Curso de Kubeflow no AWS

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a engenheiros de IA de nível avançado e cientistas de dados com experiência intermediária a avançada que desejam aprimorar o desempenho do modelo DeepSeek, minimizar a latência e implantar soluções de IA de forma eficiente usando práticas modernas MLOps.

No final deste treinamento, os participantes serão capazes de:

• Otimize os modelos DeepSeek para eficiência, precisão e escalabilidade.
• Implementar as melhores práticas para MLOps e versionamento de modelo.
• Implante modelos DeepSeek na nuvem e na infraestrutura local.
• Monitorizar, manter e escalar soluções de IA de forma eficaz.

Esse treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a engenheiros que desejam implantar e gerenciar dispositivos IoT na AWS.

No final deste treinamento, os participantes poderão criar uma plataforma de IoT que inclua a implantação e o gerenciamento de um back-end, gateway e dispositivos na parte superior da AWS.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores que desejam instalar, configurar e gerenciar recursos do AWS IoT Greengrass para criar aplicativos para vários dispositivos.

No final deste treinamento, os participantes serão capazes de usar o AWS IoT Greengrass para criar, implantar, gerenciar, proteger e monitorar aplicativos em dispositivos inteligentes.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores que desejam usar AWS Lambda para criar e implantar serviços e aplicativos na nuvem, sem precisar se preocupar com o provisionamento do ambiente de execução (servidores, VMs e contêineres, disponibilidade, escalabilidade, armazenamento, etc.).

Ao final deste treinamento, os participantes serão capazes de:

• Configurar AWS Lambda para executar uma função.
• Entenda o FaaS (Functions as a Service) e as vantagens do desenvolvimento sem servidor.
• Construir, carregar e executar funções AWS Lambda.
• Integrar funções Lambda com diferentes fontes de eventos.
• Empacotar, implantar, monitorar e solucionar problemas de aplicativos baseados em Lambda.

Esse treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a profissionais de nível avançado que desejam aprofundar sua compreensão das práticas DevOps e otimizar os processos de desenvolvimento usando o AWS Cloud9.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar e configurar o AWS Cloud9 para fluxos de trabalho DevOps.
• Implementar pipelines de integração contínua e entrega contínua (CI / CD).
• Automatize os processos de teste, monitoramento e implantação usando o AWS Cloud9.
• Integrar serviços do AWS, como Lambda, EC2 e S3, em fluxos de trabalho DevOps.
• Utilizar sistemas de controlo de fontes como GitHub ou GitLab no AWS Cloud9.

Docker é uma plataforma de containerização usada para construir ambientes reprodutíveis, portáteis e escaláveis para sistemas de ML.

Este treinamento guiado por instrutor (online ou presencial) destina-se a profissionais técnicos intermediários a avançados que desejam containerizar e operacionalizar pipelines de ML completas usando Docker.

Ao final deste treinamento, os participantes serão capazes de:

• Containerizar cargas de trabalho de treinamento, validação e inferência de ML.
• Projetar e orquestrar pipelines de ML do início ao fim usando Docker e ferramentas de suporte.
• Implementar versionamento, reprodutibilidade e CI/CD para componentes de ML.
• implantar, monitorar e escalar serviços de ML em ambientes containerizados.

Formato do Curso

• Aulas interativas com demonstrações práticas.
• Exercícios práticos focados na construção de componentes reais de pipelines de ML.
• Implementação de workflows containerizados do início ao fim em laboratórios ao vivo.

Opções de Personalização do Curso

• Para treinamento personalizado alinhado com necessidades específicas de infraestrutura de ML, entre em contato conosco para discutir opções.

Esse treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a profissionais de nível intermediário que desejam aprender como criar, implantar e manter efetivamente aplicativos sem servidor no AWS Cloud9 e AWS Lambda.

No final deste treinamento, os participantes serão capazes de:

• Entenda os fundamentos da arquitetura sem servidor.
• Configure o AWS Cloud9 para o desenvolvimento de aplicativos sem servidor.
• Desenvolver, testar e implantar aplicativos sem servidor usando AWS Lambda.
• Integrar AWS Lambda com outros serviços da AWS, como API Gateway e S3.
• Otimizar aplicativos sem servidor para desempenho e eficiência de custos.

Resumo:

• Noções básicas sobre a arquitetura e as funções da IdC
• "Coisas", "Sensores", Internet e o mapeamento entre as funções empresariais da IoT
• Essencial de todos os componentes de software da IoT - hardware, firmware, middleware, nuvem e aplicação móvel
• Funções da IdC - gestor de frotas, visualização de dados, FM e DV baseados em SaaS, alerta/alarme, integração de sensores, integração de "coisas", delimitação geográfica
• Noções básicas de comunicação de dispositivos IoT com a nuvem com MQTT.
• Ligação de dispositivos IoT ao AWS com MQTT (AWS IoT Core).
• Ligação do núcleo AWS IoT à função AWS Lambda para computação e armazenamento de dados.
• Ligação do Raspberry PI ao núcleo AWS IoT e comunicação simples de dados.
• Alertas e eventos
• Calibração de sensores

Resumo:

