Schulungsübersicht

Virtualisierungsdetails

  1. Überblick über Betriebssystemkonzepte: CPU, Speicher, Netzwerk, Speicher
  2. Hypervisor
    1. Supervisor der Supervisoren
    2. "Host"-Maschine und "Gast"-Betriebssystem
    3. Type-1 Hypervisor und Type-2 Hypervisor
    4. Citrix XEN, VMware ESX/ESXi, MS Hyper-V, IBM LPAR.
  3. Netzwerkvirtualisierung
    1. Kurze Einführung in das 7-Schichten-OSI-Modell
    2. Fokus auf die Netzwerkschicht
    3. TCP/IP-Modell oder Internetprotokoll
  4. Fokus auf eine einzelne vertikale Schicht
    1. Anwendungsschicht: SSL
    2. Netzwerkschicht: TCP
    3. Internetschicht: IPv4/IPv6
    4. Linkschicht: Ethernet
  5. Paketstruktur
    1. Adressierung: IP-Adresse und Domänennamen
    2. Firewall, Lastausgleichsgerät (Load Balancer), Router, Adapter
    3. Virtualisiertes Netzwerk
    4. Höhere Abstraktionen: Subnetze, Zonen.
  6. Praktische Übung:
    1. Vertrautwerden mit ESXi-Cluster und vSphere-Client.
    2. Erstellen/Aktualisieren von Netzwerken im ESXi-Cluster, Bereitstellen von Gästen aus VMDK-Paketen, Aktivieren der Vernetzung zwischen Gästen in einem ESXi-Cluster.
    3. Änderungen an einer laufenden VM-Instanz vornehmen und Snapshot erstellen.
    4. Firewallregeln im ESXi mit vSphere-Client aktualisieren.

2. Cloud Computing: Ein Paradigmenwechsel

  1. Eine schnelle, kostengünstige Möglichkeit, um Produkte/Lösungen der Welt zur Verfügung zu stellen
  2. Ressourcenfreigabe
    1. Virtualisierung von virtualisierten Umgebungen
  3. Wesentliche Vorteile:
    1. Nachfragebasierte Ressourcenelastizität
      1. Konzeptualisieren -> Codieren -> Bereitstellen, ohne Infrastruktur zu benötigen
      2. Schnelle CI/CD-Pipelines
    2. Umgebungsisolierung und vertikale Autonomie
    3. Sicherheit durch Schichtung
    4. Kostenoptimierung
  4. On-Premise-Cloud und Cloud-Anbieter
  5. Cloud als effektive konzeptionelle Abstraktion für verteiltes Computing

3. Einführung in die Schichten von Cloud-Lösungen:

  1. IaaS (Infrastructure as a Service)
    1. AWS, Azure, Google
    2. Wählen Sie einen Anbieter zum Fortfahren. AWS wird empfohlen.
      1. Einführung in AWS VPC, AWS EC2 usw.
  2. PaaS (Platform as a Service)
    1. AWS, Azure, Google, CloudFoundry, Heroku
    2. Einführung in AWS DynamoDB, AWS Kinesis usw.
  3. SaaS (Software as a Service)
    1. Kurzer Überblick
    2. Microsoft Office, Confluence, SalesForce, Slack
  4. SaaS baut auf PaaS auf, das wiederum auf IaaS basiert, das auf Virtualisierung aufbaut.

