nmk

Лекції (36 годин):

Змістовний модуль 1. Вступ до хмарних технологій

1 Вступ до хмарних технологій та типи хмарних середовищ (Лекція 1. 2 години)

Що таке хмарні технології; історія розвитку хмарних обчислень; основні концепції: IaaS, PaaS, SaaS; приватні, публічні, гібридні та мультихмарні середовища.

2 Переваги, недоліки та огляд основних постачальників хмарних послуг (Лекція 2. 2 години)

Переваги та виклики хмарних технологій; основні постачальники: AWS, Microsoft Azure, Google Cloud; порівняння різних постачальників хмарних послуг.

3 Безпека та відповідність у хмарних середовищах (Лекція 3. 2 години)

Моделі відповідальності за безпеку; ідентифікація та управління доступом (IAM); шифрування даних у хмарі; стандарти відповідності (GDPR, ISO 27001); типові загрози та методи захисту.

4 Хмарна мережева інфраструктура (Лекція 4. 2 години)

Віртуальні приватні мережі (VPC/VNet); підмережі, маршрутизація та балансування навантаження; міжмережеві екрани та групи безпеки; CDN та розподілені мережеві архітектури.

Змістовний модуль 2. Інфраструктура як послуга (IaaS)

5 Основи IaaS: віртуальні машини та обчислювальні ресурси (Лекція 5. 2 години)

Концепція IaaS та сценарії застосування; віртуальні машини: типи, конфігурації, масштабування; автоматичне масштабування та групи доступності; управління обчислювальними ресурсами в AWS EC2, Azure VM, Google Compute Engine.

6 Хмарне зберігання даних в IaaS (Лекція 6. 2 години)

Типи хмарного сховища: блочне, файлове, об’єктне; Amazon S3, Azure Blob Storage, Google Cloud Storage; резервне копіювання та відновлення даних; управління життєвим циклом даних та оптимізація витрат.

7 Контейнеризація та оркестрація в IaaS (Лекція 7. 2 години)

Контейнери та Docker: основні концепції; реєстри контейнерів (Docker Hub, ECR, ACR); Kubernetes: архітектура та компоненти; керовані сервіси Kubernetes (EKS, AKS, GKE).

8 Інфраструктура як код (IaC) (Лекція 8. 2 години)

Концепція Infrastructure as Code; Terraform: основи та модулі; AWS CloudFormation та Azure Resource Manager; автоматизація розгортання та управління конфігурацією (Ansible, Chef, Puppet).

9 Моніторинг, логування та відмовостійкість в IaaS (Лекція 9. 2 години)

Інструменти моніторингу: CloudWatch, Azure Monitor, Google Cloud Monitoring; централізоване логування (ELK Stack, Cloud Logging); алерти та управління інцидентами; стратегії відмовостійкості: резервування, реплікація, аварійне відновлення.

Змістовний модуль 3. Платформа як послуга (PaaS)

10 Основи PaaS та хмарні платформи розробки (Лекція 10. 2 години)

Концепція PaaS та відмінності від IaaS; огляд платформ: AWS Elastic Beanstalk, Azure App Service, Google App Engine; розгортання веб-застосунків; управління середовищами розробки, тестування та продакшн.

11 Хмарні бази даних як сервіс (DBaaS) (Лекція 11. 2 години)

Реляційні БД у хмарі: Amazon RDS, Azure SQL Database, Cloud SQL; NoSQL рішення: DynamoDB, CosmosDB, Firestore; кешування: Redis, Memcached; вибір типу бази даних залежно від вимог.

12 Мікросервісна архітектура та API-шлюзи (Лекція 12. 2 години)

Мікросервісна архітектура: принципи та переваги; проєктування API та API Gateway (AWS API Gateway, Azure API Management); комунікація між сервісами: REST, gRPC, GraphQL; сервісні mesh-мережі (Istio, Linkerd).

