Curso de Kubeflow no AWS

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a engenheiros de IA de nível avançado e cientistas de dados com experiência intermediária a avançada que desejam aprimorar o desempenho do modelo DeepSeek, minimizar a latência e implantar soluções de IA de forma eficiente usando práticas modernas MLOps.

No final deste treinamento, os participantes serão capazes de:

• Otimize os modelos DeepSeek para eficiência, precisão e escalabilidade.
• Implementar as melhores práticas para MLOps e versionamento de modelo.
• Implante modelos DeepSeek na nuvem e na infraestrutura local.
• Monitorizar, manter e escalar soluções de IA de forma eficaz.

Esse treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a engenheiros que desejam implantar e gerenciar dispositivos IoT na AWS.

No final deste treinamento, os participantes poderão criar uma plataforma de IoT que inclua a implantação e o gerenciamento de um back-end, gateway e dispositivos na parte superior da AWS.

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a desenvolvedores que desejam instalar, configurar e gerenciar recursos do AWS IoT Greengrass para criar aplicativos para vários dispositivos.

No final deste treinamento, os participantes serão capazes de usar o AWS IoT Greengrass para criar, implantar, gerenciar, proteger e monitorar aplicativos em dispositivos inteligentes.

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a desenvolvedores que desejam usar AWS Lambda para criar e implantar serviços e aplicativos na nuvem, sem precisar se preocupar com o provisionamento do ambiente de execução (servidores, VMs e contêineres, disponibilidade, escalabilidade, armazenamento, etc.).

Ao final deste treinamento, os participantes serão capazes de:

• Configurar AWS Lambda para executar uma função.
• Entenda o FaaS (Functions as a Service) e as vantagens do desenvolvimento sem servidor.
• Construir, carregar e executar funções AWS Lambda.
• Integrar funções Lambda com diferentes fontes de eventos.
• Empacotar, implantar, monitorar e solucionar problemas de aplicativos baseados em Lambda.

Esse treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a profissionais de nível avançado que desejam aprofundar sua compreensão das práticas DevOps e otimizar os processos de desenvolvimento usando o AWS Cloud9.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar e configurar o AWS Cloud9 para fluxos de trabalho DevOps.
• Implementar pipelines de integração contínua e entrega contínua (CI / CD).
• Automatize os processos de teste, monitoramento e implantação usando o AWS Cloud9.
• Integrar serviços do AWS, como Lambda, EC2 e S3, em fluxos de trabalho DevOps.
• Utilizar sistemas de controlo de fontes como GitHub ou GitLab no AWS Cloud9.

Esse treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a profissionais de nível intermediário que desejam aprender como criar, implantar e manter efetivamente aplicativos sem servidor no AWS Cloud9 e AWS Lambda.

No final deste treinamento, os participantes serão capazes de:

• Entenda os fundamentos da arquitetura sem servidor.
• Configure o AWS Cloud9 para o desenvolvimento de aplicativos sem servidor.
• Desenvolver, testar e implantar aplicativos sem servidor usando AWS Lambda.
• Integrar AWS Lambda com outros serviços da AWS, como API Gateway e S3.
• Otimizar aplicativos sem servidor para desempenho e eficiência de custos.

Resumo:

• Noções básicas sobre a arquitetura e as funções da IdC
• "Coisas", "Sensores", Internet e o mapeamento entre as funções empresariais da IoT
• Essencial de todos os componentes de software da IoT - hardware, firmware, middleware, nuvem e aplicação móvel
• Funções da IdC - gestor de frotas, visualização de dados, FM e DV baseados em SaaS, alerta/alarme, integração de sensores, integração de "coisas", delimitação geográfica
• Noções básicas de comunicação de dispositivos IoT com a nuvem com MQTT.
• Ligação de dispositivos IoT ao AWS com MQTT (AWS IoT Core).
• Ligação do núcleo AWS IoT à função AWS Lambda para computação e armazenamento de dados.
• Ligação do Raspberry PI ao núcleo AWS IoT e comunicação simples de dados.
• Alertas e eventos
• Calibração de sensores

Resumo:

• Noções básicas de arquitetura e funções da IdC
• "Coisas", "Sensores", Internet e o mapeamento entre as funções empresariais da IoT
• Essencial de todos os componentes de software da IoT - hardware, firmware, middleware, nuvem e aplicação móvel
• Funções da IdC - gestor de frotas, visualização de dados, FM e DV baseados em SaaS, alerta/alarme, integração de sensores, integração de "coisas", delimitação geográfica
• Noções básicas de comunicação de dispositivos IoT com a nuvem com MQTT.
• Ligação de dispositivos IoT ao AWS com MQTT (AWS IoT Core).
• Ligação do núcleo AWS IoT à função AWS Lambda para computação e armazenamento de dados utilizando o DynamoDB.
• Ligação do Raspberry PI ao núcleo AWS IoT e comunicação de dados simples.
• Utilização prática do Raspberry PI e do AWS IoT Core para construir um dispositivo inteligente.
• Visualização de dados de sensores e comunicação com interface web.

