Microsoft Azure – Conception et implémentation de solutions d’IA

Connaître les services d’Azure supportant la Data Science
Comprendre comment utiliser les services Azure pour mettre en oeuvre et déployer des solutions Machine Learning
Savoir automatiser une solution de Data Science
Comprendre comment mettre en oeuvre une surveillance efficace de la solution

Comprendre les principes et les stratégies de virtualisation
Connaître et différencier les différentes solutions du marché
Savoir où et comment implémenter les infrastructures virtuelles
Pouvoir décider de l'éligibilité des ressources à virtualiser
Harmoniser la production virtuelle avec la production traditionnelle
Être informé des règles de l'art dans la gestion des infrastructures virtuelles

Savoir quels sont les services disponibles dans l'environnement AWS pour élaborer une architecture applicative performante, ains que les outils à destination des développeurs.

Connaître les composants de l’architecture. Créer et déployer les modèles ARM. Comparer des infras variées, serverless, des BdD et des services de communication tels que les AppServices, les paramètres de montée en charge des machines virtuelles, Azure Cosmos DB, les BdD SQL. Incorporer des services variés de la plate-forme Azure dans une solution complète . Sécuriser, surveiller et sauvegarder des solutions déployées dans Azure, créer des solutions automatisées DevOps

A l’issue de la formation, le stagiaire sera capable d’intégrer dans une stratégie Cloud les fondamentaux des produits et services Google Cloud Platform. --> La formation vise l’acquisition des connaissances et compétences rattachées au cours officiel sur les fondamentaux de l’infrastructure sous Google Cloud Plateform (ou équivalent en cas d’évolution décidée par l’éditeur). --> Ce cours s’inscrit dans le cursus de certification proposé par l’éditeur mais le passage de l’examen n’est pas compris dans la présente consultation. Savoir identifier l'utilité et la valeur des produits et services Google Cloud Platform Comprendre comment interagir avec les services Google Cloud Platform Découvrir des cas clients d'utilisation de Google Cloud Platform Connaître les environnements de déploiement d'applications sur Google Cloud Platform et les utiliser : Google App Engine, Google Kubernetes Engine et Google Compute Engine Découvrir les options de stockage de Google Cloud Platform et les utiliser : Google Cloud Storage, Google Cloud SQL, Google Cloud Bigtable et Google Cloud Datastore Être capable d'utiliser BigQuery, l'entrepôt de données géré de Google pour l'analyse

Savoir explorer les options de calcul et de stockage pour les charges de travail d'ingénierie des données dans Azure
Être capable de concevoir et mettre en oeuvre la couche de diffusion
Pouvoir comprendre les considérations d'ingénierie des données