北京市朝阳区Azure培训

这种以讲师为主导的 北京市朝阳区（在线或远程）现场培训面向希望利用 Azure OpenAI 功能创建智能应用程序的中级 Java 开发人员、软件工程师和云爱好者。

在培训结束时，参与者将能够：

• 了解 Generative AI 的原理及其应用。
• 设置和管理 Azure OpenAI 服务。
• 将 OpenAI 的模型集成到 Java 应用程序中。
• 在 Web 应用程序中部署 AI 驱动的功能。

这种以讲师为主导的 北京市朝阳区（在线或现场）实时培训面向希望使用 Terraform 在 Azure 云平台上自动部署、管理和扩展基础架构的中级云工程师和 IT 专业人员。

在培训结束时，参与者将能够：

• 了解 Terraform 的基础知识及其在基础结构即代码中的优势。
• 为Azure设置和配置Terraform。
• 为各种 Azure 服务开发、测试和部署 Terraform 配置文件。
• 使用 Terraform 管理和扩展 Azure 资源。
• 实施 Terraform 状态管理和版本控制的最佳实践。
• 将 Terraform 与 Azure DevOps 集成以实现自动化部署。
• 创建可重用的 Terraform 模块，以实现一致的资源配置。
• 利用 Terraform 的高级功能进行复杂的基础架构部署。

这是一个由讲师指导的现场培训，地点在北京市朝阳区（线上或现场），旨在为中高级专业人士提供使用Microsoft Azure来构建和部署人工智慧驱动的云端应用程式的技能。

在培训结束时，参与者将能够：

• 使用Azure Functions开发事件驱动和无伺服器应用程式。
• 管理Azure的储存解决方案和虚拟机器。
• 使用Azure App Service和Docker容器部署和扩展网页应用程式。
• 使用Azure AI Services整合人工智慧、机器学习和自然语言处理。
• 利用GitHub Copilot协助开发人工智慧驱动的云端应用程式。

这种由讲师指导的现场培训北京市朝阳区（在线或远程）面向希望熟练利用 Azure Synapse Analytics 进行各种数据处理、分析和可视化的中级数据工程师。

在培训结束时，参与者将能够：

• 了解 Azure Synapse Analytics 的核心概念、体系结构和组件。
• 使用 Azure Synapse 创建、配置和管理可缩放的数据仓库。
• 掌握从各种源引入、转换和加载数据 （ETL） 到 Azure Synapse 的技术。
• 优化查询性能，保护数据，并将 Azure Synapse 与 Power BI 和其他工具集成，以可视化数据并共享见解。

这种由讲师指导的 北京市朝阳区（远程或远程）实时培训面向希望了解如何使用 Azure Data Lake Storage Gen2 实现有效数据分析解决方案的中级数据工程师。

在培训结束时，参与者将能够：

• 了解 Azure Data Lake Storage Gen2 的体系结构和主要功能。
• 优化数据存储和访问，提高成本和性能。
• 将 Azure Data Lake Storage Gen2 与其他 Azure 服务集成，以进行分析和数据处理。
• 使用 Azure Data Lake Storage Gen2 API 开发解决方案。
• 解决常见问题并优化存储策略。

这种以讲师为主导的北京市朝阳区现场现场培训面向希望学习如何配置Azure云安全以保护在Azure中运行的工作负载的安全管理员。

在培训结束时，参与者将能够：

• 配置主机和网络安全。
• 配置 Azure 高级安全选项。
• 使用 Azure 保护云计算工作负载。
• 使用端点保护服务安全功能，抵御恶意软件和病毒。
• 保护在 Azure 中运行的容器工作负载。

在这个由讲师指导的北京市朝阳区现场培训（现场或远端）中，参与者将学习如何在AKS上使用Kubernetes设置和管理生产规模的容器环境。 

在培训结束时，参与者将能够：

• 在 AKS 上配置和管理 Kubernetes。
• 部署、管理和缩放 Kubernetes 集群。
• 在 Azure 上部署容器化 （Docker） 应用程式。
• 将现有 Kubernetes 环境从本地迁移到 AKS 云。
• 将 Kubernetes 与第三方持续集成 （CI） 软体集成。
• 确保 Kubernetes 中的高可用性和灾难恢复。

这种以讲师为主导的北京市朝阳区现场培训（现场或远程）面向希望使用Azure ML的拖放平台部署Machine Learning工作负载的工程师，而无需购买软件和硬件，也不必担心维护和部署。

在培训结束时，参与者将能够：

• 使用 Python、R 或零代码工具编写高精度的机器学习模型。
• 利用 Azure 的可用数据集和算法来训练和跟踪机器学习和深度学习模型。
• 使用 Azure 的交互式工作区协作开发 ML 模型。
• 从不同的 Azure 支持的 ML 框架中进行选择，例如 PyTorch、TensorFlow 和 scikit-learn。

