AI+ Cloud Practitioner™

Ár 99 900 Ft + Áfa
E-learning Azonnal kezdhető
Időtartam 40 óra tananyag, önálló tempóban
Nyelv angol
Terület AI Cloud

Így tanulhatod

E-learning Azonnal kezdhető · 99 900 Ft + Áfa Megrendelem
Nyílt képzés Ebben a formában nem érhető el
Zártkörű céges Bármelyik képzésünk a csapatodnak Ajánlatot kérek

Kinek szól
Mit tartalmaz az ár
Tematika
A vizsgáról

Válassz formát

E-learning

Ár

99 900 Ft + Áfa

Ez az önálló, online forma ára; oktatóval tartott formában a képzés külön ajánlat alapján érhető el.

Pótvizsga 20 300 Ft + Áfa

Hol tanulsz az AI CERTs saját online platformján A vásárlás nálunk történik, a tananyaghoz és a vizsgához viszont az AI CERTs felületén kapsz hozzáférést. A hozzáférést a megrendelés visszaigazolása után e-mailben küldjük. A hozzáférés beállításához a nevedet és az e-mail-címedet átadjuk az AI CERTs részére.

Nincs meghirdetett időpont, bármikor elkezdheted
12 hónap hozzáférés a tananyaghoz

Megrendelem az önálló formát

Önálló tempójú online kurzus, a teljes tananyaggal
A hivatalos AI CERTs® vizsga
Digitális badge a sikeres vizsga után

Céges csoportnak zárt képzést tartunk. Ajánlatot kérek →

Áttekintés

Miről szól a képzés

A kurzus, a tananyag és a vizsga angol nyelvű.

Felhő és AI együtt: Megtanulod az AI beépítését skálázható felhőkörnyezetekbe
Korszerű infrastruktúra: Elsajátítod a CI/CD-t, a felhős AI-modelleket és az üzembe helyezési stratégiákat
Záróprojekt: Gyakorlati tapasztalatot szerzel valós alkalmazási példákon keresztül
Jövőálló készségek: Felkészülsz az AI-alapú felhős innováció vezetésére

Előfeltételek

Az AI alapfogalmai, a számítástechnika alapszintű ismerete, jártasság a felhőplatformokban, például az AWS-ben, az Azure-ban vagy a GCP-ben

Célcsoport

Kinek szól

Felhőszakemberek: AI beépítésével fejleszted a felhőüzemeltetési készségeidet, optimalizálod a felhő teljesítményét és javítod az erőforrás-kihasználtságot.

Felhőarchitektek és -mérnökök: Megtanulod, hogyan használd az AI-t skálázható felhőinfrastruktúrák tervezéséhez, a felhős erőforrás-kiosztás automatizálásához és a biztonság erősítéséhez.

IT-infrastruktúra-menedzserek: AI-val optimalizálod a felhős üzembe helyezést, automatizálod a rendszerfelügyeletet, és javítod a felhőbiztonságot és a katasztrófa-helyreállítás tervezését.

Üzleti vezetők: Innovációt viszel a szervezetedbe azzal, hogy AI-t vezetsz be a felhőtechnológiákban, így javítod a skálázhatóságot, csökkented a költségeket és optimalizálod a felhőmegoldásokat.

Hallgatók és pályakezdők: Versenyelőnyre teszel szert a felhőalapú számítástechnikában azzal, hogy elsajátítod a felhőinfrastruktúrát megújító AI-eszközöket és -technikákat.

Az árban

Mit tartalmaz az ár

Önálló tempójú online kurzus, a teljes tananyaggal
A hivatalos AI CERTs® vizsga
Digitális badge a sikeres vizsga után

Tananyag

Tematika

1. modul: A felhő alapjai

1.1 A felhőalapú számítástechnika modelljei
1.2 Alapvető felhőszolgáltatások
1.3 Identitás- és hozzáférés-kezelés (IAM), a biztonság és a megfelelés alapjai
1.4 Számlázás, költségoptimalizálás és a felhő gazdaságtana
1.5 A többfelhős (multicloud) működés alapfogalmai
1.6 Az infrastruktúra mint kód (IaC) alapjai a Terraform példáján
1.7 Felhasználási esetek
1.8 Esettanulmányok
1.9 Gyakorlati feladat

2. modul: Az AI és a Python alapjai

2.1 Bevezetés a mesterséges intelligenciába, a gépi tanulás típusai
2.2 A neurális hálók és a deep learning alapjai
2.3 Programozás Pythonban
2.4 Alapvető könyvtárak
2.5 Matematika az AI-hoz
2.6 Adat-előfeldolgozási, adatfeltárási és vizualizációs technikák
2.7 Felhasználási esetek
2.8 Esettanulmányok

