MLOps for Azure Machine Learning Training Course

Pelatihan langsung yang dipandu instruktur di Indonesia (online atau di tempat) ini ditujukan untuk para insinyur AI dan ilmuwan data tingkat lanjut dengan pengalaman menengah hingga tingkat lanjut yang ingin meningkatkan DeepSeek kinerja model, meminimalkan latensi, dan menerapkan solusi AI secara efisien menggunakan praktik modern MLOps.

Pada akhir pelatihan ini, peserta akan dapat:

• Optimalkan model DeepSeek untuk efisiensi, akurasi, dan skalabilitas.
• Terapkan praktik terbaik untuk MLOps dan versi model.
• Terapkan model DeepSeek pada infrastruktur cloud dan lokal.
• Pantau, kelola, dan tingkatkan solusi AI secara efektif.

This training permits delegates to improve their Microsoft Azure solution design skills.

After this training the delegate will understand the features and capabilities of Azure services, to be able to identify trade-offs, and make decisions for designing public and hybrid cloud solutions.

During training the appropriate infrastructure and platform solutions to meet the required functional, operational, and deployment requirements through the solution life-cycle will be defined.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di lokasi) ini ditujukan untuk pengembang yang ingin mempelajari cara membangun layanan mikro di Microsoft Azure Service Fabric (ASF).

Pada akhir pelatihan ini, peserta akan mampu:

• Gunakan ASF sebagai platform untuk membangun dan mengelola layanan mikro.
• Memahami konsep dan model pemrograman layanan mikro utama.
• Buat klaster di Azure.
• Terapkan layanan mikro di lokasi atau di cloud.
• Debug dan pecahkan masalah aplikasi layanan mikro langsung.

Layanan Bot Azure menggabungkan kekuatan fungsi Microsoft Bot Framework dan Azure untuk memfasilitasi pengembangan bot yang cerdas dengan cepat.

Dalam pelatihan langsung berbimbing ini, peserta akan belajar cara membuat bot yang cerdas dengan mudah menggunakan Microsoft Azure

Setelah mengikuti pelatihan ini, peserta akan dapat:

• Mempelajari dasar-dasar bot yang cerdas
• Mempelajari cara membuat bot yang cerdas menggunakan aplikasi cloud
• Mengerti bagaimana menggunakan Microsoft Bot Framework, Bot Builder SDK, dan Layanan Bot Azure
• Mengerti bagaimana mendesain bot menggunakan pola bot
• Merancang bot yang cerdas pertama mereka dengan menggunakan Microsoft Azure

Audience

• Pengembang
• Hobbyist
• Injiner
• Profesional IT

Format kursus

• Bagian presentasi, diskusi, latihan dan praktek langsung yang intensif

Dalam pelatihan yang dipimpin instruktur secara langsung di Indonesia (onsite atau remote) peserta akan mempelajari konsep dasar, komponen, dan layanan dari Microsoft Azure saat mereka melalui proses pembuatan aplikasi cloud contoh.

Selesai pelatihan ini, peserta akan dapat:

• Mengerti dasar-dasar dari Microsoft Azure
• Mengerti berbagai alat dan layanan Azure
• Mempelajari cara menggunakan Azure untuk membangun aplikasi cloud

Internet of Things (IoT) adalah infrastruktur jaringan yang menghubungkan objek fisik dan aplikasi perangkat lunak secara nirkabel, memungkinkan mereka untuk berkomunikasi satu sama lain dan bertukar data melalui komunikasi jaringan, komputasi awan, dan penangkapan data. Azure adalah seperangkat layanan awan komprehensif yang menawarkan IoT Suite yang terdiri dari solusi prakonfigurasi yang membantu pengembang mempercepat pengembangan proyek IoT.

Dalam pelatihan langsung yang dipandu instruktur ini, peserta akan belajar cara mengembangkan aplikasi IoT menggunakan Azure.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami dasar-dasar arsitektur IoT
• Instal dan konfigurasikan Azure IoT Suite
• Pelajari manfaat penggunaan Azure dalam pemrograman sistem IoT
• Menerapkan berbagai layanan IoT Azure (IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management)
• Membangun, menguji, menyebarkan, dan memecahkan masalah sistem IoT menggunakan Azure

Hadirin

• Pengembang
• Insinyur

Format kursus

• Sebagian kuliah, sebagian diskusi, latihan dan praktik langsung yang berat

Catatan

• Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk mengaturnya.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di lokasi) ditujukan untuk pengembang dan ilmuwan data yang ingin membangun, menerapkan, dan mengelola alur kerja pembelajaran mesin di Kubernetes.

