想要入門AWS領域，就選有正統的AWS學習資源才能事半功倍
目前越來越多企業採用AWS雲端，您是想要入門AWS領域，或對AWS解決方案有應用需求的IT人員?
透過AWS原廠授權教育訓練中心，可提供您最新、最全面的AWS技能培訓，讓您可依照角色或解決方案選擇適合需求的AWS課程進修，有系統地具備在AWS雲端中設計、部署和操作基礎設施和應用程式的技能，符合企業與IT人員的多元需求。
恆逸AWS顧客心得分享
王綱
"上完課後對於公司導入AWS的規劃上可以有更具體輪廓，可以規劃出較合適公司IT需求的架構！"
參加課程：Architecting on AWS
鄭鈺樺
"收穫豐富的AWS雲端課程，有理論的支持以及LAB環境實作的經驗，讓學習效能大大提升！"
參加課程：Architecting on AWS
目前擔任解決方案架構師半年，已通過AWS Certified Cloud Practitioner證照考試做為起點，現在正在準備AWS Certified Solutions Architect – Associate證照考試，除了工作需要之外，也給自己再往下一階段挑戰的目標，很感恩公司主管給予的支持和資深架構師的建議，讓我有如此寶貴的上課經驗，在自己上網查了很多課程資料後，恆逸訓練中心地點方便，師資與環境都有很高評價，因此最終選擇恆逸訓練中心所承辦為期三天的『Architecting on AWS』以及一天的總複習課程。
這次的學習體驗也的確很優質，整體課程非常充實，讓我對雲端架構有了更深入的理解和認識，原本使用雲端只是單純使用AWS Console介面，覺得方便好用，但經過上課後才了解背後基礎架構。
老師擁有豐富的地端經驗，能夠用不同的角度切入雲端主題，我因為沒有碰過地端的設備與架構，因此藉由老師的介紹，讓我對於雲端和地端構想上的差異與相同之處又更了解，原來不同背景的技術人員，對於架構建置的想法會有所不同，甚至也理解雲端背後基礎架構的樣貌。
除此之外，老師能夠以非常實際的案例和情境來講解雲端架構的概念。他不僅僅是在課本上教我們知識，更是透過自己的經驗和故事將知識生動化地呈現出來。這讓我們更容易理解抽象的概念，也更能夠將它們應用到實際的工作中。 在課堂上，老師非常熱心地協助我們解決問題，下課詢問老師LAB或課堂不理解的部分都認真傾聽問題並給予答覆。無論是對於課程中的困難點還是我們自己在工作中遇到的挑戰，老師總是耐心地給予指導和建議。
整體內容非常豐富，涵蓋了從基礎概念到進階技術的各個方面，學習了如何設計和部署可擴展的雲端架構、如何最大程度地利用AWS服務來提高效率和性能以及到後面推翻架構導入的無伺服器架構。例如：NAT建立兩台達成高可用性的架構規劃、IAM權限管理、ECS與EKS容器化技術，最讓我印象深刻的是老師不斷強調的「無伺服器的概念」，規劃出可以跑的架構不難，但規劃一個盡量不用EC2就不使用的架構卻不容易，需要再精進自己對於AWS各服務的理解與技術，才能規劃出達到AWS Well-Architected的架構。這些知識對於我們在工作中應對日常挑戰和優化現有架構都非常寶貴，期許自己可以達成老師說的「能不用伺服器就不用伺服器」的架構。
陳敬凱
"透過Architecting on AWS課程學習、取得認證後，讓我更熟悉每一個AWS服務的Best Practice！"
參加課程：Architecting on AWS
因爲公司有專案要走AWS雲的項目需求，而專案組也要求開發團隊需要對AWS架構有基礎培訓，所以選擇到恆逸參加『Architecting on AWS』課程。
其實一開始還是有點糾結的，因為除了剛畢業時學了些MCSE以及CCNA相關的基礎知識，後來的工作其實比較偏向數據分析、實施運維等方面，系統架構方面真的是比較少涉獵。
實際上完課後發現這個課程其實很單純，主要就是介紹在AWS上的服務，如何在不同的場景下找到最合適的服務。對我來説，有點像是快餐點的組合套餐，飲料就是雪碧可樂，漢堡不外乎豬肉漢堡牛肉漢堡，如果要更多的飽足感就是再加個炸雞或是蘋果派等小食。AWS也是這樣，如果是想要一個主機，首先就想到是EC2，如果想要更精簡可以使用Lambda或是搭配使用Elastic Benstalk，儲存設備就多了，可以是經典的S3也可以是EFS，或甚者使用Storage Gateway連接既有地端的儲存。DB也是，不再需要有專職的DBA也可以有RDS、DynamoDB可以使用。後面還有許多機器學習、數據分析、移動技術、系統管理等相關服務林林總總加起來應該有一兩百個。
然而AWS的目的並不是要大家背起來有哪些服務，而是知道什麽情況下搭什麽服務會是相對比較合適的方案。(因爲每隔一陣子就會出新的服務，學無止境啊~)
AWS現階段用的最多也是很多人熟悉的就是S3、DMS、Terraform這些，也是現階段公司在專案内做數據ETL會使用的服務。在專案項目中使用S3當成存放數據的容器，利用DMS無縫進行數據從地端到雲端的傳輸，並搭配Terraform把相關的權限、群組以及應用規則以代碼的方式儲存，除了可以做版本控管，也可以當成模板快速套用在不同的環境之中。
