中关村Azure培训

本次由讲师指导的中关村（线上或线下）培训面向中级Java开发者、软件工程师和云计算爱好者，旨在帮助他们利用Azure OpenAI的强大功能创建智能应用。

培训结束后，参与者将能够：

• 理解生成式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应用中。
• 在Web应用中部署AI驱动的功能。

本课程由讲师主导，采用中关村（线上或线下）培训形式，面向中级云工程师和IT专业人士，旨在帮助他们使用Terraform自动化Azure云平台上的基础设施部署、管理和扩展。

培训结束后，学员将能够：

• 了解Terraform的基础知识及其在基础设施即代码中的优势。
• 为Azure设置和配置Terraform。
• 开发、测试和部署针对各种Azure服务的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，实现自动化部署。
• 创建可重用的Terraform模块，确保资源供应的一致性。
• 利用Terraform的高级功能进行复杂的基础设施部署。

本课程为讲师指导的线下或线上培训，面向中高级专业人士，旨在教授如何使用Microsoft Azure构建和部署AI驱动的云应用。

培训结束后，学员将能够：

• 使用Azure Functions开发事件驱动和无服务器应用。
• 管理Azure存储解决方案和虚拟机。
• 使用Azure App Service和Docker容器部署和扩展Web应用。
• 使用Azure AI服务集成AI、机器学习和自然语言处理。
• 利用GitHub Copilot辅助AI驱动的云应用开发。

这种由讲师指导的现场培训中关村（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。

本次由讲师指导的线下或线上培训，面向希望学习如何使用Azure Data Lake Storage Gen2来实现高效数据分析解决方案的中级数据工程师。

培训结束后，参与者将能够：

• 了解Azure Data Lake Storage Gen2的架构和关键特性。
• 优化数据存储和访问，以提升性能和降低成本。
• 将Azure Data Lake Storage Gen2与其他Azure服务集成，用于分析和数据处理。
• 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。

本课程由讲师指导，提供中关村（线上或线下）培训，旨在帮助安全管理员学习如何配置Azure云安全，以保护在Azure中运行的工作负载。

培训结束后，学员将能够：

• 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。
• 使用端点保护服务防御恶意软件和病毒。
• 保护在Azure中运行的容器工作负载。

在这个由讲师指导的中关村现场培训（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。

本课程为讲师主导的培训，在中关村（线上或线下）进行，面向希望使用Azure ML的拖放平台部署机器学习工作负载的工程师，无需购买软件和硬件，也无需担心维护和部署问题。

通过本培训，学员将能够：

• 使用Python、R或无代码工具编写高精度的机器学习模型。
• 利用Azure提供的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机器学习模型。
• 从Azure支持的不同机器学习框架中选择，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。

本课程为讲师指导的培训，地点在中关村（线上或线下），面向希望利用Azure DevOps比传统开发方法更快构建和部署企业应用程序的DevOps工程师、开发人员和项目经理。

通过本课程，学员将能够：

• 理解DevOps的基本词汇和原则。
• 安装和配置必要的Azure DevOps工具以进行软件开发。
• 利用Azure DevOps工具和服务持续适应市场变化。
• 构建企业应用程序，并基于Azure DevOps解决方案评估当前开发流程。
• 更高效地管理团队，加速软件部署时间。
• 在组织内采用DevOps开发实践。

本次由讲师主导的培训在 中关村（线上或线下）面向希望使用 Azure Machine Learning 构建端到端机器学习模型以进行预测分析的数据科学家。

培训结束后，参与者将能够：

• 无需编程经验即可构建机器学习模型。
• 使用 Azure Machine Learning 创建预测算法。
• 部署生产就绪的机器学习算法。

这种由讲师指导的中关村现场（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 中关村（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 Service 结合了 Microsoft Bot Framework 和 Azure 功能，能够快速开发智能机器人。

在这次讲师指导的线下培训中，参与者将学习如何轻松使用 Microsoft Azure 创建智能机器人。

培训结束后，参与者将能够：

• 学习智能机器人的基础知识
• 学习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 Service
• 了解如何使用机器人模式设计机器人
• 使用 Microsoft Azure 开发他们的第一个智能机器人

受众

• 开发者
• 爱好者
• 工程师
• IT 专业人员

课程形式

• 部分讲座，部分讨论，练习和大量动手实践

在这次由讲师指导的中关村线下或远程培训中，参与者将通过学习创建一个示例云应用程序，掌握Microsoft Azure的基本概念、组件和服务。

培训结束后，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
• 学习如何使用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。

本课程为讲师指导的线下或线上培训，面向希望使用Azure Machine Learning和Azure DevOps来推动MLOps实践的机器学习工程师。

通过本培训，参与者将能够：

• 构建可重复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、资产等。
• 在任何地方部署生产就绪的机器学习模型。

Microsoft Azure基础设施与部署