13 CI/CD та DevOps практики у хмарі (Лекція 13. 2 години)

Принципи DevOps та культура безперервного покращення; інструменти CI/CD: GitHub Actions, GitLab CI, AWS CodePipeline, Azure DevOps; стратегії розгортання: Blue/Green, Canary, Rolling; GitOps та автоматизація доставки.

Змістовний модуль 4. Програмне забезпечення як послуга (SaaS)

14 Основи SaaS: архітектура та моделі надання послуг (Лекція 14. 2 години)

Концепція SaaS та бізнес-моделі; мультиорендна архітектура (multi-tenancy); ізоляція та кастомізація для орендарів; огляд популярних SaaS-рішень: Salesforce, Microsoft 365, Google Workspace.

15 Serverless-обчислення та хмарні функції (Лекція 15. 2 години)

Принципи serverless-архітектури; Function as a Service (FaaS): AWS Lambda, Azure Functions, Google Cloud Functions; тригери та прив’язки; патерни проєктування та обмеження serverless-рішень.

16 Хмарна аналітика та Big Data сервіси (Лекція 16. 2 години)

Обробка великих даних у хмарі: AWS EMR, Azure HDInsight, Google Dataproc; потокова обробка даних: Kinesis, Event Hubs, Pub/Sub; хмарні сховища даних (Data Warehouse): Redshift, Synapse Analytics, BigQuery; візуалізація та аналіз: Power BI, Looker, QuickSight.

17 Штучний інтелект та машинне навчання як хмарні сервіси (AIaaS/MLaaS) (Лекція 17. 2 години)

Готові AI/ML-сервіси хмарних провайдерів; платформи для навчання та розгортання моделей: SageMaker, Azure ML, Vertex AI; когнітивні сервіси: ComputerVision, NLP, Speech API; інтеграція AI-функціоналу у хмарні застосунки.

18 Оптимізація витрат та майбутнє хмарних технологій (Лекція 18. 2 години)

Моделі хмарних витрат: pay-as-you-go, reserved, spot instances; інструменти управління витратами: AWS Cost Explorer, Azure Cost Management; FinOps-практики; тенденції розвитку: edge computing, quantum computing у хмарі, Web3 та децентралізовані хмарні рішення.

Лабораторні роботи (36 годин):

Змістовний модуль 1. Вступ до хмарних технологій

1 Реєстрація та налаштування облікових записів хмарних провайдерів (Лабораторна 1. 2 години)

Створення облікових записів AWS Free Tier, Google Cloud та Azure; знайомство з консолями управління; налаштування MFA та базових політик IAM; огляд цінових калькуляторів провайдерів.

2 Робота з інтерфейсами командного рядка хмарних провайдерів (Лабораторна 2. 2 години)

Встановлення та налаштування AWS CLI, Azure CLI, Google Cloud CLI; автентифікація та конфігурація профілів; виконання основних операцій через CLI; написання простих shell-скриптів для автоматизації хмарних операцій.

3 Налаштування хмарної мережевої інфраструктури (Лабораторна 3. 2 години)

Створення та конфігурація Virtual Private Cloud (VPC) в AWS або VNet в Azure; налаштування підмереж, таблиць маршрутизації та Internet Gateway; конфігурація груп безпеки та мережевих ACL; тестування зв’язності між ресурсами.

Змістовний модуль 2. Інфраструктура як послуга (IaaS)

4 Розгортання та управління віртуальними машинами (Лабораторна 4. 2 години)

Створення та запуск віртуальних машин на AWS EC2 та/або Azure VM; вибір типу та розміру екземпляра; підключення через SSH/RDP; налаштування автоматичного масштабування та груп доступності.

5 Хмарне зберігання даних: об’єктне та блочне сховище (Лабораторна 5. 2 години)

Створення та налаштування Amazon S3 або Azure Blob Storage; завантаження, організація та керування доступом до об’єктів; налаштування версіонування та політик життєвого циклу; підключення блочного сховища (EBS/Azure Disk) до віртуальної машини.