Pada akhir pelatihan ini, peserta akan mampu:

• Instal dan konfigurasikan Kubeflow di lokasi dan di cloud menggunakan AWS EKS (Layanan Elastis Kubernetes).
• Bangun, terapkan, dan kelola alur kerja ML berdasarkan Docker container dan Kubernetes.
• Jalankan seluruh alur pembelajaran mesin pada beragam arsitektur dan lingkungan cloud.
• Menggunakan Kubeflow untuk menelurkan dan mengelola notebook Jupyter.
• Bangun pelatihan ML, penyesuaian hyperparameter, dan penyajian beban kerja di berbagai platform.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di lokasi) ditujukan untuk pengembang dan ilmuwan data yang ingin membangun, menerapkan, dan mengelola alur kerja pembelajaran mesin di Kubernetes.

Pada akhir pelatihan ini, peserta akan mampu:

• Instal dan konfigurasikan Kubeflow di lokasi dan di cloud.
• Bangun, terapkan, dan kelola alur kerja ML berdasarkan Docker container dan Kubernetes.
• Jalankan seluruh alur pembelajaran mesin pada beragam arsitektur dan lingkungan cloud.
• Menggunakan Kubeflow untuk menelurkan dan mengelola notebook Jupyter.
• Bangun pelatihan ML, penyesuaian hyperparameter, dan penyajian beban kerja di berbagai platform.

This instructor-led, live training in Indonesia (online or onsite) is aimed at engineers who wish to deploy Machine Learning workloads to an AWS EC2 server.

By the end of this training, participants will be able to:

• Install and configure Kubernetes, Kubeflow and other needed software on AWS.
• Use EKS (Elastic Kubernetes Service) to simplify the work of initializing a Kubernetes cluster on AWS.
• Create and deploy a Kubernetes pipeline for automating and managing ML models in production.
• Train and deploy TensorFlow ML models across multiple GPUs and machines running in parallel.
• Leverage other AWS managed services to extend an ML application.

This instructor-led, live training in Indonesia (online or onsite) is aimed at engineers who wish to deploy Machine Learning workloads to Azure cloud.

By the end of this training, participants will be able to:

• Install and configure Kubernetes, Kubeflow and other needed software on Azure.
• Use Azure Kubernetes Service (AKS) to simplify the work of initializing a Kubernetes cluster on Azure.
• Create and deploy a Kubernetes pipeline for automating and managing ML models in production.
• Train and deploy TensorFlow ML models across multiple GPUs and machines running in parallel.
• Leverage other AWS managed services to extend an ML application.

Dalam pelatihan langsung yang dipandu instruktur di Indonesia (online atau di tempat), peserta akan mempelajari cara menyiapkan dan mengelola lingkungan kontainer skala produksi menggunakan Kubernetes di AKS.

Pada akhir pelatihan ini, peserta akan dapat:

• Konfigurasikan dan kelola Kubernetes di AKS.
• Terapkan, kelola, dan skalakan kluster Kubernetes.
• Terapkan aplikasi yang dikontainerisasi (Docker) di Azure.
• Migrasikan lingkungan Kubernetes yang ada dari lokal ke cloud AKS.
• Integrasikan Kubernetes dengan perangkat lunak integrasi berkelanjutan (CI) pihak ketiga.
• Pastikan ketersediaan tinggi dan pemulihan bencana di Kubernetes.

Pelatihan langsung yang dipimpin instruktur (online atau di lokasi) ini ditujukan untuk data scientist yang ingin melakukan lebih dari sekadar membuat model ML dan mengoptimalkan proses pembuatan, pelacakan, dan penerapan model ML.

Pada akhir pelatihan ini, peserta akan mampu:

• Instal dan konfigurasikan MLflow serta pustaka dan kerangka kerja ML terkait.
• Menghargai pentingnya keterlacakan, kemampuan reproduksi, dan kemampuan penerapan model ML
• Terapkan model ML ke cloud publik, platform, atau server lokal yang berbeda.
• Skalakan proses penerapan ML untuk mengakomodasi banyak pengguna yang berkolaborasi dalam sebuah proyek.
• Siapkan registri pusat untuk bereksperimen, mereproduksi, dan menerapkan model ML.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di lokasi) ditujukan bagi para insinyur yang ingin mengevaluasi pendekatan dan alat yang tersedia saat ini untuk membuat keputusan cerdas mengenai jalur ke depan dalam penerapan MLOps dalam organisasi mereka.

Pada akhir pelatihan ini, peserta akan mampu:

• Instal dan konfigurasikan berbagai MLOps kerangka kerja dan alat.
• Bentuk tim yang tepat dengan keterampilan yang tepat untuk membangun dan mendukung sistem MLOps.
• Mempersiapkan, memvalidasi, dan membuat versi data untuk digunakan oleh model ML.
• Pahami komponen ML Pipeline dan alat yang diperlukan untuk membangunnya.
• Bereksperimenlah dengan berbagai kerangka kerja dan server pembelajaran mesin untuk diterapkan ke produksi.
• Operasikan seluruh proses Machine Learning sehingga dapat direproduksi dan dipelihara.