Kurs DevOps Engineer

Nasz kurs DevOps jest przeznaczony dla:

• Administratorów i praktyków związanych z infrastrukturą: dla osób pracujących w dziedzinach związanych z administracją systemów m.in. Linux, sieciami lub bezpieczeństwem, które chcą poszerzyć swoje kompetencje; rozumieć, jak efektywnie wdrażać i utrzymywać infrastrukturę IT z wykorzystaniem praktyk DevOps - i móc uczestniczyć w pracach zespołów DevOps.
• Programistów: osób na co dzień zajmujących się tworzeniem lub pielęgnacją oprogramowania, zainteresowanych lub mających styczność z zagadnieniami wdrożeniowymi, jak również wydajnościowymi - chcących rozwinąć się w kierunku DevOps-owym, poznać te narzędzia i techniki. Poszerzając również kompetencje w odniesieniu do infrastruktury i zagadnień administracyjnych w dużych, nowoczesnych środowiskach.
• Osób z podstawową wiedzą o systemie Linux: dla wszystkich tych, którzy mają doświadczenie z systemami Linux i podstawami administrowania. To fundament, na którym można zbudować umiejętności związane z DevOps.

Zagadnienia – program szkolenia DevOps:

Pobierz szczegółowy program kursu »

Wymagania, czyli co dobrze wiedzieć przed rozpoczęciem szkolenia DevOps

Oczekujemy, że uczestnicy mają podstawową znajomość systemu Linux i sieci komputerowych. Nie wymagamy ukończenia żadnego kursu, ale może to być wiedza np. na poziomie naszego szkolenia Wstęp do administracji systemem Linux, lub całego kursu od zera Administrator Linuksa.

Dodatkowo spodziewamy się, że kursanci mają podstawową wiedzę z programowania w dowolnym języku skryptowym - może to być np. linuksowy Bash, może być Python. Na zajęciach będziemy pisać skrypty dla różnych narzędzi - jest to kluczowe dla automatyzacji zadań w praktykach DevOps.

Uwaga: nie wymagamy natomiast znajomości Git-a, ponieważ kurs zawiera (szybkie) wprowadzenie do tego narzędzia. Będziemy omawiać praktyczne stosowanie go w pracy zespołowej nad kodem źródłowym, w szczególności w odniesieniu do testowania i do procesów CI/CD.

Podczas zajęć, będziemy też realizowali praktyczne miniprojekty (warsztaty) i rozmaite ćwiczenia.

Dlaczego warto zainwestować w kurs DevOps?

DevOps to nie tylko zestaw narzędzi, programów i praktyk, ale też cała filozofia i system pracy. Promuje również, niejako siłą rzeczy, współpracę zespołową, komunikację, ale też ciągłe doskonalenie się. Inwestując w nasz kurs DevOps, zdobędziesz solidne podstawy z tej dziedziny oraz nowe, praktyczne umiejętności przydatne w pracy - czy też na rynku pracy. DevOps to jedna z nowoczesnych technik, które zmieniają sposób pracy nad projektami IT. Ten kurs jest przepustką do rozwoju w tym kierunku i do tego świata.

Zadania Specjalisty DevOps:

• Automatyzacja procesów: Implementacja narzędzi takich jak Jenkins, GitLab, CI/CD, czy Ansible - automatyczne testowanie błędów, instalacje i konfiguracje pakietów, aplikacji, czy całych środowisk - aby finalnie skrócić czas realizacji projektu i zmniejszać ryzyka i częstotliwość występowania błędów.
• Skalowanie aplikacji, orkiestracja kontenerów: Zarządzanie i skalowanie aplikacji w kontenerach Docker, z wykorzystaniem narzędzi takich jak Kubernetes. Poprawa wydajności systemów i optymalizacja wykorzystania zasobów.
• Monitorowanie i optymalizacja systemów: Użycie systemów monitorowania takich jak Prometheus, czy Grafana - dla ciągłej obserwacji zasobów i aplikacji.
• Wykorzystanie narzędzi AI: Stosowanie asystentów AI (GitHub Copilot, Cursor) do generowania i weryfikacji konfiguracji infrastruktury, skryptów automatyzacji i definicji pipeline'ów; użycie narzędzi AIOps do analizy logów i anomalii.
• Współpraca z zespołami: Aktywne uczestniczenie w procesach Scrum lub Agile, wspieranie dużych zespołów w osiąganiu celów projektowych.