6 Контейнеризація застосунків за допомогою Docker (Лабораторна 6. 2 години)

Написання Dockerfile для простого веб-застосунку; збірка та тестування Docker-образу; публікація образу у хмарний реєстр контейнерів (ECR, ACR або Docker Hub); запуск контейнера на хмарній VM.

7 Оркестрація контейнерів у Kubernetes (Лабораторна 7. 2 години)

Розгортання керованого Kubernetes-кластера (EKS, AKS або GKE); опис розгортання у YAML-маніфестах (Deployment, Service, ConfigMap); масштабування подів та налаштування Horizontal Pod Autoscaler; оновлення застосунку без простою (Rolling Update).

8 Автоматизація інфраструктури за допомогою Terraform (Лабораторна 8. 2 години)

Встановлення Terraform та налаштування провайдера; написання конфігураційних файлів для розгортання VM, мережі та сховища; команди init, plan, apply, destroy; управління станом інфраструктури та використання модулів.

9 Моніторинг та логування хмарної інфраструктури (Лабораторна 9. 2 години)

Налаштування CloudWatch або Azure Monitor для збору метрик і логів; створення дашбордів та алертів; налаштування централізованого логування за допомогою хмарних сервісів; аналіз інцидентів на основі зібраних метрик та журналів подій.

Змістовний модуль 3. Платформа як послуга (PaaS)

10 Розгортання веб-застосунку на PaaS-платформі (Лабораторна 10. 2 години)

Розгортання веб-застосунку (Node.js / Python / Java) на AWS Elastic Beanstalk або Azure App Service; налаштування середовища виконання та змінних оточення; конфігурація автоматичного масштабування; управління кількома середовищами (staging / production).

11 Робота з хмарними базами даних (DBaaS) (Лабораторна 11. 2 години)

Розгортання керованої реляційної бази даних (Amazon RDS або Azure SQL Database); підключення до БД з хмарного застосунку; виконання базових операцій з даними; налаштування резервного копіювання та відновлення; знайомство з NoSQL-сервісом (DynamoDB або CosmosDB).

12 Проєктування та розгортання мікросервісної архітектури (Лабораторна 12. 2 години)

Декомпозиція монолітного застосунку на мікросервіси; налаштування API Gateway для маршрутизації запитів; міжсервісна комунікація через REST; розгортання сервісів у окремих контейнерах та їх реєстрація у хмарному API Management.

13 Побудова CI/CD пайплайну у хмарі (Лабораторна 13. 2 години)

Налаштування репозиторію та гілок у Git; створення CI/CD пайплайну засобами GitHub Actions або Azure DevOps; автоматичне тестування, збірка Docker-образу та розгортання на хмарний сервіс; реалізація стратегії Blue/Green або Canary-розгортання.

14 Налаштування безпеки та контролю доступу у хмарному середовищі (Лабораторна 14. 2 години)

Налаштування ролей та політик IAM; реалізація принципу мінімальних привілеїв; налаштування шифрування даних у стані спокою та в транзиті (KMS, SSL/TLS); конфігурація аудиту доступу (CloudTrail, Azure Activity Log); сканування вразливостей хмарних ресурсів.

Змістовний модуль 4. Програмне забезпечення як послуга (SaaS)

15 Розробка та розгортання Serverless-функцій (Лабораторна 15. 2 години)

Написання та тестування функцій на AWS Lambda або Azure Functions; налаштування тригерів (HTTP, черга, розклад); інтеграція з іншими хмарними сервісами (S3, API Gateway, Cosmos DB); моніторинг і налагодження serverless-застосунку.

16 Опрацювання та аналіз даних у хмарі (Big Data) (Лабораторна 16. 2 години)

Завантаження набору даних у хмарне сховище; налаштування та запуск завдань обробки даних за допомогою AWS Glue або Azure Data Factory; виконання аналітичних запитів у BigQuery або Amazon Athena; побудова базового дашборду з результатами аналізу.

