Introducción a Azure

Este curso de capacitación dirigido por un instructor en Argentina (en línea o presencial) está orientado a ingenieros que deseen utilizar la plataforma de arrastrar y soltar de Azure ML para implementar cargas de trabajo de Machine Learning sin tener que comprar software ni hardware y sin preocuparse por el mantenimiento y la implementación.

Al finalizar este curso, los participantes serán capaces de:

• Escribir modelos de machine learning altamente precisos utilizando Python, R o herramientas sin código.
• Aprovechar los conjuntos de datos y algoritmos disponibles en Azure para entrenar y rastrear modelos de machine learning y deep learning.
• Utilizar el espacio de trabajo interactivo de Azure para desarrollar modelos de ML de manera colaborativa.
• Elegir entre diferentes marcos de trabajo de ML compatibles con Azure, como PyTorch, TensorFlow y scikit-learn.

Este curso enseña a los profesionales de TI cómo gestionar sus sus suscripciones, proteger las identidades, administrar la infraestructura, configurar redes virtuales, conectar sitios web y on-premises, gestionar el tráfico de red, implementar soluciones de almacenamiento, crear y escalar máquinas virtuales, implementar aplicaciones web y contenedores, backup y compartir datos y monitorear su solución.

Este curso es para Azure Administradores. El Administrator implementa maneras y monitores de identidad, gobernanza, almacenamiento, computación y redes virtuales en un entorno en la nube. El Azure Administrador proporcionará, tamaño, monitoreo y ajuste de los recursos según sea apropiado.

Infraestructura y Despliegue de Microsoft Azure

Este entrenamiento permite a los participantes mejorar sus habilidades en el diseño de soluciones de Microsoft Azure.

Al finalizar este entrenamiento, el participante entenderá las características y capacidades de los servicios de Azure, lo que le permitirá identificar compromisos y tomar decisiones para diseñar soluciones de nube pública e híbrida.

Durante el entrenamiento se definirán las soluciones adecuadas de infraestructura y plataforma para cumplir con los requisitos funcionales, operativos y de implementación a lo largo del ciclo de vida de la solución.

Este entrenamiento dirigido por un instructor (en línea o presencial) en Argentina está destinado a ingenieros DevOps, desarrolladores y gerentes de proyectos que deseen utilizar Azure DevOps para construir y desplegar aplicaciones empresariales optimizadas más rápido que los enfoques tradicionales de desarrollo.

Al final de este entrenamiento, los participantes serán capaces de:

• Entender el vocabulario y principios fundamentales de DevOps.
• Instalar y configurar las herramientas necesarias de Azure DevOps para el desarrollo de software.
• Utilizar las herramientas y servicios de Azure DevOps para adaptarse continuamente al mercado.
• Construir aplicaciones empresariales y evaluar los procesos de desarrollo actuales con soluciones de Azure DevOps.
• Gestionar equipos de manera más eficiente y acelerar el tiempo de despliegue de software.
• Adoptar prácticas de desarrollo DevOps dentro de la organización.

Este entrenamiento dirigido por un instructor en Argentina (en línea o presencial) está destinado a científicos de datos que deseen utilizar Azure Machine Learning para construir modelos de machine learning de extremo a extremo para análisis predictivo.

Al final de este entrenamiento, los participantes serán capaces de:

• Construir modelos de machine learning sin experiencia en programación.
• Crear algoritmos predictivos con Azure Machine Learning.
• Implementar algoritmos de machine learning listos para producción.

Este entrenamiento dirigido por un instructor en Argentina (en línea o en el sitio) está destinado a administradores de seguridad que deseen asegurar las cargas de trabajo de Azure.

Al final de este entrenamiento, los participantes podrán:

• Administrar la seguridad del host, la red y más aspectos.
• Configurar la seguridad del almacenamiento y bases de datos en Azure.
• Implementar el monitoreo de seguridad utilizando recursos de Azure.
• Prevenir ataques cibernéticos maliciosos sobre los datos e infraestructuras.

Esta capacitación en vivo dirigida por un instructor en Argentina (en línea o en el sitio) está dirigida a administradores de seguridad que desean aprender a configurar Azure la seguridad en la nube para proteger las cargas de trabajo que se ejecutan en Azure.

Al final de esta capacitación, los participantes serán capaces de:

• Configure la seguridad del host y de la red.
• Configure Azure las opciones de seguridad avanzadas.
• Utilice Azure para proteger las cargas de trabajo de computación en la nube.
• Utilice la seguridad de los servicios de protección de endpoints contra malware y virus.
• Proteja las cargas de trabajo de contenedor que se ejecutan en Azure.

Este curso de formación dirigido por un instructor (en línea o en las instalaciones del cliente) está destinado a desarrolladores que deseen aprender cómo construir microservicios en Microsoft Azure Service Fabric (ASF).