原本業務為數據工程師，使用的環境都是地端設備，第一次使用雲環境一開始都是暈乎乎的。但上完AWS架構課程後，可以理解爲什麽要把環境做這樣的設計，以及在跟海外的項目組成員溝通時可以使用一致的語言，在表達理解以及系統規劃上都有很大的幫助。讓我可以很快的使用相關服務進行開發與設計，也將模組依序導入到不同的數據環境中。
孫維宏
"在恆逸上完AWS課程回到工作中，因為對AWS上面的各項服務更加熟悉，在AWS維運上的效率也更高了！"
參加課程：Cloud Operations on AWS
在進入『Cloud Operations on AWS』這次課程之前，我的主要工作是軟體App 開發，但雲端技術已經成為公司開發應用程式的首選，我從原本的開發工作，逐漸涉足到在雲端上開發應用程式的後台。剛開始，我主要靠查閱技術文件和網路資源進行操作，希望能夠達到基本的運作功能。但隨著公司的需求逐漸增加，我發現僅靠這些零碎的知識，已經不足以支撐複雜的雲端開發工作。我曾經面對在 AWS 上的各種困境，例如不熟悉的元件、難以理解的架構、以及模糊的觀念等，這些問題時常阻礙了我的進度，讓原本可以更順利的開發過程，變得困難重重。每當這些問題出現，我都深感自己在雲端開發的知識上，還有很大的不足。
這門課程內容非常豐富，從 AWS 的基本操作到更進階的技巧都有涉獵。老師也非常專業，不僅教授了我們許多實用的技巧，還分享了他在實務開發中的經驗，讓我們能夠更加深入地理解雲端開發的本質。
其中，我印象最深刻的，是老師分享的一個案例。在這個案例中，一個公司在使用 AWS 時，遇到了網站被駭客透過DDos攻擊，造成伺服器無法負荷而選擇關閉，通過老師的指導，透過快速擴展架構來分散流量，他們最終成功解決了這個問題，並且伺服器能夠持續服務用戶。這個案例讓我深刻地認識到，雲端開發不僅僅是技術操作，更是一種對於應用程式設計和架構的理解。
此外，課程內提供的實作教學，讓我們能夠一步一步透過實際的操作，將雲端環境按照需求建置起來，讓我對AWS 維運更有信心，也加強自己對AWS IAM (AWS Identity and Access Management)的認識，可以更安全地使用雲端資源，避免錯誤的設定造成安全漏洞。
在恆逸上這門課的學習過程中，讓我收穫頗豐，不僅掌握了 AWS 的基礎知識，還學會了如何有效地使用雲端服務、如何構建可靠的雲端應用程式、以及如何部署和管理雲端應用程式。
上完課回到工作上，我發現因為對於AWS上面的各項服務更加熟悉，在AWS維運上的效率更高了，並且在架構新的系統時，也能參考最佳實踐的架構保留更多彈性，也能顧及到資訊安全方面的問題，正確的設定以避免可能的資安風險。
賴致瑋
"考取AWS認證後，對機器學習(ML)應用更加了解，解決公司從地端升級線上使用的需求！"
參加課程：MLOps Engineering on AWS
取得認證：AWS Certified Machine Learning–Specialty認證
AWS內含非常多種應用套件，雖然大多數的套件都有不同的功能，但是有少部分的套件功能有所重疊，所以學習起來非常困難與複雜。
第一次來恆逸教育訓練中心上課，上的是『MLOps Engineering on AWS』，對於沒有相關平台基礎，也沒有上過任何AWS相關課程，甚至也沒有AWS平台操作經驗的我，就被公司指派需要考取AWS Certified Machine Learning – Specialty證照。一開始我非常的徬徨，不知道要怎麼開始準備，也不知道會考什麼樣類型的題目，還好公司讓我可以來恆逸上課，讓我可以從頭開始學。
雖然AWS Certified Machine Learning – Specialty證照要考試的內容與「MLOps Engineering on AWS」課程有所差異，可是恆逸的老師從頭開始教起，MLOps Engineering on AWS為進階課程，會直接提到很多AWS套件的功能及應用，因為班上大多數的同學都跟我一樣沒有相關的經驗，對這些上課內容都非常的陌生，老師有發現這樣的狀況，更改了部分上課方式，用更淺顯易懂的說明方式，甚至使用其他課程中的說明，來讓我們可以更加容易理解整個的系統。
上完這次課程對我來說最有用的部分是Amazon SageMaker建置、訓練和部署機器學習 (ML) 模型功能，因為現在研發相關模型都是在地端進行測試，當我可以部署在公有雲上面時，可以增加大家的使用率，也可以藉由大家的使用不斷的去精進我的模型。
一般來說，如果我們單純使用地端的Machine Learning Model，如果在使用的過程中遇到評估參數出現問題時不會主動告警，可是如果使用Amazon SageMaker Model Monitor可以解決這個問題，而且無須撰寫相關程式，使用起來非常方便。因為ML模型通常需要不斷的修正與更新，在更版的部分如果使用Amazon Comprehend模型版本控制非常方便做版本管控。
考到AWS Certified Machine Learning – Specialty證照，讓我對於AWS系統在ML這塊的應用有著相當程度的了解，讓我們可以從地端的使用升級成線上的使用，解決了當初公司派訓來恆逸上課的主要目的與需求。
0 意見:
張貼留言