17 Інтеграція AI/ML-сервісів у хмарний застосунок (Лабораторна 17. 2 години)

Підключення готових когнітивних API (розпізнавання зображень, аналіз тексту, переклад) від AWS Rekognition, Azure Cognitive Services або Google Vision API; розробка простого застосунку з використанням AI-сервісів; оцінка точності та вартості сервісу.

18 Аналіз та оптимізація хмарних витрат (Лабораторна 18. 2 години)

Аналіз поточних витрат у хмарному акаунті за допомогою AWS Cost Explorer або Azure Cost Management; виявлення невикористаних ресурсів та рекомендацій щодо оптимізації; налаштування бюджетів та сповіщень про перевищення витрат; розрахунок TCO та порівняння варіантів резервування ресурсів.

Самостійна робота (48 годин)

1 Порівняльний аналіз хмарних провайдерів (6 годин)

Самостійне дослідження та глибоке порівняння AWS, Microsoft Azure та Google Cloud за ключовими критеріями: набір сервісів, цінова модель, географія датацентрів, SLA та рівень підтримки. Підготовка порівняльної таблиці та висновків щодо вибору провайдера для різних типів проєктів.

2 Дослідження архітектур хмарної безпеки (6 годин)

Самостійне вивчення моделі спільної відповідальності (Shared Responsibility Model) та галузевих стандартів безпеки у хмарі (SOC 2, PCI DSS, HIPAA, GDPR). Опрацювання документації AWS Well-Architected Framework (стовп безпеки) або Azure Security Benchmark; підготовка реферату з аналізом типових вразливостей та рекомендацій.

3 Проєктування відмовостійкої IaaS-архітектури (6 годин)

Самостійне проєктування відмовостійкої інфраструктури для навчального сценарію (наприклад, веб-сервіс з базою даних): вибір регіонів та зон доступності, налаштування резервування, стратегія аварійного відновлення (RPO/RTO). Оформлення архітектурної діаграми та пояснювальної записки.

4 Дослідження інструментів Infrastructure as Code (6 годин)

Самостійне вивчення та порівняння інструментів IaC: Terraform, AWS CloudFormation, Pulumi, Ansible. Написання власної IaC-конфігурації для розгортання тестового середовища; аналіз переваг і недоліків декларативного та імперативного підходів до управління інфраструктурою.

5 Аналіз PaaS-рішень та хмарних баз даних (6 годин)

Самостійне дослідження PaaS-пропозицій трьох основних провайдерів: платформи розробки, сервіси черг/подій (SQS, Service Bus, Pub/Sub), реляційні та NoSQL бази даних. Підготовка порівняльного аналізу з рекомендаціями щодо вибору стеку для різних типів застосунків (e-commerce, IoT, аналітика).

6 Дослідження Serverless-архітектур та event-driven підходів (6 годин)

Самостійне вивчення патернів проєктування serverless-застосунків (Fan-out, Saga, CQRS в безсерверному контексті); порівняння AWS Lambda, Azure Functions та Google Cloud Functions за можливостями, обмеженнями та вартістю. Розробка концептуальної схеми event-driven застосунку з використанням хмарних функцій та черг повідомлень.

7 Огляд хмарних сервісів машинного навчання та AI (6 годин)

Самостійне дослідження готових AI/ML-платформ: AWS SageMaker, Azure Machine Learning, Google Vertex AI. Огляд доступних когнітивних сервісів (Computer Vision, NLP, Speech-to-Text, Recommendation Systems); підготовка порівняльного аналізу з прикладами застосування у реальних продуктах.

8 FinOps: стратегії оптимізації хмарних витрат (6 годин)

Самостійне вивчення методології FinOps та інструментів управління хмарними витратами. Аналіз моделей ціноутворення (On-Demand, Reserved Instances, Savings Plans, Spot/Preemptible); розробка стратегії оптимізації витрат для тестового хмарного середовища з використанням AWS Cost Explorer або Azure Cost Management; підготовка звіту з конкретними рекомендаціями та розрахунком потенційної економії.