• Noções básicas de arquitetura e funções da IdC
• "Coisas", "Sensores", Internet e o mapeamento entre as funções empresariais da IoT
• Essencial de todos os componentes de software da IoT - hardware, firmware, middleware, nuvem e aplicação móvel
• Funções da IdC - gestor de frotas, visualização de dados, FM e DV baseados em SaaS, alerta/alarme, integração de sensores, integração de "coisas", delimitação geográfica
• Noções básicas de comunicação de dispositivos IoT com a nuvem com MQTT.
• Ligação de dispositivos IoT ao AWS com MQTT (AWS IoT Core).
• Ligação do núcleo AWS IoT à função AWS Lambda para computação e armazenamento de dados utilizando o DynamoDB.
• Ligação do Raspberry PI ao núcleo AWS IoT e comunicação de dados simples.
• Utilização prática do Raspberry PI e do AWS IoT Core para construir um dispositivo inteligente.
• Visualização de dados de sensores e comunicação com interface web.

Esse treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores e cientistas de dados que desejam criar, implantar e gerenciar fluxos de trabalho de aprendizado de máquina em Kubernetes.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar Kubeflow no local e na nuvem usando o AWS EKS (Elastic Kubernetes Service).
• Crie, implante e gerencie fluxos de trabalho de ML com base em contêineres Docker e Kubernetes.
• Executar pipelines de aprendizagem automática completos em diversas arquitecturas e ambientes de nuvem.
• Usando Kubeflow para gerar e gerenciar notebooks Jupyter.
• Criar treinamento de ML, ajuste de hiperparâmetros e servir cargas de trabalho em várias plataformas.

Este treinamento dirigido por instrutor (online ou presencial) é destinado a engenheiros que desejam implantar cargas de trabalho de Machine Learning na nuvem Azure.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o Kubernetes, Kubeflow e outros softwares necessários no Azure.
• Usar o Azure Kubernetes Service (AKS) para simplificar a inicialização de um cluster do Kubernetes no Azure.
• Criar e implantar um pipeline do Kubernetes para automatizar e gerenciar modelos de ML em produção.
• Treinar e implantar modelos de ML do TensorFlow em múltiplos GPUs e máquinas executando em paralelo.
• Aproveitar outros serviços gerenciados da AWS para estender um aplicativo de ML.

Este treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a cientistas de dados que desejam ir além da construção de modelos de ML e otimizar o processo de criação, rastreamento e implantação de modelos de ML.

No final deste treinamento, os participantes serão capazes de:

• Instalar e configurar MLflow e bibliotecas e estruturas de ML relacionadas.
• Apreciar a importância da rastreabilidade, reprodutibilidade e implantação de um modelo de ML
• Implantar modelos de ML em diferentes nuvens públicas, plataformas ou servidores locais.
• Dimensionar o processo de implementação de ML para acomodar vários utilizadores que colaboram num projeto.
• Criar um registo central para experimentar, reproduzir e implementar modelos de ML.

Este treinamento presencial, conduzido por um instrutor em Brasil (online ou no local), é destinado a engenheiros que desejam avaliar as abordagens e ferramentas disponíveis hoje para tomar uma decisão inteligente sobre o caminho a seguir na adoção de MLOps em sua organização.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar vários frameworks e ferramentas de MLOps.
• Montar a equipe certa com as habilidades adequadas para construir e suportar um sistema de MLOps.
• Preparar, validar e versionar dados para uso por modelos de ML.
• Compreender os componentes de uma Pipeline de ML e as ferramentas necessárias para construí-la.
• Experimentar diferentes frameworks e servidores de machine learning para implantação em produção.
• Operacionalizar todo o processo de Machine Learning para que seja reproduzível e mantido.

Este treinamento liderado por instrutor (online ou presencial) é voltado para engenheiros de machine learning que desejam usar o Azure Machine Learning e o Azure DevOps para facilitar as práticas de MLOps.

Ao final deste treinamento, os participantes serão capazes de:

• Construir fluxos de trabalho e modelos de machine learning reproduzíveis.
• Gerenciar o ciclo de vida de machine learning.
• Rastrear e relatar o histórico de versão do modelo, ativos e mais.
• Implementar modelos de machine learning prontos para produção em qualquer lugar.

MLOps no Kubernetes é um framework para automatizar o treinamento, a validação, o empacotamento e a implantação de modelos de aprendizado de máquina usando pipelines contêinerizados e fluxos de trabalho GitOps.

Este treinamento presencial (online ou no local) ministrado por um instrutor é destinado a profissionais de nível intermediário que desejam construir pipelines MLOps automatizadas e escaláveis no Kubernetes.

Após concluir este treinamento, os participantes estarão equipados para:

• Projetar pipelines CI/CD de ponta a ponta para aprendizado de máquina.
• Implementar fluxos de trabalho GitOps para implantação e versionamento de modelos.
• Automatizar o treinamento, o teste e o empacotamento de modelos de ML.
• Integrar monitoramento, alertas e estratégias de reversão.

Formato do Curso

• Apresentações guiadas por instrutor e aprofundamentos técnicos.
• Exercícios práticos que constroem fluxos de trabalho CI/CD do mundo real.
• Prática em laboratório ao vivo implantando cargas de trabalho de ML no Kubernetes.

Opções de Customização do Curso

• Organizações podem solicitar conteúdo personalizado alinhado com suas ferramentas e infraestrutura MLOps internas.