FinOps Träningskurs
Molnfinansiell hantering eller FinOps är praktiken att implementera molnteknik för att optimera den finansiella hanteringen och driftsättningen av ett företag.
Denna instruktörsledda, liveutbildning (online eller på plats) är riktad till molnadministratörer, molnarkitekter, teknikledare och finansanalyschefer som vill registrera, hantera, övervaka och bearbeta företagets finansiella tillgångar i molnet.
När denna utbildning är avslutad kommer deltagarna att kunna använda FinOps-praktiker i ett företag för att prognostisera kostnader, optimera processer och utföra finansiell hantering i molnet.
Utbildningsformat
- Interaktiv föreläsning och diskussion.
- Många övningar och praktiska uppgifter.
- Tillämpning i en live-labbmiljö.
Anpassningsalternativ för utbildningen
- För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna det.
Kursplan
Introduktion
Översikt över molnfinansiell hantering eller FinOps
- Kärnprinciper
- Traditionell versus molnbaserad finansiell hantering
- Faserna och deras funktioner
Använda molnteknik för finansiell hantering
- Molnekonomi
- Kostnadsfaktorer
Bygga ett FinOps-team i ett företag
- Teamprinciper och struktur
- Rollen och ansvarsområden inom organisationen
Lära känna FinOps-kapacitetsarkitekturen
- FinOps-aktiviteter och kultur
- Mognadsmodell
- Driftsättningsmodell
Utforska molnfakturaplattformar
- Befintliga plattformar
- Kontohanteringsuppgifter
- Kostnadsstyrningsverktyg
Förstå FinOps-livscykeln
- Synlighet och tilldelning
- Användning och priser
- Kontinuerlig förbättring och driftsättning
Etablera en framgångsrik FinOps-driftsättning
- Bästa praxis
- Molnoptimering
- Användning av AI-funktioner
Sammanfattning och slutsats
Krav
- Kunskap om finansiell hantering och driftsättning
- Grundläggande förståelse av molnteknik
Målgrupp
- Molnadministratörer
- Molnarkitekter
- Teknikledare
- Finansanalyschefer
Öppna Utbildningskurser kräver 5+ deltagare.
FinOps Träningskurs - Bokning
FinOps Träningskurs - Fråga
FinOps - Konsultfråga
Vittnesmål (1)
Instruktörens erfarenhet och hans sätt att framföra innehållet
Roggli Marc - Bechtle Schweiz AG
Kurs - FinOps
Maskintolkat
Kommande Kurser
Relaterade Kurser
Avancerade maskininlärningsmodeller med Google Colab
21 TimmarDenna instruktörsskapad, liveutbildning i Sverige (online eller på plats) är riktad till avancerad nivå professionella som önskar utveckla sin kunskap om maskininlärningsmodeller, förbättra sina färdigheter i hyperparameter-tuning och lära sig hur man effektivt distribuerar modeller med hjälp av Google Colab.
Till slutet av denna utbildning kommer deltagarna att kunna:
- Implementera avancerade maskininlärningsmodeller med populära ramverk som Scikit-learn och TensorFlow.
- Optimerar modellens prestanda genom hyperparameter-tuning.
- Distribuera maskininlärningsmodeller i praktiska tillämpningar med hjälp av Google Colab.
- Samarbeta och hantera storskaliga maskininlärningsprojekt i Google Colab.
AI för Hälso- och Sjukvården med Google Colab
14 TimmarDenna instruktörledd, liveutbildning i Sverige (online eller på plats) är riktad till mellannivådataanalytiker och hälso- och sjukvårdsprofessorer som vill utnyttja AI för avancerade hälso- och sjukvårdsapplikationer med Google Colab.
Vid slutet av denna utbildning kommer deltagarna att kunna:
- Implementera AI-modeller för hälso- och sjukvård med Google Colab.
- Använda AI för prediktiv modellering av hälso- och sjukvårdsdata.
- Analysera medicinska bilder med AI-drivna tekniker.
- Utforska etiska överväganden i AI-baserade hälso- och sjukvårdslösningar.
Core
14 TimmarDenna instruktörsledda, liveutbildning i Sverige (på plats eller på distans) riktar sig till ingenjörer som vill distribuera och hantera IoT-enheter på AWS.
I slutet av denna utbildning kommer deltagarna att kunna bygga en IoT-plattform som inkluderar distribution och hantering av en backend, gateway och enheter ovanpå AWS.
IoT Greengrass
21 TimmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill installera, konfigurera och hantera AWS IoT Greengrass-funktioner för att skapa applikationer för olika enheter.
