香港現場Azure培訓

本次由講師指導的香港（線上或線下）培訓面向中級Java開發者、軟件工程師和雲計算愛好者，旨在幫助他們利用Azure OpenAI的強大功能創建智能應用。

培訓結束後，參與者將能夠：

• 理解生成式AI的原理及其應用。
• 設置和管理Azure OpenAI服務。
• 將OpenAI的模型集成到Java應用中。
• 在Web應用中部署AI驅動的功能。

這種以講師為主導的 香港（在線或現場）實時培訓面向希望使用 Terraform 在 Azure 雲平臺上自動部署、管理和擴展基礎架構的中級雲工程師和 IT 專業人員。

在培訓結束時，參與者將能夠：

• 瞭解 Terraform 的基礎知識及其在基礎結構即代碼中的優勢。
• 為Azure設置和配置Terraform。
• 為各種 Azure 服務開發、測試和部署 Terraform 配置檔。
• 使用 Terraform 管理和擴展 Azure 資源。
• 實施 Terraform 狀態管理和版本控制的最佳實踐。
• 將 Terraform 與 Azure DevOps 集成以實現自動化部署。
• 創建可重用的 Terraform 模組，以實現一致的資源配置。
• 利用 Terraform 的高級功能進行複雜的基礎架構部署。

本課程爲講師指導的線下或線上培訓，面向中高級專業人士，旨在教授如何使用Microsoft Azure構建和部署AI驅動的雲應用。

培訓結束後，學員將能夠：

• 使用Azure Functions開發事件驅動和無服務器應用。
• 管理Azure存儲解決方案和虛擬機。
• 使用Azure App Service和Docker容器部署和擴展Web應用。
• 使用Azure AI服務集成AI、機器學習和自然語言處理。
• 利用GitHub Copilot輔助AI驅動的雲應用開發。

這種由講師指導的現場培訓香港（在線或遠端）面向希望熟練利用 Azure Synapse Analytics 進行各種數據處理、分析和可視化的中級數據工程師。

在培訓結束時，參與者將能夠：

• 瞭解 Azure Synapse Analytics 的核心概念、體系結構和元件。
• 使用 Azure Synapse 創建、配置和管理可縮放的數據倉庫。
• 掌握從各種源引入、轉換和載入資料 （ETL） 到 Azure Synapse 的技術。
• 優化查詢性能，保護數據，並將 Azure Synapse 與 Power BI 和其他工具集成，以可視化數據並共用見解。

這種由講師指導的 香港（遠端或遠端）實時培訓面向希望瞭解如何使用 Azure Data Lake Storage Gen2 實現有效數據分析解決方案的中級數據工程師。

在培訓結束時，參與者將能夠：

• 瞭解 Azure Data Lake Storage Gen2 的體系結構和主要功能。
• 優化數據存儲和訪問，提高成本和性能。
• 將 Azure Data Lake Storage Gen2 與其他 Azure 服務集成，以進行分析和數據處理。
• 使用 Azure Data Lake Storage Gen2 API 開發解決方案。
• 解決常見問題並優化存儲策略。

這種以講師為主導的香港現場現場培訓面向希望學習如何配置Azure雲安全以保護在Azure中運行的工作負載的安全管理員。

在培訓結束時，參與者將能夠：

• 配置主機和網路安全。
• 配置 Azure 高級安全選項。
• 使用 Azure 保護雲計算工作負載。
• 使用端點保護服務安全功能，抵禦惡意軟體和病毒。
• 保護在 Azure 中運行的容器工作負載。

在這個由講師指導的香港現場培訓（現場或遠端）中，參與者將學習如何在AKS上使用Kubernetes設置和管理生產規模的容器環境。 

在培訓結束時，參與者將能夠：

• 在 AKS 上配置和管理 Kubernetes。
• 部署、管理和縮放 Kubernetes 集群。
• 在 Azure 上部署容器化 （Docker） 應用程式。
• 將現有 Kubernetes 環境從本地遷移到 AKS 雲。
• 將 Kubernetes 與第三方持續集成 （CI） 軟體集成。
• 確保 Kubernetes 中的高可用性和災難恢復。

這種以講師為主導的香港現場培訓（現場或遠端）面向希望使用Azure ML的拖放平臺部署Machine Learning工作負載的工程師，而無需購買軟體和硬體，也不必擔心維護和部署。

在培訓結束時，參與者將能夠：

• 使用 Python、R 或零代碼工具編寫高精度的機器學習模型。
• 利用 Azure 的可用數據集和演算法來訓練和跟蹤機器學習和深度學習模型。
• 使用 Azure 的互動式工作區協作開發 ML 模型。
• 從不同的 Azure 支援的 ML 框架中進行選擇，例如 PyTorch、TensorFlow 和 scikit-learn。

該培訓允許代表提高他們的 Microsoft Azure 解決方案設計技能。

在本次培訓之後，學員將瞭解 Azure 服務的特性和功能，以便能夠識別權衡，並做出設計公共雲和混合雲解決方案的決策。

在培訓期間，將定義適當的基礎設施和平台解決方案，以滿足整個解決方案生命週期中所需的功能、操作和部署要求。

這種以講師為主導的香港現場（現場或遠端）的現場培訓面向 DevOps 希望利用 Azure DevOps 比傳統開發方法更快地構建和部署優化的企業應用程式的工程師、開發人員和項目經理。