该培训允许代表提高他们的 Microsoft Azure 解决方案设计技能。

在本次培训之后，学员将了解 Azure 服务的特性和功能，以便能够识别权衡，并做出设计公共云和混合云解决方案的决策。

在培训期间，将定义适当的基础设施和平台解决方案，以满足整个解决方案生命周期中所需的功能、操作和部署要求。

这种以讲师为主导的北京市朝阳区现场（现场或远程）的现场培训面向 DevOps 希望利用 Azure DevOps 比传统开发方法更快地构建和部署优化的企业应用程序的工程师、开发人员和项目经理。

在培训结束时，参与者将能够：

• 了解基本的 DevOps 词汇和原则。
• 安装和配置软件开发所需的 Azure DevOps 工具。
• 利用 Azure DevOps 工具和服务不断适应市场。
• 在 Azure DevOps 解决方案上构建企业应用程序并评估当前的开发流程。
• 更高效地管理团队并缩短软件部署时间。
• 在组织内采用 DevOps 开发实践。

这种以讲师为主导的北京市朝阳区现场培训（现场或远程）针对希望使用Azure Machine Learning构建用于预测分析的端到端机器学习模型的数据科学家。

在培训结束时，参与者将能够：

• 构建零编程经验的机器学习模型。
• 使用 Azure Machine Learning 创建预测算法。
• 部署生产就绪的机器学习算法。

这种由讲师指导的北京市朝阳区现场（现场或远程）现场培训面向希望保护Azure工作负载的安全管理员。

在培训结束时，参与者将能够：

• 管理主机安全、网络安全等。
• 在 Azure 中设置存储和数据库安全性。
• 使用 Azure 资源实施安全监视。
• 防止对数据和基础设施的恶意网络攻击。

此讲师指导的 北京市朝阳区（在线或现场）实时培训面向希望学习如何在 Microsoft Azure Service Fabric （ASF） 上构建微服务的开发人员。

在培训结束时，参与者将能够：

• 使用 ASF 作为构建和管理微服务的平台。
• 了解关键的微服务编程概念和模型。
• 在 Azure 中创建集群。
• 在本地或云中部署微服务。
• 对实时微服务应用程序进行调试和故障排除。

Azure Bot服务结合了Microsoft Bot Framework和Azure功能的强大功能，可实现智能机器人的快速开发。

在这个由讲师指导的实时培训中，参与者将学习如何使用Microsoft Azure轻松创建智能机器人

在培训结束时，参与者将能够：

• 了解智能机器人的基础知识
• 了解如何使用云应用程序创建智能机器人
• 了解如何使用Microsoft Bot Framework，Bot Builder SDK和Azure Bot服务
• 了解如何使用bot模式设计机器人
• 使用Microsoft Azure开发他们的第一个智能机器人

听众

• 开发商
• 爱好者
• 工程师
• IT专业人士

课程形式

• 部分讲座，部分讨论，练习和繁重的实践练习

在这个由讲师指导的北京市朝阳区（现场或远程）现场培训中，参与者将 学习 Microsoft Azure的基本概念，组件和服务，因为他们逐步创建了示例云应用程序。

在培训结束时，参与者将能够：

• 了解 Microsoft Azure 的基础知识
• 了解不同的 Azure 工具和服务
• 了解如何使用 Azure 构建云应用程序

Internet of Things (IoT) 是一种网路基础设施，它以无线方式连接物理对象和软体应用程式，使它们能够通过网路通信、云计算和数据捕获相互通信并交换数据。Azure 是一套全面的云服务，它提供了一个物联网套件，由预配置的解决方案组成，可帮助开发人员加速物联网项目的开发。

在这个以讲师为主导的现场培训中，参与者将学习如何使用 Azure 开发物联网应用程式。

在培训结束时，参与者将能够：

• 了解IoT架构的基础知识
• 安装和配置 Azure IoT 套件
• 了解在物联网系统程式设计中使用 Azure 的好处
• 实现各种 Azure IoT 服务（IoT 中心、Functions、流分析、Power BI、Cosmos DB、DocumentDB、IoT 设备 Management）
• 使用 Azure 构建、测试、部署IoT系统并对其进行故障排除

观众

• 开发人员
• 工程师

课程形式

• 部分讲座，部分讨论，练习和大量的实践练习

注意

• 如需申请此课程的定制培训，请联系我们进行安排。

此由讲师指导的现场培训（在线或现场）主要针对希望将 Machine Learning 工作负载部署到 Azure 云的工程师。

培训结束后，学员将能够：

• 在 Azure 上安装并配置 Kubernetes、Kubeflow 及其他所需软件。
• 使用 Azure Kubernetes 服务（AKS）简化在 Azure 上初始化 Kubernetes 集群的工作。
• 创建并部署 Kubernetes 管道，用于自动化和管理生产中的 ML 模型。
• 在多个GPU和并行运行的机器上训练和部署TensorFlowML模型。
• 利用其他 AWS 托管服务来扩展 ML 应用程序。

这种以讲师为主导的现场培训（现场或远程）针对希望使用Azure Machine Learning和Azure DevOps来促进MLOps实践的机器学习工程师。

在培训结束时，参与者将能够：

• 构建可重现的工作流和机器学习模型。
• 管理机器学习生命周期。
• 跟踪和报告模型版本历史记录、资产等。
• 在任何地方部署生产就绪的机器学习模型。

Microsoft Azure 基础结构和部署