I slutet av denna utbildning kommer deltagarna att kunna använda AWS IoT Greengrass för att bygga, distribuera, hantera, säkra och övervaka applikationer på intelligenta enheter.
AWS Lambda för utvecklare
14 TimmarDenna instruktörsledda, liveutbildning i Sverige (på plats eller fjärransluten) riktar sig till utvecklare som vill använda AWS Lambda för att bygga och distribuera tjänster och applikationer till molnet, utan att behöva oroa sig för att tillhandahålla körningsmiljön (servrar, virtuella datorer och behållare, tillgänglighet, skalbarhet, lagring etc.).
I slutet av denna utbildning kommer deltagarna att kunna:
- Konfigurera AWS Lambda för att köra en funktion.
- Förstå FaaS (Functions as a Service) och fördelarna med serverlös utveckling.
- Bygg, ladda upp och kör AWS Lambda funktioner.
- Integrera Lambda-funktioner med olika händelsekällor.
- Paketera, distribuera, övervaka och felsök Lambda-baserade applikationer.
Big Data Analytics med Gogogle, Colab och Apache Spark
14 TimmarDenna instruktörsledda, liveutbildning på plats (online eller på plats) riktar sig till datavetare och ingenjörer på mellannivå som vill använda Google Colab och Apache Spark för bearbetning och analys av stora datamängder.
Efter avslutad utbildning kommer deltagarna att kunna:
- Sätt upp en miljö för stora datamängder med hjälp av Google Colab och Spark.
- Bearbeta och analysera stora datamängder effektivt med Apache Spark.
- Visualisera stora datamängder i en samarbetsmiljö.
- Integrera Apache Spark med molnbaserade verktyg.
Introduktion till Google Colab för data vetenskap
14 TimmarDenna instruktörsvägledna, liveutbildning i Sverige (online eller på plats) är riktad till nybörjande data vetenskapsmän och IT-professionals som vill lära sig grunderna i data vetenskap med hjälp av Google Colab.
Efter denna utbildning kommer deltagarna att kunna:
- Ställa in och navigera i Google Colab.
- Skriva och exekvera grundläggande Python-kod.
- Importera och hantera datamängder.
- Skapa visualiseringar med hjälp av Python-bibliotek.
Google Colab Pro: Skalbara Python- och AI-arbetsflöden i molnet
14 TimmarGoogle Colab Pro är ett molnbaserat miljö för skalbar Python-utveckling, som erbjuder högpresterande GPU:er, längre körningsläge och mer minne för krävande AI- och datavetenskapsuppgifter.
Denna handledning på plats (online eller fysiskt) riktas till mellannivåanvändare av Python som vill använda Google Colab Pro för maskininlärning, datahantering och samarbetsforskning i en kraftfull antiknota-gränssnitt.
Vid slutet av detta träningspass kommer deltagarna att kunna:
- Ställa in och hantera molnbaserade Python-anteckningsböcker med Colab Pro.
- Få tillgång till GPU:er och TPU:er för accelerate beräkning.
- Förbättra maskininlärningsarbetsflöden med populära bibliotek (t.ex., TensorFlow, PyTorch, Scikit-learn).
- Integrera med Google Drive och externa datakällor för samarbetsprojekt.
Kursformat
- Interaktiv föreläsning och diskussion.
- Många övningar och praktik.
- Händelsebaserad implementation i en live-labbmiljö.
Kursanpassningsalternativ
- För att begära anpassad träningspass för denna kurs, kontakta oss för att ordna.
Datorseende med Google Colab och TensorFlow
21 TimmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till avancerade professionella som önskar fördjupa sin förståelse av datorseende och utforska TesnorsFlows möjligheter att utveckla sofistikerade visningsmodeller med hjälp av Google Colab.
Vid slutet av den här utbildningen kommer deltagarna att kunna:
- Bygga och träna konvolutionella neuronnät (CNNs) med TensorFlow.
- Utnyttja Google Colab för skalarbar och effektiv molnbaserad modellutveckling.
- Implementera bildförbearbetningsmetoder för datorseendeuppgifter.
- Distribuera datorseendemodeller för praktiska tillämpningar.
- Använda transfer learning för att förbättra prestandan på CNN-modeller.
- Visualisera och tolka resultaten av bildklassificeringsmodeller.
Djupinlärning med TensorFlow i Google Colab
14 TimmarDenna instruktörsledda, live-träning (online eller på plats) riktar sig till datavetenskapsmän och utvecklare på mellan nivå som vill förstå och tillämpa djupinlärningstekniker med hjälp av Google Colab-miljön.
