Kubeflow on AWS Training Cursus

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op datawetenschappers die verder willen gaan dan het bouwen van ML-modellen en het proces voor het maken, volgen en implementeren van ML-modellen willen optimaliseren.

Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer MLflow en gerelateerde ML-bibliotheken en frameworks.
• Waardeer het belang van traceerbaarheid, reproduceerbaarheid en inzetbaarheid van een ML-model
• Implementeer ML-modellen op verschillende openbare clouds, platforms of lokale servers.
• Schaal het ML-implementatieproces zodat meerdere gebruikers aan een project kunnen samenwerken.
• Zet een centraal register op om te experimenteren met ML-modellen, deze te reproduceren en te implementeren.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars die een DynamoDB NoSQL-database willen integreren in een webapplicatie die wordt gehost op AWS.

Aan het einde van deze training kunnen deelnemers:

• Zet de benodigde ontwikkelomgeving op om te beginnen met het integreren van gegevens in DynamoDB.
• Integreer DynamoDB in webapplicaties en mobiele applicaties.
• Verplaats gegevens in AWS met AWS-services.
• Implementeer bewerkingen met AWS DAX.

Deze door een instructeur geleide, live training in Nederland (op locatie of op afstand) is gericht op ingenieurs die AWS CloudFormation willen gebruiken om het proces van het beheer van de AWS-cloudinfrastructuur te automatiseren.

Aan het einde van deze training kunnen deelnemers:

• Schakel AWS-services in om aan de slag te gaan met het beheren van de infrastructuur.
• Begrijp en pas het principe van "infrastructuur als code" toe.
• Verbeter de kwaliteit en verlaag de kosten van het inzetten van infrastructuur.
• Schrijf AWS CloudFormation sjablonen met behulp van YAML.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op cloudingenieurs en ontwikkelaars die CloudFormation willen gebruiken om infrastructuurbronnen binnen het AWS-ecosysteem te beheren.

Aan het einde van deze training kunnen deelnemers:

• Implementeer CloudFormation sjablonen om het infrastructuurbeheer te automatiseren.
• Integreer bestaande AWS-bronnen in CloudFormation.
• Gebruik StackSets om stapels over meerdere accounts en regio's te beheren.

Deze door een instructeur geleide, live training in Nederland (op locatie of op afstand) is gericht op ingenieurs die IoT-apparaten op AWS willen implementeren en beheren.

Aan het einde van deze training kunnen deelnemers een IoT-platform bouwen dat de implementatie en het beheer van een backend, gateway en apparaten bovenop AWS omvat.

Summery:

• Basics of IoT architecture and functions
• “Things”, “Sensors”, Internet and the mapping between business functions of IoT
• Essential of all IoT software components- hardware, firmware, middleware, cloud and mobile app
• IoT functions- Fleet manager, Data visualization, SaaS based FM and DV, alert/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Basics of IoT device communication with cloud with MQTT.
• Connecting IoT devices to AWS with MQTT (AWS IoT Core).
• Connecting AWS IoT core with AWS Lambda function for computation and data storage.
• Connecting Raspberry PI with AWS IoT core and simple data communication.
• Alerts and events
• Sensor calibration

Summary:

• Basics of IoT architecture and functions
• “Things”, “Sensors”, Internet and the mapping between business functions of IoT
• Essential of all IoT software components- hardware, firmware, middleware, cloud and mobile app
• IoT functions- Fleet manager, Data visualization, SaaS based FM and DV, alert/alarm, sensor onboarding, “thing” onboarding, geo-fencing
• Basics of IoT device communication with cloud with MQTT.
• Connecting IoT devices to AWS with MQTT (AWS IoT Core).
• Connecting AWS IoT core with AWS Lambda function for computation and data storage using DynamoDB.
• Connecting Raspberry PI with AWS IoT core and simple data communication.
• Hands on with Raspberry PI and AWS IoT Core to build a smart device.
• Sensor data visualization and communication with web interface.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars die AWS IoT Greengrass-mogelijkheden willen installeren, configureren en beheren om applicaties voor verschillende apparaten te maken.

Aan het einde van deze training kunnen deelnemers AWS IoT Greengrass gebruiken om applicaties op intelligente apparaten te bouwen, implementeren, beheren, beveiligen en monitoren.

Deze door een instructeur geleide, live training in Nederland (op locatie of op afstand) is gericht op ontwikkelaars die AWS Lambda willen gebruiken om services en applicaties in de cloud te bouwen en te implementeren, zonder zich zorgen te hoeven maken over het inrichten van de uitvoeringsomgeving (servers, VM’s en containers, beschikbaarheid, schaalbaarheid, opslag, etc.).