4. Praktisches Projekt zu IaaS-Cloud

  1. Das Projekt verwendet AWS als IaaS-Cloud-Anbieter.
  2. Verwenden Sie CentOS/RHEL als Betriebssystem für den Rest der Übung
    1. Als Alternative kann auch Ubuntu verwendet werden, aber RHEL/CentOS sind bevorzugt.
  3. Fordern Sie individuelle AWS IAM-Accounts von Ihrem Cloud-Admin an
  4. Jeder Student muss diese Schritte unabhängig voneinander durchführen.
    1. Die Fähigkeit, Ihre eigene gesamte Infrastruktur nach Bedarf zu erstellen, ist die beste Demonstration der Macht des Cloud Computing.
    2. Verwenden Sie AWS-Wizards -- AWS-Online-Konsole -- zur Ausführung dieser Aufgaben, es sei denn, anderes wird angegeben.
  5. Erstellen Sie ein öffentliches VPC in der Region us-east-1
    1. Zwei Subnetze (Subnetz-1 und Subnetz-2) in zwei verschiedenen Verfügbarkeitszonen
      1. Siehe https://docs.aws.amazon.com/AmazonVPC/latest/UserGuide/VPC_Scenarios.html für Referenz.
    2. Erstellen Sie drei separate Sicherheitsgruppen
      1. SG-Internet
        1. Ermöglicht eingehenden Datenverkehr vom Internet auf https 443 und http 80.
        2. Keine anderen eingehenden Verbindungen erlaubt.
      2. SG-Service
        1. Ermöglicht eingehenden Datenverkehr nur von der Sicherheitsgruppe SG-Internet auf https 443 und http 80.
        2. Ermöglicht ICMP nur von SG-Internet.
        3. Keine anderen eingehenden Verbindungen erlaubt.
      3. SG-SSH:
        1. Ermöglicht SSH:22 eingehende Verbindung nur von einer einzelnen IP, die mit der öffentlichen IP des Labors der Studenten übereinstimmt. Falls das Labor hinter einem Proxy liegt, dann die öffentliche IP des Proxys.
  6. Bereitstellen einer Instanz eines AMIs für das gewählte Betriebssystem -- vorzugsweise die neuesten RHEL/CentOS-Versionen, die in den AMIs verfügbar sind -- und Hosten der Instanz auf Subnetz-1. Die Instanz mit SG-Service und SG-SSH-Gruppen verbinden.
  7. Zugreifen auf die Instanz über SSH von Ihrem Labormaschine aus.
  8. NGINX-Server auf dieser Instanz installieren
  9. Statische Inhalte Ihrer Wahl -- HTML-Seiten, Bilder -- bereitstellen, die von NGINX (auf Port 80 über HTTP) ausgesendet werden und URLs für sie definieren.
  10. Die URL von dieser Maschine aus testen.
  11. Aus dieser laufenden Instanz ein AMI-Image erstellen.
  12. Bereitstellen dieses neuen AMIs und Hosten der Instanz auf Subnetz-2. Die Instanz mit SG-Service und SG-SSH-Gruppen verbinden.
  13. NGINX-Server ausführen und überprüfen, ob die für den statischen Inhalt in Schritt (i) erstellte Zugriffs-URL funktioniert.
  14. Erstellen eines neuen "klassischen" Elastic Load Balancers und Verbinden mit SG-Internet.
    1. Beachten Sie den Unterschied zu Application Load Balancer und Network Load Balancer.
  15. Erstellen einer Routingregel, die alle http 80- und https 443-Verbindungen an eine Instanzgruppe weiterleitet, die die beiden oben erstellten Instanzen umfasst.
  16. Mit einem beliebigen Zertifikatsverwaltungstool -- z.B. java keytool etc. -- ein Schlüsselpaar und ein selbstsigniertes Zertifikat erstellen und das Zertifikat in AWS Certificate Manager (ACM) importieren.

5. Einführung und Praktisches Projekt zur Cloud-Überwachung

  1. AWS CloudWatch-Metriken
  2. Gehe zu AWS CloudWatch-Dashboard für die Instanzen
    1. Abrufen der relevanten Metriken und Erklärung der zeitlichen Variabilität
      1. https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/viewing_metrics_with_cloudwatch.html
  3. Gehe zu AWS CloudWatch-Dashboard für den ELB
    1. Beobachten der ELB-Metriken und Erklärung ihrer zeitlichen Variabilität
    2. https://docs.aws.amazon.com/elasticloadbalancing/latest/classic/elb-cloudwatch-metrics.html

6. Fortgeschrittene Konzepte für weiteres Lernen

  1. Hybrid Cloud -- on-premise und öffentliche Cloud
  2. Migration: On-Premise zur öffentlichen Cloud
    1. Anwendungscodemigration
    2. Datenbankmigration
  3. DevOps
    1. Infrastruktur als Code
    2. AWS CloudFormation-Vorlage
  4. Automatische Skalierung
    1. Verwendung von AWS CloudWatch-Metriken zur Gesundheitsüberwachung

Voraussetzungen

Es sind keine spezifischen Voraussetzungen notwendig, um an diesem Kurs teilzunehmen.

 21 Stunden

Teilnehmerzahl


Preis pro Teilnehmer

Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Erfahrungsberichte (1)

Der Trainer erklärt Ihnen sehr gut.