Esse treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a desenvolvedores e cientistas de dados que desejam criar, implantar e gerenciar fluxos de trabalho de aprendizado de máquina em Kubernetes.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar Kubeflow no local e na nuvem usando o AWS EKS (Elastic Kubernetes Service).
• Crie, implante e gerencie fluxos de trabalho de ML com base em contêineres Docker e Kubernetes.
• Executar pipelines de aprendizagem automática completos em diversas arquitecturas e ambientes de nuvem.
• Usando Kubeflow para gerar e gerenciar notebooks Jupyter.
• Criar treinamento de ML, ajuste de hiperparâmetros e servir cargas de trabalho em várias plataformas.

Este treinamento dirigido por instrutor (online ou presencial) é destinado a engenheiros que desejam implantar cargas de trabalho de Machine Learning na nuvem Azure.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o Kubernetes, Kubeflow e outros softwares necessários no Azure.
• Usar o Azure Kubernetes Service (AKS) para simplificar a inicialização de um cluster do Kubernetes no Azure.
• Criar e implantar um pipeline do Kubernetes para automatizar e gerenciar modelos de ML em produção.
• Treinar e implantar modelos de ML do TensorFlow em múltiplos GPUs e máquinas executando em paralelo.
• Aproveitar outros serviços gerenciados da AWS para estender um aplicativo de ML.

Esse treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a desenvolvedores e cientistas de dados que desejam criar, implantar e gerenciar fluxos de trabalho de aprendizado de máquina em Kubernetes.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar Kubeflow no local e na nuvem.
• Crie, implante e gerencie fluxos de trabalho de ML com base em contêineres Docker e Kubernetes.
• Executar pipelines de aprendizado de máquina inteiros em diversas arquiteturas e ambientes de nuvem.
• Usando Kubeflow para gerar e gerenciar notebooks Jupyter.
• Criar treinamento de ML, ajuste de hiperparâmetros e servir cargas de trabalho em várias plataformas.

Este treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a cientistas de dados que desejam ir além da construção de modelos de ML e otimizar o processo de criação, rastreamento e implantação de modelos de ML.

No final deste treinamento, os participantes serão capazes de:

• Instalar e configurar MLflow e bibliotecas e estruturas de ML relacionadas.
• Apreciar a importância da rastreabilidade, reprodutibilidade e implantação de um modelo de ML
• Implantar modelos de ML em diferentes nuvens públicas, plataformas ou servidores locais.
• Dimensionar o processo de implementação de ML para acomodar vários utilizadores que colaboram num projeto.
• Criar um registo central para experimentar, reproduzir e implementar modelos de ML.

Este treinamento presencial, conduzido por um instrutor em Portugal (online ou no local), é destinado a engenheiros que desejam avaliar as abordagens e ferramentas disponíveis hoje para tomar uma decisão inteligente sobre o caminho a seguir na adoção de MLOps em sua organização.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar vários frameworks e ferramentas de MLOps.
• Montar a equipe certa com as habilidades adequadas para construir e suportar um sistema de MLOps.
• Preparar, validar e versionar dados para uso por modelos de ML.
• Compreender os componentes de uma Pipeline de ML e as ferramentas necessárias para construí-la.
• Experimentar diferentes frameworks e servidores de machine learning para implantação em produção.
• Operacionalizar todo o processo de Machine Learning para que seja reproduzível e mantido.

Este treinamento liderado por instrutor (online ou presencial) é voltado para engenheiros de machine learning que desejam usar o Azure Machine Learning e o Azure DevOps para facilitar as práticas de MLOps.

Ao final deste treinamento, os participantes serão capazes de:

• Construir fluxos de trabalho e modelos de machine learning reproduzíveis.
• Gerenciar o ciclo de vida de machine learning.
• Rastrear e relatar o histórico de versão do modelo, ativos e mais.
• Implementar modelos de machine learning prontos para produção em qualquer lugar.