3. modul: Adatmérnökség az AI-hoz

3.1 Adatgyűjtés, adattárolás és adatfeldolgozó folyamatok (ETL/ELT)
3.2 Big data-technológiák
3.3 Adattavak, adattárházak és jellemzőtárak
3.4 Adatminőség, adatirányítás, verziókezelés és katalogizálás
3.5 Valós idejű adatfolyam-feldolgozás
3.6 Felhasználási esetek
3.7 Esettanulmányok

4. modul: AI a felhőben

4.1 Menedzselt AI/ML-platformok
4.2 Modelltanítás, üzembe helyezés és inferencia a felhőben
4.3 Konténerizálás Dockerrel és orkesztráció Kubernetesszel
4.4 Szerver nélküli (serverless) AI-architektúrák
4.5 AI-munkaterhelések skálázása és monitorozása
4.6 Felhasználási esetek
4.7 Esettanulmányok

5. modul: Generatív AI és nagy nyelvi modellek (LLM-ek)

5.1 A Transformer-architektúra, a figyelemmechanizmus és a tokenizálás
5.2 A főbb LLM-családok: GPT, Llama, Gemini, Claude, Mistral
5.3 A prompt engineering technikái
5.4 A generatív modellek életciklusa
5.5 Multimodális generatív AI
5.6 Felhasználási esetek
5.7 Esettanulmányok

6. modul: Generatív AI és nagy nyelvi modellek a felhőben

6.1 LLM-ek üzembe helyezése és üzemeltetése felhőplatformokon
6.2 Az inferencia optimalizálásának technikái
6.3 Integráció felhőnatív szolgáltatásokkal
6.4 A generatív AI-munkaterhelések költségirányítása
6.5 Hibrid és peremhálózati (edge) üzembe helyezési stratégiák
6.6 Felhasználási esetek
6.7 Esettanulmányok

7. modul: AI-munkaterhelések a felhőben

7.1 Az MLOps életciklusa és bevált gyakorlatai
7.2 Kísérletkövetés (MLflow), a modellek verziókezelése és CI/CD-folyamatok
7.3 Modellmonitorozás és a teljesítménysodródás észlelése
7.4 Orkesztrációs eszközök: SageMaker Pipelines, Vertex AI Pipelines, Kubeflow
7.5 Felhasználási esetek
7.6 Esettanulmányok

8. modul: Visszakereséssel kiegészített generálás (RAG)

8.1 A RAG architektúrája és összetevői
8.2 Vektoradatbázisok és beágyazások
8.3 Haladó RAG-minták
8.4 RAG-rendszerek értékelési mutatói
8.5 Felhőnatív vektoros keresési szolgáltatások
8.6 Felhasználási esetek
8.7 Esettanulmányok

9. modul: Finomhangolás és optimalizálás a felhőben

9.1 Teljes és paraméterhatékony finomhangolás (PEFT)
9.2 Elosztott tanítás és hiperparaméter-optimalizálás
9.3 Modelltömörítés, desztilláció és kvantálás
9.4 Szakterületi adaptáció és folyamatos tanulás
9.5 Felhőeszközök a hatékony finomhangoláshoz
9.6 Felhasználási esetek
9.7 Esettanulmányok

10. modul: Ügynökalapú AI a felhőben

10.1 Az AI-ügynökök alapjai
10.2 Elosztott keretrendszerek: LangGraph, CrewAI, AutoGen, Semantic Kernel
10.3 Többügynökös rendszerek és orkesztrációjuk
10.4 Autonóm munkafolyamatok és döntési motorok
10.5 Ügynökalapú rendszerek üzembe helyezése a felhőben
10.6 Felhasználási esetek
10.7 Esettanulmányok

11. modul: Értékelés, monitorozás, biztonság és felelős AI

11.1 Átfogó értékelési keretrendszerek LLM-ekhez és generatív AI-hoz
11.2 Torzításészlelés, méltányosság és magyarázhatóság
11.3 Biztonsági fenyegetések
11.4 Védőkorlátok, tartalommoderálás és megfelelés (GDPR, SOC2)
11.5 Felelős AI-irányítás és auditálási gyakorlatok
11.6 Felhasználási esetek
11.7 Esettanulmányok

12. modul: Záróprojekt

12.1 A probléma azonosítása és a megoldás megtervezése
12.2 AI-modell fejlesztése és üzembe helyezése a felhőben
12.3 Leadandó anyagok

Opcionális modul: AI-ügynökök a felhőben

1. Mik azok az AI-ügynökök?
2. Példák AI-ügynökökre a felhőszolgáltatásokban
3. Az AI-ügynökök jelentősége a felhőszolgáltatásokban
4. Az AI-ügynökök fejlődési irányai a felhőszolgáltatásokban
5. Az AI-ügynökök fontossága
6. Az AI-ügynökök típusai
7. Esettanulmányok
8. Gyakorlati feladat

Vizsga

A vizsgáról

50 Kérdés
90 perc Időkeret
70% Ponthatár

Online felügyelt vizsga

Kapcsolódó képzések

Ezek is érdekelhetnek

Összes képzés