Aan het einde van deze training kunnen deelnemers:

• Configureer AWS Lambda om een functie uit te voeren.
• Begrijp FaaS (Functions as a Service) en de voordelen van serverloze ontwikkeling.
• Bouw, upload en voer AWS Lambda functies uit.
• Integreer Lambda-functies met verschillende gebeurtenisbronnen.
• Op Lambda gebaseerde applicaties verpakken, implementeren, monitoren en problemen oplossen.

Deze instructeur-geleide, live training in Nederland (op locatie of op afstand) is gericht op ontwikkelaars die AWS Lambda applicaties en services willen integreren met andere services (API Gateway, Kinesis Streams, etc.). De training laat zien hoe u de browsergebaseerde AWS Cloud9 IDE kunt gebruiken om samen software te ontwikkelen.

Aan het einde van deze training kunnen deelnemers:

• Ontwikkel samen functies, applicaties en services met behulp van AWS Cloud9 IDE.
• Integreer AWS Lambda functies met andere AWS-services.
• API's maken en beheren.
• Stel een AWS Lambda-functie in om realtime streaminggegevens te lezen en te verwerken.
• Creëer en beheer een continue integratiepijplijn voor het bouwen, testen en implementeren van functies en applicaties.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ingenieurs die de benaderingen en hulpmiddelen die vandaag beschikbaar zijn willen evalueren om een intelligente beslissing te nemen over de weg voorwaarts bij het adopteren van MLOps binnen hun organisatie.

Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer verschillende MLOps frameworks en tools.
• Stel het juiste soort team samen met de juiste vaardigheden voor het bouwen en ondersteunen van een MLOps systeem.
• Gegevens voorbereiden, valideren en bijwerken voor gebruik door ML-modellen.
• Begrijp de componenten van een ML-pijplijn en de tools die nodig zijn om er een te bouwen.
• Experimenteer met verschillende machine learning-frameworks en servers voor implementatie in productie.
• Operationaliseer het gehele Machine Learning-proces, zodat het reproduceerbaar en onderhoudbaar is.

Deze door een instructeur geleide, live training in Nederland (op locatie of op afstand) is gericht op ingenieurs die Machine Learning workloads willen implementeren in de Azure-cloud.

Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer Kubernetes, Kubeflow en andere benodigde software op Azure.
• Gebruik Azure Kubernetes Service (AKS) om het werk van het initialiseren van een Kubernetes-cluster op Azure te vereenvoudigen.
• Maak en implementeer een Kubernetes-pijplijn voor het automatiseren en beheren van ML-modellen in productie.
• Train en implementeer TensorFlow ML-modellen over meerdere GPU's en machines die parallel draaien.
• Maak gebruik van andere door AWS beheerde services om een ML-applicatie uit te breiden.

Deze door een instructeur geleide, live training in Nederland (op locatie of op afstand) is gericht op ingenieurs die Machine Learning workloads willen implementeren op Google Cloud Platform (GCP).

Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer Kubernetes, Kubeflow en andere benodigde software op GCP en GKE.
• Gebruik GKE (Kubernetes Kubernetes Engine) om het initialiseren van een Kubernetes-cluster op GCP te vereenvoudigen.
• Maak en implementeer een Kubernetes-pijplijn voor het automatiseren en beheren van ML-modellen in productie.
• Train en implementeer TensorFlow ML-modellen over meerdere GPU's en machines die parallel draaien.
• Maak gebruik van andere GCP-services om een ML-applicatie uit te breiden.

Deze instructeur-geleide, live training in Nederland (op locatie of op afstand) is gericht op engineers die Machine Learning workloads willen implementeren in IBM Cloud Kubernetes Service (IKS).

Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer Kubernetes, Kubeflow en andere benodigde software op IBM Cloud Kubernetes Service (IKS).
• Gebruik IKS om het werk van het initialiseren van een Kubernetes-cluster op IBM Cloud te vereenvoudigen.
• Maak en implementeer een Kubernetes-pijplijn voor het automatiseren en beheren van ML-modellen in productie.
• Train en implementeer TensorFlow ML-modellen over meerdere GPU's en machines die parallel draaien.
• Maak gebruik van andere IBM Cloud-services om een ML-applicatie uit te breiden.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars en datawetenschappers die machine learning-workflows willen bouwen, implementeren en beheren op Kubernetes.

Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer Kubeflow op locatie en in de cloud met behulp van AWS EKS (Elastic Kubernetes Service).
• Bouw, implementeer en beheer ML-workflows op basis van Docker-containers en Kubernetes.
• Voer volledige machine learning-pijplijnen uit op diverse architecturen en cloudomgevingen.
• Kubeflow gebruiken om Jupyter-notebooks te spawnen en te beheren.
• Bouw ML-training, afstemming van hyperparameters en serveer workloads op meerdere platforms.