Programming for IoT with Azure培訓

這是一個由講師指導的現場培訓，地點在台灣（線上或現場），旨在為中高級專業人士提供使用Microsoft Azure來構建和部署人工智慧驅動的雲端應用程式的技能。

在培訓結束時，參與者將能夠：

• 使用Azure Functions開發事件驅動和無伺服器應用程式。
• 管理Azure的儲存解決方案和虛擬機器。
• 使用Azure App Service和Docker容器部署和擴展網頁應用程式。
• 使用Azure AI Services整合人工智慧、機器學習和自然語言處理。
• 利用GitHub Copilot協助開發人工智慧驅動的雲端應用程式。

這種以講師為主導的台灣現場培訓（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。

Microsoft Azure 基礎結構和部署

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台灣現場（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台灣現場培訓（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。

這種由講師指導的台灣現場（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。

這種以講師為主導的台灣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。

此講師指導的 台灣（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。

這種由講師指導的現場培訓<本地>（在線或現場）面向中級 IT 專業人員和業務經理，他們希望瞭解 IoT 和邊緣計算在各個行業中實現效率、實時處理和創新的潛力。

在本次培訓結束時，參與者將能夠：

• 瞭解IoT和邊緣計算的原理及其在數字化轉型中的作用。
• 確定製造、物流和能源領域的IoT和邊緣計算使用案例。
• 區分邊緣計算和雲計算架構和部署場景。
• 實施邊緣計算解決方案，以實現預測性維護和實時決策。

這種以講師為主導的 台灣（在線或現場）現場培訓面向希望利用邊緣 AI 通過智慧數據處理和分析功能增強物聯網應用程式的中級開發人員、系統架構師和行業專業人士。

在培訓結束時，參與者將能夠：

• 瞭解邊緣 AI 基礎知識及其在物聯網中的應用。
• 為IoT設備設置和配置邊緣 AI 環境。
• 在邊緣設備上為IoT應用程式開發和部署 AI 模型。
• 在物聯網系統中實現即時數據處理和決策。
• 將邊緣 AI 與各種物聯網協定和平臺整合。
• 解決面向物聯網的邊緣 AI 中的道德考量和最佳實踐。

這種由 台灣 的講師指導式現場培訓（在線或現場）面向希望使用 Edge Computing 來分散數據管理以獲得更快性能的產品經理和開發人員，利用位於源網路上的智能設備。

在本次培訓結束時，參與者將能夠：

• 瞭解 Edge Computing 的基本概念和優勢。
• 確定可以應用 Edge Computing 的用例和示例。
• 設計和構建 Edge Computing 解決方案，以加快數據處理速度並降低運營成本。

這種講師指導的現場培訓在 台灣（在線或現場）進行，面向希望應用 Federated Learning 來優化IoT和邊緣計算解決方案的中級專業人士。

在本次培訓結束時，參與者將能夠：

• 瞭解 Federated Learning 在IoT和邊緣計算中的原理和優勢。
• 在 IoT 設備上實施 Federated Learning 模型以進行去中心化的 AI 處理。
• 減少延遲並改進邊緣計算環境中的實時決策。
• 解決與IoT系統中的數據隱私和網路限制相關的挑戰。

在這個由講師指導的 台灣 現場培訓中，參與者將在開發和部署基於樣本 NB-IoT 的應用程式時瞭解 NB-IoT （也稱為 LTE Cat NB1）的各個方面。

在培訓結束時，參與者將能夠：

• 確定 NB-IoT 的不同組成部分，以及如何組合在一起形成一個生態系統。
• 了解並解釋 NB-IoT 設備中內置的安全功能。
• 開發一個簡單的應用程式來跟蹤 NB-IoT 個設備。

ThingsBoard 是一個開源IoT平臺，可為您的IoT解決方案提供設備管理、資料收集、處理和可視化。

在這個以講師為主導的現場培訓中，參與者將學習如何將 ThingsBoard 集成到他們的物聯網解決方案中。

在培訓結束時，參與者將能夠：

• 安裝與設定ThingsBoard
• 瞭解 ThingsBoard 功能和體系結構的基礎知識
• 使用 ThingsBoard 構建IoT應用程式
• 將 ThingsBoard 與 Kafka 集成，用於遙測設備數據路由
• 將 ThingsBoard 與 Apache Spark 集成，以便從多個設備進行數據聚合

觀眾

• 軟體工程師
• 硬體工程師
• 開發人員

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。