambda-baserte applikasjoner.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å bruke AWS CloudFormation til å automatisere prosessen med å administrere AWS-skyinfrastruktur.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Aktiver AWS-tjenester for å komme i gang med å administrere infrastruktur.
• Forstå og anvende prinsippet om "infrastruktur som kode".
• Forbedre kvaliteten og senk kostnadene ved utplassering av infrastruktur.
• Skriv AWS CloudFormation maler med YAML.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot profesjonelle på avansert nivå som ønsker å utdype sin forståelse av DevOps praksis og strømlinjeforme utviklingsprosesser ved å bruke AWS Cloud9.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Konfigurer og konfigurer AWS Cloud9 for DevOps arbeidsflyter.
• Implementer kontinuerlig integrasjon og kontinuerlig levering (CI/CD) rørledninger.
• Automatiser testing, overvåking og distribusjonsprosesser ved hjelp av AWS Cloud9.
• Integrer AWS-tjenester som Lambda, EC2 og S3 i DevOps arbeidsflyter.
• Bruk kildekontrollsystemer som GitHub eller GitLab i AWS Cloud9.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot fagfolk på middels nivå som ønsker å lære hvordan man effektivt bygger, distribuerer og vedlikeholder serverløse applikasjoner på AWS Cloud9 og AWS Lambda.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå det grunnleggende om serverløs arkitektur.
• Konfigurer AWS Cloud9 for serverløs applikasjonsutvikling.
• Utvikle, test og distribuer serverløse applikasjoner ved hjelp av AWS Lambda.
• Integrer AWS Lambda med andre AWS-tjenester som API Gateway og S3.
• Optimaliser serverløse applikasjoner for ytelse og kostnadseffektivitet.

Sommerlig:

• Grunnleggende om IoT-arkitektur og funksjoner
• "Ting", "Sensorer", Internett og kartleggingen mellom forretningsfunksjoner til IoT
• Viktig for alle IoT-programvarekomponenter - maskinvare, fastvare, mellomvare, sky og mobilapp
• IoT-funksjoner- Fleet manager, datavisualisering, SaaS-basert FM og DV, varsling/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Grunnleggende om IoT-enhetskommunikasjon med sky med MQTT.
• Koble IoT-enheter til AWS med MQTT (AWS IoT Core).
• Koble AWS IoT kjerne med AWS Lambda funksjon for beregning og datalagring.
• Koble til Raspberry PI med AWS IoT kjerne og enkel datakommunikasjon.
• Varsler og hendelser
• Sensorkalibrering

Sammendrag:

• Grunnleggende om IoT-arkitektur og funksjoner
• "Ting", "Sensorer", Internett og kartleggingen mellom forretningsfunksjoner til IoT
• Viktig for alle IoT-programvarekomponenter - maskinvare, fastvare, mellomvare, sky og mobilapp
• IoT-funksjoner- Fleet manager, datavisualisering, SaaS-basert FM og DV, varsling/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Grunnleggende om IoT-enhetskommunikasjon med sky med MQTT.
• Koble IoT-enheter til AWS med MQTT (AWS IoT Core).
• Koble til AWS IoT kjerne med AWS Lambda funksjon for beregning og datalagring ved hjelp av DynamoDB.
• Koble Raspberry PI med AWS IoT kjerne og enkel datakommunikasjon.
• Hands on med Raspberry PI og AWS IoT Core for å bygge en smart enhet.
• Sensordatavisualisering og kommunikasjon med webgrensesnitt.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å distribuere Machine Learning arbeidsbelastninger til Azure-skyen.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Kubernetes, Kubeflow og annen nødvendig programvare på Azure.
• Bruk Azure Kubernetes Service (AKS) for å forenkle arbeidet med å initialisere en Kubernetes-klynge på Azure.
• Opprett og distribuer en Kubernetes-pipeline for å automatisere og administrere ML-modeller i produksjon.
• Tren og distribuer TensorFlow ML-modeller på tvers av flere GPUer og maskiner som kjører parallelt.
• Utnytt andre AWS-administrerte tjenester for å utvide en ML-applikasjon.

Denne instruktørledede, live-opplæringen i (online eller på stedet) er rettet mot dataforskere som ønsker å gå lenger enn å bygge ML-modeller og optimalisere ML-modelloppretting, sporing og distribusjonsprosessen.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer MLflow og relaterte ML-biblioteker og rammeverk.
• Sett pris på viktigheten av sporbarhet, reproduserbarhet og distribusjon av en ML-modell
• Distribuer ML-modeller til forskjellige offentlige skyer, plattformer eller lokale servere.
• Skaler ML-implementeringsprosessen for å imøtekomme flere brukere som samarbeider om et prosjekt.
• Sett opp et sentralt register for å eksperimentere med, reprodusere og distribuere ML-modeller.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å evaluere tilnærmingene og verktøyene som er tilgjengelige i dag, for å ta en intelligent avgjørelse på veien videre med å ta i bruk MLOps i sin organisasjon.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer forskjellige MLOps rammeverk og verktøy.
• Sett sammen riktig type team med de rette ferdighetene for å konstruere og støtte et MLOps system.
• Forbered, valider og versjonsdata for bruk av ML-modeller.
• Forstå komponentene i en ML Pipeline og verktøyene som trengs for å bygge en.
• Eksperimenter med forskjellige maskinlæringsrammeverk og servere for distribusjon til produksjon.
• Operasjonaliser hele Machine Learning-prosessen slik at den er reproduserbar og vedlikeholdbar.

Denne instruktørledede, direkteopplæringen i (online eller på stedet) er rettet mot maskinlæringsingeniører som ønsker å bruke Azure Machine Learning og Azure DevOps for å lette MLOps praksis.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Bygg reproduserbare arbeidsflyter og maskinlæringsmodeller.
• Administrer livssyklusen for maskinlæring.
• Spor og rapporter modellversjonshistorikk, eiendeler og mer.
• Distribuer produksjonsklare maskinlæringsmodeller hvor som helst.