Cosmin Simota - Serviciul de Telecomunicatii Speciale
Kurs - Cloud computing essentials for managers / software engineers

Maschinelle Übersetzung

Kommende Kurse

Grundlagen des Cloud Computing für Manager und Softwareentwickler

2026-01-06 09:30
21 Stunden
Hannover
5208 EUR (Online)
5808 EUR (Schulungsraum)

Grundlagen des Cloud Computing für Manager und Softwareentwickler

2026-01-20 09:30
21 Stunden
Stuttgart
5208 EUR (Online)
5808 EUR (Schulungsraum)

Grundlagen des Cloud Computing für Manager und Softwareentwickler

2026-02-03 09:30
21 Stunden
Bremen
5208 EUR (Online)
5808 EUR (Schulungsraum)

Grundlagen des Cloud Computing für Manager und Softwareentwickler

2026-02-17 09:30
21 Stunden
Erfurt
5208 EUR (Online)
5808 EUR (Schulungsraum)

Grundlagen des Cloud Computing für Manager und Softwareentwickler

2026-03-03 09:30
21 Stunden
Bonn
5208 EUR (Online)
5808 EUR (Schulungsraum)

Kombinierte Kurse

Fortgeschrittene Machine Learning-Modelle mit Google Colab

 21 Stunden

Diese vom Dozenten geleitete, live-Schulung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Fachleute, die ihr Wissen über Machine Learning-Modelle vertiefen, ihre Fähigkeiten im Hyperparameter-Tuning verbessern und lernen möchten, wie sie Modelle effektiv mit Google Colab bereitstellen.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

  • Fortgeschrittene Machine Learning-Modelle unter Verwendung beliebter Frameworks wie Scikit-learn und TensorFlow zu implementieren.
  • Die Modellleistung durch Hyperparameter-Tuning zu optimieren.
  • Machine Learning-Modelle in realen Anwendungen mit Google Colab bereitzustellen.
  • Große Machine Learning-Projekte in Google Colab zu kooperieren und zu verwalten.
Mehr Informationen...

AWS IoT Core

14 Stunden

Diese von einem Ausbilder geleitete Live-Schulung in Deutschland (vor Ort oder per Fernzugriff) richtet sich an Ingenieure, die IoT-Geräte auf AWS bereitstellen und verwalten möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein, eine IoT-Plattform aufzubauen, die die Bereitstellung und Verwaltung eines Backends, eines Gateways und von Geräten auf AWS umfasst.

Mehr Informationen...

Amazon Web Services (AWS) IoT Greengrass

21 Stunden

Diese von einem Kursleiter geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Entwickler, die AWS IoT Greengrass-Funktionen installieren, konfigurieren und verwalten möchten, um Anwendungen für verschiedene Geräte zu erstellen.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein, mit AWS IoT Greengrass Anwendungen auf intelligenten Geräten zu erstellen, bereitzustellen, zu verwalten, zu sichern und zu überwachen.

Mehr Informationen...

AWS Lambda für Entwickler

14 Stunden

Diese von einem Trainer geleitete Live-Schulung in Deutschland (vor Ort oder aus der Ferne) richtet sich an Entwickler, die AWS Lambda nutzen möchten, um Dienste und Anwendungen in der Cloud zu erstellen und bereitzustellen, ohne sich um die Bereitstellung der Ausführungsumgebung (Server, VMs und Container, Verfügbarkeit, Skalierbarkeit, Speicher usw.) kümmern zu müssen.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

  • Konfigurieren Sie AWS Lambda, um eine Funktion auszuführen.
  • FaaS (Functions as a Service) und die Vorteile der serverlosen Entwicklung zu verstehen.
  • AWS Lambda-Funktionen erstellen, hochladen und ausführen.
  • Lambda-Funktionen mit verschiedenen Ereignisquellen integrieren.
  • Lambda-basierte Anwendungen zu verpacken, bereitzustellen, zu überwachen und Fehler zu beheben.
Mehr Informationen...

Einführung in Google Colab für Data Science

 14 Stunden

Diese von einem Trainer geleitete, live durchgeführte Schulung in Deutschland (online oder vor Ort) richtet sich an datenwissenschaftliche Anfänger und IT-Professionals, die die Grundlagen der Datenanalyse mit Google Colab erlernen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

  • Google Colab einzurichten und zu navigieren.
  • grundlegende Python-Code zu schreiben und auszuführen.
  • Datensätze zu importieren und zu verwalten.
  • Visualisierungen mit Python-Bibliotheken zu erstellen.
Mehr Informationen...

