Curso 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.

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.

O Serviço de Bot do Azure combina o poder das funções do Microsoft Bot Framework e do Azure para permitir o rápido desenvolvimento de bots inteligentes.

Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como criar facilmente um bot inteligente usando o Microsoft Azure

No final deste treinamento, os participantes serão capazes de:

• Aprender os fundamentos dos bots inteligentes
• Aprender como criar bots inteligentes usando aplicações em nuvem
• Compreender como usar o Microsoft Bot Framework, o Bot Builder SDK e o Serviço de Bot do Azure
• Entender como projetar bots usando padrões de bot
• Desenvolver seu primeiro bot inteligente usando Microsoft Azure

Público

• Desenvolvedores
• Hobbyistas
• Engenheiros
• Profissionais de TI

Formato do curso

• Parte palestra, parte discussão, exercícios e prática intensiva

Nesta formação presencial ou remota em Brasil, os participantes aprenderão os conceitos fundamentais, componentes e serviços de Microsoft Azure, enquanto passam por etapas na criação de uma aplicação cloud de exemplo.

No final desta formação, os participantes serão capazes de

• Compreender os fundamentos de Microsoft Azure
• Entender as diferentes ferramentas e serviços do Azure
• Aprender a utilizar o Azure para construir aplicações em nuvem

Internet of Things (IoT) é uma infraestrutura de rede que liga objectos físicos e aplicações de software sem fios, permitindo-lhes comunicar entre si e trocar dados através de comunicações de rede, computação em nuvem e captura de dados. O Azure é um conjunto abrangente de serviços em nuvem que oferece um IoT Suite composto por soluções pré-configuradas que ajudam os programadores a acelerar o desenvolvimento de projectos IoT.

Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como desenvolver aplicativos IoT usando Azure.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os fundamentos da arquitetura IoT
• Instalar e configurar o Azure IoT Suite
• Aprenda os benefícios de usar Azure na programação de sistemas IoT
• Implementar vários serviços Azure IoT (IoT Hub, Funções, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management)
• Construir, testar, implantar e solucionar problemas de um sistema IoT usando Azure

Público

• Programadores
• Engenheiros

Formato do curso

• Parte palestra, parte discussão, exercícios e prática prática pesada

Nota

• Para solicitar uma formação personalizada para este curso, contacte-nos para combinar.

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.

Neste treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto), os participantes aprenderão como configurar e gerenciar um ambiente de contêiner em escala de produção usando Kubernetes no AKS.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar e gerenciar Kubernetes no AKS.
• Implantar, gerenciar e dimensionar um cluster Kubernetes.
• Implantar aplicativos em contêineres (Docker) em Azure.
• Migrar um ambiente Kubernetes existente do local para a nuvem do AKS.
• Integrar Kubernetes com software de integração contínua (CI) de terceiros.
• Garantir alta disponibilidade e recuperação de desastres em Kubernetes.

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.