Nos formations pour vos projets

Découverte des services GCP et des concepts d'architecture cloud.

Durcissement des hyperviseurs, isolation, gestion des accès et bonnes pratiques de sécurité.

Notions clés de la virtualisation : machines virtuelles, hyperviseurs, ressources et bénéfices.

Administration de la virtualisation Oracle Linux (KVM) : hôtes, VM, stockage et réseau.

Passerelle GCP à destination des praticiens AWS : équivalences de services.

Réglage des performances, capacity planning et optimisation compute/stockage/réseau.

Prise en main pratique de la virtualisation et de ses principaux composants.

Provisionnement et gestion du stockage bloc pour les VM avec OpenStack Cinder.

Passerelle GCP à destination des praticiens Azure : équivalences de services.

Déploiement et administration d'Hyper-V sur Windows Server ; clustering et réplication.

Différences entre hyperviseurs bare-metal (Type 1) et hébergés (Type 2) et cas d'usage.

Création et gestion de VM de test/développement sur poste avec VirtualBox.

Méthodologie de conception d'architectures sur Google Cloud.

Administration de Proxmox VE (KVM/LXC) : cluster, HA, stockage Ceph et sauvegarde. Alternative VMware plébiscitée.

Conception de la HA et du PRA/PCA : clustering, réplication et bascule.

Panorama des enjeux (consolidation, coûts, agilité) et des solutions du marché.

Déploiement et gestion des machines virtuelles et du réseau sur Compute Engine.

Virtualisation open source basée sur Xen ; administration et migration via Xen Orchestra.

Exigences de conformité (traçabilité, cloisonnement, audit) appliquées à la virtualisation.

Méthodologie de cadrage, dimensionnement et conduite d'un projet de virtualisation.

Développement d'applications cloud-native sur GCP (Professional Cloud Developer).

Fondations KVM/QEMU/libvirt : brique de base des plateformes open source de virtualisation.

Conception et gestion du réseau sur Google Cloud (VPC, interconnexion, sécurité).

Parcours progressif des concepts de base jusqu'aux architectures avancées et hyperconvergées.

Prise en main de BigQuery : requêtage, modélisation et cas d'usage analytiques.

Cadrage d'une sortie de VMware : évaluation, choix de plateforme, migration des VM et du stockage, PRA.

Conception d'un entrepôt de données BigQuery : performance, coûts et administration.

Introduction aux services Big Data et ML de Google Cloud.

Industrialisation des modèles ML sur GCP. Syllabus mis à jour : transition Vertex AI vers Gemini Enterprise Agent Platform.

Mise en place de pipelines CI/CD sur Google Cloud.