Corso di formazione Kubernetes su Azure (AKS)

Questo training guidato dal formatore (online o sul posto) è rivolto agli ingegneri che desiderano utilizzare la piattaforma drag-and-drop di Azure ML per distribuire carichi di lavoro di Machine Learning senza dover acquistare software e hardware e preoccuparsi della manutenzione e del deployment.

Al termine di questo training, i partecipanti saranno in grado di:

• Scrivere modelli di Machine Learning altamente precisi utilizzando Python, R o strumenti senza codifica.
• Sfruttare i set di dati e gli algoritmi disponibili su Azure per addestrare e monitorare modelli di Machine Learning e Deep Learning.
• Utilizzare l'area di lavoro interattiva di Azure per sviluppare collaborativamente modelli ML.
• Scegliere tra diversi framework ML supportati da Azure, come PyTorch, TensorFlow e scikit-learn.

Infrastruttura e Distribuzione di Microsoft Azure

Questo training consente ai partecipanti di migliorare le proprie competenze nel progettazione delle soluzioni Microsoft Azure.

Dopo questo training, il partecipante comprenderà le funzionalità e le capacità dei servizi Azure, sarà in grado di identificare i compromessi e prendere decisioni per progettare soluzioni cloud pubbliche e ibride.

During the training, appropriate infrastructure and platform solutions to meet the required functional, operational, and deployment requirements through the solution life-cycle will be defined.

Questo corso di formazione guidato dal docente (online o in loco) è rivolto a data scientist che desiderano utilizzare Azure Machine Learning per creare modelli di machine learning end-to-end per l'analisi predittiva.

Al termine di questo corso, i partecipanti saranno in grado di:

• Creare modelli di machine learning senza alcuna esperienza di programmazione.
• Creare algoritmi predittivi con Azure Machine Learning.
• Distribuire algoritmi di machine learning pronti per la produzione.

Questo training guidato da istruttori in Italia (online o in sede) è rivolto a amministratori della sicurezza che desiderano proteggere i carichi di lavoro di Azure.

Al termine di questo training, i partecipanti saranno in grado di:

• Amministrare la sicurezza host, rete e altro ancora.
• Configurare la sicurezza dei servizi di archiviazione e database in Azure.
• Implementare il monitoraggio della sicurezza utilizzando le risorse di Azure.
• Prevenire attacchi cibernetici maliziosi su dati e infrastrutture.

Questa formazione guidata dal docente (online o in presenza) è rivolta a sviluppatori che desiderano imparare come costruire microservizi su Microsoft Azure Service Fabric (ASF).

Alla fine di questa formazione, i partecipanti saranno in grado di:

• Utilizzare ASF come piattaforma per la costruzione e gestione dei microservizi.
• Capire concetti e modelli chiave della programmazione dei microservizi.
• Creare un cluster in Azure.
• Distribuire microservizi on-premises o nel cloud.
• Debuggare e risolvere problemi di una applicazione di microservizi in esecuzione.

Il servizio Azure Bot Service combina il potere del Microsoft Bot Framework e delle funzioni di Azure per consentire lo sviluppo rapido di bot intelligenti.

In questo training guidato da un istruttore, i partecipanti impareranno come creare facilmente un bot intelligente utilizzando Microsoft Azure

Al termine di questo training, i partecipanti saranno in grado di:

• Imparare i fondamenti dei bot intelligenti
• Imparare a creare bot intelligenti utilizzando applicazioni cloud
• Capire come utilizzare il Microsoft Bot Framework, il Bot Builder SDK e il servizio Azure Bot Service
• Comprendere come progettare i bot utilizzando pattern di bot
• Sviluppare il loro primo bot intelligente utilizzando Microsoft Azure

Pubblico di riferimento

• Sviluppatori
• Appassionati
• Ingegneri
• Professionisti IT

Formato del corso

• Parte lezione, parte discussione, esercizi e pratica intensiva

DO180 è un'introduzione ai contenitori, alle fondamenta di Kubernetes e ai concetti della piattaforma Red Hat OpenShift, focalizzata sulle competenze pratiche.

Questa formazione guidata da istruttori (online o in sede) è rivolta a professionisti tecnici di livello principiante-intermedio che desiderano imparare i flussi di lavoro dei contenitori, le primitive di Kubernetes e come distribuire ed operare applicazioni su OpenShift.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Creare e gestire immagini di contenitore e registri con le best practice per la riproducibilità e la sicurezza.
• Distribuire e gestire oggetti Kubernetes come pod, deployment e servizi su OpenShift.
• Utilizzare le funzionalità di OpenShift, incluse routes, buildconfigs e la console web, per semplificare il delivery delle applicazioni.
• Implementare archiviazione persistente, gestione della configurazione e gestione dei segreti per carichi di lavoro stateful.
• Applicare pratiche di sicurezza di base, RBAC e monitoring per mantenere cluster e applicazioni sani.

