Cursos de MLOps for Azure Machine Learning

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.

Este treinamento, ministrado por um instrutor ao vivo (online ou presencial), é destinado a profissionais de nível intermediário a avançado que desejam construir e implantar aplicações em nuvem com tecnologia de IA usando Microsoft Azure.

Ao final deste treinamento, os participantes serão capazes de:

• Desenvolver aplicações orientadas a eventos e sem servidor usando Funções Azure.
• Gerenciar soluções de armazenamento e máquinas virtuais Azure.
• Implantar e dimensionar aplicações web usando Azure App Service e contêineres Docker.
• Integrar IA, aprendizado de máquina e processamento de linguagem natural usando Serviços de IA Azure.
• Aproveitar o GitHub Copilot para auxiliar no desenvolvimento de aplicações em nuvem com tecnologia de IA.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a engenheiros que desejam usar a plataforma de arrastar e soltar do Azure ML para implantar cargas de trabalho Machine Learning sem ter que comprar software e hardware e sem ter que se preocupar com manutenção e implantação.

No final deste treinamento, os participantes serão capazes de:

• Escrever modelos de aprendizado de máquina altamente precisos usando Python, R ou ferramentas de código zero.
• Aproveite os conjuntos de dados e algoritmos disponíveis do Azure para treinar e rastrear modelos de aprendizado de máquina e aprendizado profundo.
• Utilize o espaço de trabalho interativo de Azure para desenvolver modelos de aprendizagem automática de forma colaborativa.
• Escolha entre diferentes estruturas de aprendizagem automática suportadas por Azure, como PyTorch, TensorFlow e scikit-learn.

Este curso ensina Arquitetos de Soluções como traduzir os requisitos de negócios em soluções seguras, escaláveis e confiáveis. As lições incluem virtualização, automação, networking, armazenamento, identidade, segurança, plataforma de dados e infraestrutura de aplicativos. Este curso explica como as decisões em cada área de tese afetam uma solução geral.

O perfil do público

Este curso é para profissionais de TI com experiência em projetar e implementar soluções executadas na Microsoft Azure. Eles devem ter um amplo conhecimento das operações de TI, incluindo redes, virtualização, identidade, segurança, continuidade de negócios, recuperação de desastres, plataforma de dados, orçamento e governação. Azure Os Arquitetos de Solução usam o Azure Portal e, como se tornam mais adeptos, usam a Interface de Linha de Comando. Os candidatos devem ter habilidades de nível de perito em Azure administração e ter experiência com Azure processos de desenvolvimento e DevOps processos.

Microsoft Azure Infraestrutura e Implementação

Esta formação permite que os delegados melhorem as suas competências de conceção de soluções Microsoft Azure.

Após esta formação, o delegado compreenderá as caraterísticas e as capacidades dos serviços Azure, para ser capaz de identificar compromissos e tomar decisões para a conceção de soluções de nuvem pública e híbrida.

Durante a formação, serão definidas as soluções de infra-estruturas e plataformas adequadas para satisfazer os requisitos funcionais, operacionais e de implantação necessários ao longo do ciclo de vida da solução.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores que desejam aprender como criar microsserviços no Microsoft Azure Service Fabric (ASF).

No final deste treinamento, os participantes serão capazes de:

• Use o ASF como uma plataforma para construir e gerenciar microsserviços.
• Compreender os principais conceitos e modelos de programação de microsserviços.
• Criar um cluster em Azure.
• Implantar microsserviços no local ou na nuvem.
• Depurar e solucionar problemas de um aplicativo de microsserviço ao vivo.

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.

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.
• Crie, implante e gerencie fluxos de trabalho de ML com base em contêineres Docker e Kubernetes.
• Executar pipelines de aprendizado de máquina inteiros em diversas arquiteturas 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 ao vivo conduzido por instrutor em Brasil (online ou no local) é destinado a engenheiros que desejam implantar cargas de trabalho Machine Learning em um servidor AWS EC2.

No final desta formação, os participantes serão capazes de

• Instalar e configurar o Kubernetes, o Kubeflow e outros softwares necessários na AWS.
• Use o EKS (Elastic Kubernetes Service) para simplificar o trabalho de inicialização de um cluster do Kubernetes na AWS.
• Criar e implantar um pipeline do Kubernetes para automatizar e gerenciar modelos de ML na produção.
• Treinar e implantar TensorFlow modelos de ML em várias GPUs e máquinas executadas em paralelo.
• Utilizar outros serviços gerenciados da AWS para estender um aplicativo de ML.

Este treinamento ao vivo conduzido por instrutor em Brasil (online ou no local) é destinado a engenheiros que desejam implantar cargas de trabalho Machine Learning na nuvem do Azure.

No final desta formação, os participantes serão capazes de

• Instalar e configurar o Kubernetes, o Kubeflow e outros softwares necessários no Azure.
• Use o Serviço de Kubernetes do Azure (AKS) para simplificar o trabalho de inicialização de um cluster do Kubernetes no Azure.
• Criar e implantar um pipeline do Kubernetes para automatizar e gerenciar modelos de ML na produção.
• Treinar e implantar TensorFlow modelos de ML em várias GPUs e máquinas executadas em paralelo.
• Utilizar 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 ao vivo conduzido por instrutor em Brasil (no local ou remoto) 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.

No final deste treinamento, os participantes serão capazes de:

• Instalar e configurar vários frameworks e ferramentas MLOps.
• Reunir o tipo certo de equipa com as competências adequadas para construir e suportar um sistema MLOps.
• Preparar, validar e versionar dados para uso por modelos ML.
• Compreender os componentes de um pipeline de ML e as ferramentas necessárias para o construir.
• Experimentar diferentes estruturas e servidores de aprendizagem automática para implementação na produção.
• Operacionalizar todo o processo Machine Learning para que seja reproduzível e passível de manutenção.