Computer Vision mit Google Colab und TensorFlow

 21 Stunden

Diese von einem Ausbilder geleitete, live-Schulung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Fachleute, die ihr Verständnis des Computer Vision vertiefen und die Fähigkeiten von TensorFlow zur Entwicklung komplexer Vision-Modelle mit Google Colab erkunden möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

  • Faltungsschicht-Neuronale Netze (CNNs) mit TensorFlow zu bauen und zu trainieren.
  • Google Colab für skalierbare und effiziente, cloudbasierte Modellentwicklung zu nutzen.
  • Bildvorverarbeitungstechniken für Computer Vision-Aufgaben zu implementieren.
  • Computer Vision-Modelle für Anwendungen in der Praxis bereitzustellen.
  • Übertragungslernen (Transfer Learning) zur Leistungssteigerung von CNN-Modellen zu nutzen.
  • Die Ergebnisse von Bildklassifikationsmodellen zu visualisieren und zu interpretieren.
Mehr Informationen...

Deep Learning mit TensorFlow in Google Colab

 14 Stunden

Diese von einem Trainer geleitete Live-Ausbildung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Datenwissenschaftler und Entwickler, die Deep-Learning-Techniken im Umfeld von Google Colab verstehen und anwenden möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

  • Google Colab für Deep-Learning-Projekte einrichten und bedienen.
  • Grundlagen von neuronalen Netzen verstehen.
  • Deep-Learning-Modelle mit TensorFlow implementieren.
  • Deep-Learning-Modelle trainieren und bewerten.
  • Erweiterte Funktionen von TensorFlow für das Deep Learning nutzen.
Mehr Informationen...

Meisternde DevOps mit AWS Cloud9

 21 Stunden

Diese von einem Ausbilder geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Fachleute, die ihr Verständnis von DevOps-Praktiken vertiefen und die Entwicklungsprozesse mit AWS Cloud9 optimieren möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

  • AWS Cloud9 für DevOps-Workflows einrichten und konfigurieren.
  • Implementierung von Pipelines für kontinuierliche Integration und kontinuierliche Bereitstellung (CI/CD).
  • Automatisieren von Test-, Überwachungs- und Bereitstellungsprozessen mit AWS Cloud9.
  • Integrieren Sie AWS-Services wie Lambda, EC2 und S3 in DevOps-Arbeitsabläufe.
  • Verwenden Sie Versionskontrollsysteme wie GitHub oder GitLab in AWS Cloud9.
Mehr Informationen...

Entwicklung von serverlosen Anwendungen auf AWS Cloud9

 14 Stunden

Diese von einem Ausbilder geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Fachleute auf mittlerem Niveau, die lernen möchten, wie man effektiv serverlose Anwendungen auf AWS Cloud9 und AWS Lambda erstellt, bereitstellt und wartet.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

  • Die Grundlagen der serverlosen Architektur zu verstehen.
  • AWS Cloud9 für die Entwicklung serverloser Anwendungen einrichten.
  • Serverlose Anwendungen mit AWS Lambda entwickeln, testen und bereitstellen.
  • Integrieren von AWS Lambda mit anderen AWS-Services wie API Gateway und S3.
  • Optimieren Sie serverlose Anwendungen für Leistung und Kosteneffizienz.
Mehr Informationen...

Datenvisualisierung mit Google Colab

 14 Stunden

Dieses von einem Trainer geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Anfänger im Bereich Datenwissenschaften, die lernen möchten, wie man sinnvolle und visuell ansprechende Datenvisualisierungen erstellt.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

  • Google Colab für Datenvisualisierung einrichten und bedienen.
  • Verschiedene Arten von Diagrammen mit Matplotlib erstellen.
  • Seaborn zur Anwendung fortgeschrittener Visualisierungsverfahren nutzen.
  • Diagramme anpassen, um bessere Darstellung und Klarheit zu erzielen.
  • Daten effektiv mit visuellen Werkzeugen interpretieren und präsentieren.
Mehr Informationen...