Formato del Corso

• Lezione interattiva e discussione.
• Esercitazioni pratiche in un ambiente OpenShift live ogni giorno.
• Esercizi guidati da scenari e workshop di risoluzione dei problemi.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare l'evento.

Questo corso di formazione guidato da un insegnante in Italia (online o in presenza) è rivolto a ingegneri che desiderano utilizzare Helm per semplificare il processo di installazione e gestione delle applicazioni Kubernetes.

Al termine di questo corso, i partecipanti saranno in grado di:

• Installare e configurare Helm.
• Creare build riproducibili di applicazioni Kubernetes.
• Condividere le applicazioni come chart Helm.
• Eseguire applicazioni di terze parti salvate come chart Helm.
• Gestire i rilasci dei pacchetti Helm.

In questo corso guidato dall'instructore (in presenza o online) in Italia, i partecipanti impareranno i concetti fondamentali, i componenti e i servizi di Microsoft Azure mentre creano un'applicazione cloud di esempio.

Al termine di questo corso, i partecipanti saranno in grado di:

• Comprendere le basi di Microsoft Azure
• Conoscere gli strumenti e i servizi diversi di Azure
• Imparare a utilizzare Azure per costruire applicazioni cloud

Internet of Things (IoT) è un'infrastruttura di rete che collega oggetti fisici e applicazioni software in modalità wireless, consentendo loro di comunicare tra loro e scambiare dati tramite comunicazioni di rete, cloud computing e acquisizione dati. Azure è un set completo di servizi cloud che offre una suite IoT composta da soluzioni preconfigurate che aiutano gli sviluppatori ad accelerare lo sviluppo di progetti IoT.

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come sviluppare applicazioni IoT utilizzando Azure.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendere i fondamenti dell'architettura IoT
• Installare e configurare Azure IoT Suite
• Scopri i vantaggi dell'utilizzo di Azure nella programmazione di sistemi IoT
• Implementare vari Azure servizi IoT (hub IoT, funzioni, Analitica di flusso, Power BI, Cosmos DB, DocumentDB, dispositivo IoT Management)
• Creare, testare, distribuire e risolvere i problemi di un sistema IoT utilizzando Azure

Pubblico

• Gli sviluppatori
• Ingegneri

Formato del corso

• In parte lezione, in parte discussione, esercizi e pratica pratica pesante

Nota

• Per richiedere una formazione personalizzata per questo corso, contattateci per l'organizzazione.

Questo training guidato dal formatore (online o in loco) è rivolto agli ingegneri che desiderano distribuire carichi di lavoro di Machine Learning sul cloud Azure.

Alla fine di questo training, i partecipanti saranno in grado di:

• Installare e configurare Kubernetes, Kubeflow e altri software necessari su Azure.
• Utilizzare il servizio Azure Kubernetes Service (AKS) per semplificare l'inizializzazione di un cluster Kubernetes su Azure.
• Creare e distribuire una pipeline Kubernetes per automatizzare e gestire i modelli ML in produzione.
• Allenare e distribuire modelli ML TensorFlow su più GPU e macchine che operano in parallelo.
• Leveraggiare altri servizi gestiti di AWS per estendere un'applicazione ML.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di software di livello principiante e intermedio e a professionisti DevOps che desiderano imparare a configurare e gestire un ambiente locale Kubernetes utilizzando Minikube.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare e configurare Minikube nel computer locale.
• Comprendere i concetti di base e l'architettura di Kubernetes.
• Distribuisci e gestisci i contenitori usando kubectl e il dashboard Minikube.
• Configurare l'archiviazione persistente e le soluzioni di rete per Kubernetes.
• Utilizza Minikube per lo sviluppo, il test e il debug delle applicazioni.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello intermedio e DevOps ingegneri che desiderano utilizzare Minikube come parte del loro flusso di lavoro di sviluppo.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configurare e gestire un ambiente locale Kubernetes utilizzando Minikube.
• Informazioni su come distribuire, gestire ed eseguire il debug delle applicazioni in Minikube.
• Integra Minikube nelle pipeline di integrazione e distribuzione continue.
• Ottimizza il loro processo di sviluppo utilizzando le funzionalità avanzate di Minikube.
• Applicare le migliori pratiche per lo sviluppo locale Kubernetes.

Questo corso di formazione guidato dal docente (online o in sede) è rivolto agli ingegneri del machine learning che desiderano utilizzare Azure Machine Learning e Azure DevOps per facilitare le pratiche MLOps.

Alla fine di questo corso, i partecipanti saranno in grado di:

• Costruire flussi di lavoro e modelli di machine learning riproducibili.
• Gestire il ciclo di vita del machine learning.
• Tracciare e riportare la cronologia delle versioni dei modelli, gli asset e altro ancora.
• Distribuire modelli di machine learning pronti per la produzione ovunque.