AI w pracy inżyniera DevOps

Kurs obejmuje dedykowany moduł „AI w pracy inżyniera DevOps" — praktyczny przegląd tego, jak narzędzia AI wchodzą do codziennej pracy DevOps engineera. Pokażemy, jak używać narzędzi typu GitHub Copilot, Claude czy Cursor do generowania skryptów, plików Dockerfile, Jenkinsfile, konfiguracji Ansible i definicji pipeline'ów, jak narzędzia AIOps pomagają w analizie logów i wykrywaniu anomalii, jak wywoływać LLM do optymalizacji konfiguracji Terraform — oraz kiedy tej automatyzacji nie ufać.

Temat chatbotów operacyjnych (integracja alertów z modelem językowym, np. PagerDuty + AI) oraz AI w code review pipeline'ów zamyka praktyczną perspektywę: inżynier DevOps, który rozumie możliwości i ograniczenia AI w infrastrukturze, jest dziś znacznie bardziej wartościowy niż ten, który jej nie używa lub używa bezkrytycznie.

Zainwestuj w przyszłość i zdobądź niezbędne kompetencje, aby stać się specjalistą w świecie nowoczesnych technologii. Nasze szkolenie DevOps zapewnia wysoką jakość merytoryczną oraz praktyczne podejście do nauki.

ALX 24 lat na rynku IT

ALX to doświadczenie i ogromna wiedza Posiadamy System Zarządzania Jakością zgodny z normą ISO 9001:2015-10

Kim są trenerzy prowadzący nasze kursy DevOps?

Nawet najlepiej przygotowany program kursu nie zadziała bez doświadczonych wykładowców. Dlatego nasi trenerzy nie tylko są specjalistami i praktykami w swojej dziedzinie, ale też mają wieloletnie doświadczenie w szkoleniach i nauczaniu. Prowadzą warsztatowe zajęcia obfitujące w realistyczne przykłady, a co najważniejsze – uwielbiają uczyć!

Mateusz

Linux, Python, Git, Ansible, networking, security, full stack web.

Administrator systemów Linux i programista. Specjalista w technologiach BASH, Python, Ansible, Git; konsultant bezpieczeństwa systemów informatycznych i sieciowych, dawniej również programista web. Nagrodzony "Złotą Kredą" za prowadzone gościnnie zajęcia na Politechnice Warszawskiej.

Andrzej

Linux, C, Bash, Python

Analityk, projektant i programista systemów wbudowanych. Twórca specjalistycznych urządzeń przemysłowych i medycznych wykorzystujących systemy Linux i Android. Jego pasją są podróże, najchętniej z namiotem z dala od uczęszczanych szlaków.

więcej o trenerze >

Andrzej od czasu studiów na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej pracuje na styku sprzętu i oprogramowania. Karierę rozpoczynał jako administrator, zajmował się również tematyką synchronizacji czasu w środowiskach izolowanych. Zdobyte doświadczenie pozwoliło mu zrealizować wiele specjalistycznych systemów komputerowych, w szczególności bezobsługowych, w branżach Machine-to-Machine (M2M) oraz Internet of Things (IoT).

Bogata droga zawodowa pozwoliła mu zetknąć się z wieloma architekturami: poczynając od x86 przez TI DSP, ARM, SH4, MIPS i PowerPC. Tworzenie wydajnych i niezawodnych aplikacji w warunkach ograniczonych zasobów sprzętowych wyrobiło mu przyzwyczajenie do uważnego projektowania oraz zachowywania prostoty tworzonych rozwiązań.

Poza elektroniką i oprogramowaniem Andrzej interesuje się podróżami. Praca programisty-konsultanta pozwoliła mu zwiedzić kilka ciekawych miast, zaś prywatnie wybiera miejsca interesujące przyrodniczo i kulinarnie.

zwiń informację o trenerze >

 