Vid kursens slut kommer deltagarna att kunna:
- Installera och navigera i Google Colab för djupinlärningsprojekt.
- Förstå grunderna i neurala nätverk.
- Implementera djupinlärningsmodeller med TensorFlow.
- Träna och utvärdera djupinlärningsmodeller.
- Använda avancerade funktioner i TensorFlow för djupinlärning.
Mästring av DevOps med AWS Cloud9
21 TimmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till proffs på avancerad nivå som vill fördjupa sin förståelse för DevOps metoder och effektivisera utvecklingsprocesser med hjälp av AWS Cloud9.
I slutet av denna utbildning kommer deltagarna att kunna:
- Konfigurera AWS Cloud9 för DevOps arbetsflöden.
- Implementera pipelines för kontinuerlig integrering och kontinuerlig leverans (CI/CD).
- Automatisera test-, övervaknings- och distributionsprocesser med hjälp av AWS Cloud9.
- Integrera AWS-tjänster som Lambda, EC2 och S3 i DevOps arbetsflöden.
- Använd källkontrollsystem som GitHub eller GitLab inom AWS Cloud9.
Utveckling av serverless-applikationer på AWS Cloud9
14 TimmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till proffs på mellannivå som vill lära sig hur man effektivt bygger, distribuerar och underhåller serverlösa applikationer på AWS Cloud9 och AWS Lambda.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå grunderna i serverlös arkitektur.
- Konfigurera AWS Cloud9 för serverlös applikationsutveckling.
- Utveckla, testa och distribuera serverlösa program med hjälp av AWS Lambda.
- Integrera AWS Lambda med andra AWS-tjänster som API Gateway och S3.
- Optimera serverlösa program för prestanda och kostnadseffektivitet.
Datavisualisering med Google Colab
14 TimmarDenna instruktörsledda, liveutbildning (online eller på plats) riktar sig till nybörjare inom datavetenskap som vill lära sig hur man skapar meningsfulla och visuellt tilltalande datavisualiseringar.
Efter denna utbildning kommer deltagarna kunna:
- Installera och navigera Google Colab för datavisualisering.
- Skapa olika typer av diagram med Matplotlib.
- Använda Seaborn för avancerade visualiseringstekniker.
- Anpassa diagram för bättre presentation och klarhet.
- Tolka och presentera data effektivt med hjälp av visuella verktyg.
Industrial Training IoT (Internet of Things) med Raspberry PI och AWS IoT Core 「4 timmar Remote」
4 TimmarSomrig:
- Grunderna i IoT-arkitektur och funktioner
- "Saker", "Sensorer", Internet och mappningen mellan affärsfunktioner i IoT
- Oumbärlig för alla IoT-programvarukomponenter – hårdvara, firmware, mellanprogram, moln och mobilapp
- IoT-funktioner - Fleet manager, datavisualisering, SaaS-baserad FM och DV, larm/larm, sensorintroduktion, "sak" onboarding, geo-fencing
- Grunderna i IoT-enhetskommunikation med molnet med MQTT.
- Ansluta IoT-enheter till AWS med MQTT (AWS IoT Core).
- Ansluter AWS IoT-kärnan med AWS Lambda-funktionen för beräkning och datalagring.
- Ansluter Raspberry PI med AWS IoT kärna och enkel datakommunikation.
- Aviseringar och händelser
- Kalibrering av sensor
Industrial Training IoT (Internet of Things) med Raspberry PI och AWS IoT Core 「8 Timmar via Distans」
8 TimmarSammanfattning:
- Grunderna i IoT-arkitektur och funktioner
- "Saker", "Sensorer", Internet och mappningen mellan affärsfunktioner i IoT
- Oumbärlig för alla IoT-programvarukomponenter – hårdvara, firmware, mellanprogram, moln och mobilapp
- IoT-funktioner - Fleet manager, datavisualisering, SaaS-baserad FM och DV, larm/larm, sensorintroduktion, "sak" onboarding, geo-fencing
- Grunderna i IoT-enhetskommunikation med molnet med MQTT.
- Ansluta IoT-enheter till AWS med MQTT (AWS IoT Core).
- Anslutning av AWS IoT-kärna med AWS Lambda-funktion för beräkning och datalagring med hjälp av DynamoDB.
- Ansluter Raspberry PI med AWS IoT kärna och enkel datakommunikation.
- Hands on med Raspberry PI och AWS IoT Core för att bygga en smart enhet.
- Visualisering av sensordata och kommunikation med webbgränssnitt.