在培訓結束時，參與者將能夠：

• 瞭解基本的 DevOps 詞彙和原則。
• 安裝和配置軟體開發所需的 Azure DevOps 工具。
• 利用 Azure DevOps 工具和服務不斷適應市場。
• 在 Azure DevOps 解決方案上構建企業應用程式並評估當前的開發流程。
• 更高效地管理團隊並縮短軟體部署時間。
• 在組織內採用 DevOps 開發實踐。

這種以講師為主導的香港現場培訓（現場或遠端）針對希望使用Azure Machine Learning構建用於預測分析的端到端機器學習模型的數據科學家。

在培訓結束時，參與者將能夠：

• 構建零程式設計經驗的機器學習模型。
• 使用 Azure Machine Learning 創建預測演算法。
• 部署生產就緒的機器學習演算法。

這種由講師指導的香港現場（現場或遠端）現場培訓面向希望保護Azure工作負載的安全管理員。

在培訓結束時，參與者將能夠：

• 管理主機安全、網路安全等。
• 在 Azure 中設置存儲和資料庫安全性。
• 使用 Azure 資源實施安全監視。
• 防止對數據和基礎設施的惡意網路攻擊。

此講師指導的 香港（在線或現場）實時培訓面向希望學習如何在 Microsoft Azure Service Fabric （ASF） 上構建微服務的開發人員。

在培訓結束時，參與者將能夠：

• 使用 ASF 作為構建和管理微服務的平臺。
• 了解關鍵的微服務程式設計概念和模型。
• 在 Azure 中創建集群。
• 在本地或雲中部署微服務。
• 對即時微服務應用程式進行調試和故障排除。

Azure Bot服務結合了Microsoft Bot Framework和Azure功能的強大功能，可實現智能機器人的快速開發。

在這個由講師指導的實時培訓中，參與者將學習如何使用Microsoft Azure輕鬆創建智能機器人

在培訓結束時，參與者將能夠：

• 了解智能機器人的基礎知識
• 了解如何使用雲應用程序創建智能機器人
• 了解如何使用Microsoft Bot Framework，Bot Builder SDK和Azure Bot服務
• 了解如何使用bot模式設計機器人
• 使用Microsoft Azure開發他們的第一個智能機器人

聽眾

• 開發商
• 愛好者
• 工程師
• IT專業人士

課程形式

• 部分講座，部分討論，練習和繁重的實踐練習

在這個由講師指導的香港（現場或遠端）現場培訓中，參與者將 學習 Microsoft Azure的基本概念，元件和服務，因為他們逐步創建了示例雲應用程式。

在培訓結束時，參與者將能夠：

• 瞭解 Microsoft Azure 的基礎知識
• 瞭解不同的 Azure 工具和服務
• 瞭解如何使用 Azure 構建雲應用程式

Internet of Things (IoT) 是一種網路基礎設施，它以無線方式連接物理對象和軟體應用程式，使它們能夠通過網路通信、雲計算和數據捕獲相互通信並交換數據。Azure 是一套全面的雲服務，它提供了一個物聯網套件，由預配置的解決方案組成，可幫助開發人員加速物聯網項目的開發。

在這個以講師為主導的現場培訓中，參與者將學習如何使用 Azure 開發物聯網應用程式。

在培訓結束時，參與者將能夠：

• 瞭解IoT架構的基礎知識
• 安裝和配置 Azure IoT 套件
• 瞭解在物聯網系統程式設計中使用 Azure 的好處
• 實現各種 Azure IoT 服務（IoT 中心、Functions、流分析、Power BI、Cosmos DB、DocumentDB、IoT 設備 Management）
• 使用 Azure 構建、測試、部署IoT系統並對其進行故障排除

觀眾

• 開發人員
• 工程師

課程形式

• 部分講座，部分討論，練習和大量的實踐練習

注意

• 如需申請此課程的定製培訓，請聯繫我們進行安排。

這種由講師指導的香港現場培訓（現場或遠端）面向希望將Machine Learning工作負載部署到Azure雲的工程師。

在培訓結束時，參與者將能夠：

• 在 Azure 上安裝和配置 Kubernetes、Kubeflow 和其他所需的軟體。
使用 Azure Kubernetes
• 服務 （AKS） 簡化在 Azure 上初始化 Kubernetes 群集的工作。
• 創建和部署 Kubernetes 管道，用於在生產環境中自動執行和管理 ML 模型。
• 在多個並行運行的 GPU 和機器上訓練和部署 TensorFlow ML 模型。
• 利用其他 AWS 託管服務來擴展 ML 應用程式。

這種以講師為主導的現場培訓（現場或遠端）針對希望使用Azure Machine Learning和Azure DevOps來促進MLOps實踐的機器學習工程師。

在培訓結束時，參與者將能夠：

• 構建可重現的工作流和機器學習模型。
• 管理機器學習生命週期。
• 跟蹤和報告模型版本歷史記錄、資產等。
• 在任何地方部署生產就緒的機器學習模型。

Microsoft Azure 基礎結構和部署