Program szkolenia

1. Wprowadzenie do Continuous Integration/Delivery (CI/CD)
   • Cykl rozwijania oprogramowania
   • Porównanie alternatywnych podejść: chmura kontra rozwiązania własne (on-premises)
   • Ciągłe budowanie / integracja (continuous building / integration)
   • Ciągła inspekcja (continuous inspection)
   • Ciągłe wdrażanie (continuous deployment)
2. Git – rozproszony system kontroli wersji
   • Konfiguracja
   • Podstawowe komendy
   • Praca na gałęziach
   • Zdalne repozytoria i praca z nimi
   • Zaawansowane komendy (reset, merge, revert)
3. Dostawcy repozytoriów zdalnych Git
   • GitHub, Bitbucket oraz Gitlab — podstawowe funkcjonalności
   • Podstawowe funkcjonalności
   • Pipeline na przykładzie GitHub Actions — wprowadzenie, przykłady konfiguracji
   • Runnery — na przykładzie GitLab.com
4. Testowanie oprogramowania i jego rola w procesach CI/CD
   • Ręczne i automatyczne testowanie wersji aplikacji
   • Testy jednostkowe, integracyjne, funkcjonalne, wydajnościowe
   • Testy w Selenium/Puppeteer — wprowadzenie
   • Przykładowe testy jednostkowe w Pythonie
   • LAB: Przygotowanie scenariusza testowego
5. Serwer automatyzacyjny Jenkins
   • Wprowadzenie — cel, architektura, zasada działania
   • Budowa typowego projektu
   • Jenkinsfile — konfiguracja przy użyciu kodu
   • Instalowanie i używanie pluginów
   • Dodawanie i używanie kluczy oraz haseł
   • Praca z agentami
   • Integracja narzędzi do testowania z serwerem Jenkins
   • LAB: uruchamianie testów oraz deploy aplikacji w zależności od wyniku testów
6. Ansible
   • IAAC — Infrastructure as a Code: znaczenie i rola
   • Podstawowe pojęcia oraz elementy
   • Instalacja oraz konfiguracja
   • Inventory
   • Wykonywanie komend na wielu serwerach jednocześnie
   • Prosty przykładowy playbook
   • Wprowadzenie do ról
   • Instalowanie oraz używanie pluginów
   • Tworzenie zaawansowanych ról
   • Bazowanie na faktach
7. Docker
   • Podstawowe komendy oraz zarządzanie kontenerami
   • Sieci
   • Volumeny
   • Dockerfile — tworzenie, budowanie obrazu, ENTRYPOINT i CMD
   • LAB: budowa kontenera na bazie prostej aplikacji
   • Docker registry
   • Docker compose
8. Kubernetes
   • Wprowadzenie — historia, podstawowe koncepcje, architektura
   • Podstawowe komponenty: Pod, Node, Cluster
   • Instalacja — różne metody, minidystrybucje K8s
   • Podstawowe operacje: tworzenie Podów, skalowanie, aktualizacje, roll-backi
   • Networking — Service, Ingress, Network Policies
   • Storage — Persistent Volumes, Storage Classes
   • Helm — zarządzanie aplikacjami w Kubernetes
   • Praktyczne ćwiczenia: instalacja, konfiguracja sieci, zarządzanie danymi, tworzenie zasobów
9. AI w pracy inżyniera DevOps
   • GitHub Copilot / Cursor / Claude — generowanie skryptów, konfiguracji, Dockerfile, pipeline’ów
   • AI do analizy logów i anomalii — narzędzia AIOps (przegląd)
   • Generowanie i optymalizacja konfiguracji Ansible i Terraform z pomocą LLM
   • AI w code review i bezpieczeństwie pipeline’ów
   • Chatboty operacyjne — integracja alertów z LLM (np. PagerDuty + AI)
   • Granice AI w DevOps — kiedy nie ufać generowanej konfiguracji
10. Monitoring i logowanie
    • Prometheus, Grafana oraz Alertmanager — wprowadzenie, konfiguracja, Service Discovery
    • Zarządzanie logami
    • Agregator logów — logowanie w formacie JSON, ELK, Grafana Loki
    • Chmurowe rozwiązania AKS, EKS, GKS
    • Praktyczne ćwiczenie: Implementacja monitoringu
11. AWS
    • Wprowadzenie do cloud — rodzaje i najpopularniejsi dostawcy
    • AWS — pierwsze kroki, konsola zarządzania, gotowe konfiguracje
    • Podstawowe usługi chmurowe: serwery wirtualne, managed services, storage, VPC
    • Regiony oraz Availability Zones
    • Zarządzanie budżetem
    • IAM – Zarządzanie użytkownikami, politykami oraz uprawnieniami
    • Usługi EC2, S3, ALB oraz ECR
    • Korzystanie z AWS CLI
12. Terraform
    • HCL — Hashicorp Configuration Language
    • Instalacja oraz konfiguracja
    • Podstawowe komendy
    • Dostawcy oraz zasoby
    • tfstate — znaczenie i rola
    • Provisioner — zasada działania, przykłady zastosowania
    • Zmienne i Output
    • LAB: uruchomienie usług i konfiguracja z pomocą Ansible
    • LAB: Terraform i Jenkins

Pobierz szczegółowy program kursu