Industrielle Ausbildung IoT (Internet of Things) mit Raspberry PI und AWS IoT Core 「4 Stunden Remote」

 4 Stunden

Zusammenfassung:

  • Grundlagen der IoT-Architektur und -Funktionen
  • "Dinge", "Sensoren", Internet und die Abbildung zwischen den Geschäftsfunktionen des IoT
  • Das Wesentliche aller IoT-Softwarekomponenten - Hardware, Firmware, Middleware, Cloud und mobile App
  • IoT-Funktionen - Flottenmanager, Datenvisualisierung, SaaS-basiertes FM und DV, Alarmierung, Sensor-Onboarding, "Ding"-Onboarding, Geo-Fencing
  • Grundlagen der Kommunikation von IoT-Geräten mit der Cloud mit MQTT.
  • Anbindung von IoT-Geräten an AWS mit MQTT (AWS IoT Core).
  • Verbindung des AWS IoT-Kerns mit der AWS Lambda-Funktion für Berechnungen und Datenspeicherung.
  • Verbindung von Raspberry PI mit AWS IoT-Kern und einfacher Datenkommunikation.
  • Alarme und Ereignisse
  • Sensor-Kalibrierung
Mehr Informationen...

Industrielle Ausbildung IoT (Internet of Things) mit Raspberry PI und AWS IoT Core «8 Stunden Remote»

8 Stunden

Zusammenfassung:

  • Grundlagen der IoT-Architektur und -Funktionen
  • "Dinge", "Sensoren", Internet und die Abbildung zwischen den Geschäftsfunktionen des IoT
  • Wesentliche Bestandteile aller IoT-Softwarekomponenten - Hardware, Firmware, Middleware, Cloud und mobile App
  • IoT-Funktionen - Flottenmanager, Datenvisualisierung, SaaS-basiertes FM und DV, Alarmierung, Sensor-Onboarding, "Ding"-Onboarding, Geo-Fencing
  • Grundlagen der Kommunikation von IoT-Geräten mit der Cloud mit MQTT.
  • Anbindung von IoT-Geräten an AWS mit MQTT (AWS IoT Core).
  • Verbindung des AWS IoT-Kerns mit der AWS Lambda-Funktion für Berechnungen und Datenspeicherung mit DynamoDB.
  • Verbindung von Raspberry PI mit AWS IoT-Kern und einfacher Datenkommunikation.
  • Praktische Übungen mit Raspberry PI und AWS IoT Core, um ein intelligentes Gerät zu bauen.
  • Visualisierung von Sensordaten und Kommunikation mit Webinterface.
Mehr Informationen...

Maschinelles Lernen mit Google Colab

 14 Stunden

Diese von einem Dozenten geführte Live-Training in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Datenwissenschaftler und Entwickler, die maschinelle Lernalgorithmen effizient mit der Google Colab Umgebung anwenden möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

  • Google Colab für maschinelle Lernprojekte einzurichten und zu navigieren.
  • Verschiedene maschinelle Lernalgorithmen zu verstehen und anzuwenden.
  • Bibliotheken wie Scikit-learn zur Datenanalyse und Vorhersage zu verwenden.
  • Überwachte und unüberwachte Lernmodelle zu implementieren.
  • Maschinelle Lernmodelle effektiv zu optimieren und zu evaluieren.
Mehr Informationen...

Natürliche Sprachverarbeitung (NLP) mit Google Colab

 14 Stunden

Diese von einem Trainer durchgeführte Live-Ausbildung an Ort und Stelle oder online richtet sich an fortgeschrittene Datenwissenschaftler und Entwickler, die NLP-Techniken unter Verwendung von Python in Google Colab einsetzen möchten.

Am Ende dieser Ausbildung werden die Teilnehmer in der Lage sein:

  • Die grundlegenden Konzepte des Natural Language Processing (NLP) zu verstehen.
  • Textdaten für NLP-Aufgaben vorzubereiten und zu bereinigen.
  • Sentimentanalyse unter Verwendung der Bibliotheken NLTK und SpaCy durchzuführen.
  • Mit Textdaten unter Nutzung von Google Colab für skalierbare und kollaborative Entwicklung zu arbeiten.
Mehr Informationen...

Python Google Colab Grundlagen mit Google Colab

14 Stunden

Dieser von einem Trainer geführte Live-Kurs in Deutschland (online oder vor Ort) richtet sich an Anfänger-Entwickler und Datenanalysten, die das Programmieren mit Python von Grund auf unter Verwendung von Google Colab lernen möchten.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

  • Die Grundlagen der Python-Programmiersprache zu verstehen.
  • Python-Code im Google Colab-Umfeld umzusetzen.
  • Steuerungsstrukturen zur Verwaltung des Programmflusses in Python einzusetzen.
  • Funktionen zu erstellen, um den Code effektiv zu organisieren und wiederverwenden zu können.
  • Grundlegende Bibliotheken für das Python-Programmieren zu erkunden und zu verwenden.
Mehr Informationen...

Verwandte Kategorien

Cloud Computing
Cloud Computing