MLOps for Azure Machine Learning 培训

本课程为讲师引导的培训，在中国（线上或线下）进行，面向具有中高级经验的AI工程师和数据科学家，旨在通过现代MLOps实践，提升DeepSeek模型的性能，减少延迟，并高效部署AI解决方案。

培训结束后，学员将能够：

• 优化DeepSeek模型，提升效率、准确性和可扩展性。
• 实施MLOps和模型版本控制的最佳实践。
• 在云端和本地基础设施上部署DeepSeek模型。
• 有效监控、维护和扩展AI解决方案。

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。

本课程为讲师主导的培训，在中国（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。

Microsoft Azure基础设施与部署

本课程由讲师主导，提供中国（线上或线下）培训，面向初级/中级/高级开发人员和技术专业人员，他们希望使用Microsoft Azure构建、测试和部署用于商业应用的AI代理。

培训结束后，参与者将能够：了解Azure上的AI代理架构，创建并配置一个可运行的代理，将代理连接到商业知识源，评估并准备代理进行部署。

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，地点在中国（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。

这种由讲师指导的中国现场（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。

本课程由讲师指导，提供中国（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。

Azure Bot Service集成了Microsoft Bot Framework和Azure Functions的功能，为快速构建智能机器人提供了一个强大的平台。

在此讲师指导的培训中，参与者将探索如何使用Microsoft Azure高效开发智能机器人。

培训结束时，参与者将能够：

理解智能机器人背后的核心概念。

使用基于云的应用程序构建智能机器人。

获得对Microsoft Bot Framework、Bot Builder SDK和Azure Bot Service的实用知识。

在实际场景中应用已建立的机器人设计模式。

使用Microsoft Azure创建并部署他们的第一个智能机器人。

受众

本课程面向对机器人开发感兴趣的开发者、爱好者、工程师和IT专业人员。

课程形式

培训结合了讲座、讨论、练习，并强调实践操作。

Docker是一个容器化平台，用于为ML系统构建可重复、可移植和可扩展的环境。

本课程为讲师指导的培训（线上或线下），面向希望使用Docker容器化并操作完整ML管道的中级到高级技术专业人员。

培训结束后，学员将能够：

• 容器化ML训练、验证和推理工作负载。
• 使用Docker和支持工具设计和编排端到端ML管道。
• 为ML组件实现版本控制、可重复性和CI/CD。
• 在容器化环境中部署、监控和扩展ML服务。

课程形式

• 互动讲座，辅以实际演示。
• 专注于构建真实ML管道组件的实践练习。
• 端到端容器化工作流程的实时实验。

课程定制选项

• 如需根据特定ML基础设施需求定制培训，请联系我们讨论选项。

Kubeflow 是一个开源平台，旨在简化在 Kubernetes 上构建、训练和部署机器学习工作负载的过程。

本课程为讲师指导的培训（线上或线下），面向希望使用 Kubeflow 构建可靠机器学习工作流的初级到中级专业人士。

完成本培训后，学员将掌握以下技能：

• 熟悉 Kubeflow 生态系统及其核心组件。
• 使用 Kubeflow Pipelines 构建可重复的工作流。
• 在 Kubernetes 上运行可扩展的训练任务。
• 使用 Kubeflow Serving 高效部署机器学习模型。

课程形式

• 引导式演示与协作讨论。
• 使用真实 Kubeflow 组件的实践操作。
• 构建端到端机器学习工作流的实际练习。

课程定制选项

• 可根据团队的技术栈和项目需求定制本培训内容。

这种以讲师为主导的中国现场培训（现场或远程）面向希望在Kubernetes上构建，部署和管理机器学习工作流的开发人员和数据科学家。

在培训结束时，参与者将能够：

• 在本地和云端安装和配置 Kubeflow。
• 基于 Docker 个容器和 Kubernetes 构建、部署和管理 ML 工作流。
• 在不同的架构和云环境中运行整个机器学习管道。
• 使用 Kubeflow 生成和管理 Jupyter 笔记本。
• 跨多个平台构建 ML 训练、超参数调优并为工作负载提供服务。

本次由讲师指导的培训在中国（线上或线下）面向希望评估当前可用方法和工具的工程师，以便在组织内采用MLOps时做出明智的决策。

通过本次培训，参与者将能够：

• 安装和配置各种MLOps框架和工具。
• 组建具备正确技能的团队，以构建和支持MLOps系统。
• 准备、验证和版本化数据以供ML模型使用。
• 了解ML管道的组件及其所需的工具。
• 实验不同的机器学习框架和服务器，以部署到生产环境。
• 将整个机器学习过程操作化，使其可重现和可维护。

MLOps on Kubernetes 是一个框架，用于通过容器化流水线和GitOps工作流自动化机器学习的训练、验证、打包和部署。

本课程由讲师指导，提供线上或线下培训，面向希望构建自动化、可扩展的MLOps流水线的中级从业者。

完成本培训后，学员将能够：

• 设计端到端的机器学习CI/CD流水线。
• 实现用于模型部署和版本控制的GitOps工作流。
• 自动化机器学习模型的训练、测试和打包。
• 集成监控、告警和回滚策略。

课程形式

• 讲师引导的演讲和技术深入探讨。
• 实践练习，构建真实的CI/CD工作流。
• 实时实验室练习，部署机器学习工作负载到Kubernetes。

课程定制选项

• 组织可以请求与内部MLOps工具和基础设施相匹配的定制内容。