Al finalizar este curso, los participantes serán capaces de:

• Utilizar ASF como una plataforma para la creación y gestión de microservicios.
• Comprender conceptos y modelos clave de programación de microservicios.
• Crear un clúster en Azure.
• Implementar microservicios en las instalaciones o en la nube.
• Depurar y solucionar problemas de una aplicación de microservicios en ejecución.

El servicio Azure Bot combina el poder del Microsoft Bot Framework y las funciones de Azure para permitir un desarrollo rápido de bots inteligentes.

En este entrenamiento en vivo dirigido por un instructor, los participantes aprenderán cómo crear fácilmente un bot inteligente utilizando Microsoft Azure

Al finalizar este entrenamiento, los participantes podrán:

• Aprender los fundamentos de los bots inteligentes
• Aprender a crear bots inteligentes utilizando aplicaciones en la nube
• Entender cómo usar el Microsoft Bot Framework, el Bot Builder SDK y el Azure Bot Service
• Comprender cómo diseñar bots usando patrones de bots
• Desarrollar su primer bot inteligente utilizando Microsoft Azure

Audiencia

• Desarrolladores
• Hobbyistas
• Ingenieros
• Profesionales de TI

Formato del curso

• Parte conferencia, parte discusión, ejercicios y mucha práctica hands-on

Este curso dirigido por un instructor y en vivo en Argentina (en línea o presencial) está destinado a ingenieros de datos de nivel intermedio que deseen aprender a utilizar Azure Data Lake Storage Gen2 para soluciones efectivas de análisis de datos.

Al finalizar este curso, los participantes serán capaces de:

• Comprender la arquitectura y las características clave de Azure Data Lake Storage Gen2.
• Optimizar el almacenamiento y acceso a los datos para costos y rendimiento.
• Integrar Azure Data Lake Storage Gen2 con otros servicios de Azure para análisis y procesamiento de datos.
• Desarrollar soluciones utilizando la API de Azure Data Lake Storage Gen2.
• Solucionar problemas comunes y optimizar estrategias de almacenamiento.

Internet of Things (IoT) es una infraestructura de red que conecta objetos físicos y aplicaciones de software de forma inalámbrica, lo que les permite comunicarse entre sí e intercambiar datos a través de comunicaciones de red, computación en la nube y captura de datos. Azure es un conjunto completo de servicios en la nube que ofrece una suite de IoT que consta de soluciones preconfiguradas que ayudan a los desarrolladores a acelerar el desarrollo de proyectos de IoT.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a desarrollar aplicaciones de IoT utilizando Azure.

Al final de esta formación, los participantes serán capaces de:

• Comprender los fundamentos de la arquitectura de IoT
• Instalación y configuración de Azure IoT Suite
• Conozca los beneficios de usar Azure en la programación de sistemas IoT
• Implementación de varios Azure servicios de IoT (IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management)
• Cree, pruebe, implemente y solucione problemas de un sistema IoT mediante Azure

Audiencia

• Desarrolladores
• Ingenieros

Formato del curso

• En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada

Nota

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Esta formación dirigida por un instructor (en línea o presencial) en Argentina está destinada a ingenieros que deseen implementar cargas de trabajo de Machine Learning en la nube de Azure.

Al final de esta formación, los participantes serán capaces de:

• Instalar y configurar Kubernetes, Kubeflow y otros software necesarios en Azure.
• Usar Azure Kubernetes Service (AKS) para simplificar la inicialización de un clúster de Kubernetes en Azure.
• Crear e implementar una canalización de Kubernetes para automatizar y gestionar modelos de ML en producción.
• Entrenar e implementar modelos de ML de TensorFlow a través de múltiples GPUs y máquinas que funcionan en paralelo.
• Aprovechar otros servicios administrados de AWS para extender una aplicación de ML.

En esta formación en vivo dirigida por un instructor en Argentina (en línea o presencial), los participantes aprenderán a configurar y administrar un entorno de contenedores a escala de producción mediante Kubernetes en AKS. 

Al final de esta formación, los participantes serán capaces de:

• Configurar y administrar Kubernetes en AKS.
• Implemente, administre y escale un clúster Kubernetes.
• Implemente aplicaciones en contenedores (Docker) en Azure.
• Migre un entorno existente Kubernetes del entorno local a la nube de AKS.
• Integre Kubernetes con software de integración continua (CI) de terceros.
• Garantice la alta disponibilidad y la recuperación ante desastres en Kubernetes.

Este curso dirigido por un instructor, en vivo (en línea o presencial), está destinado a ingenieros de aprendizaje automático que deseen usar Azure Machine Learning y Azure DevOps para facilitar las prácticas de MLOps.

Al finalizar este curso, los participantes serán capaces de:

• Crear flujos de trabajo y modelos de aprendizaje automático reproducibles.
• Gestionar el ciclo de vida del aprendizaje automático.
• Seguir y reportar el historial de versiones de los modelos, activos y más.
• Desplegar modelos de aprendizaje automático listos para producción en cualquier lugar.