👤 學員背景

資料科學分析師，任職於金融產業，主要負責資料分析與AI應用開發，協助公司數位轉型。

🎯 參訓目的

隨著AI快速發展，實務上發現AI模型開發只是第一步，真正挑戰在於企業環境的穩定部署。希望透過學習Docker與Kubernetes，強化企業級部署能力，提升AI應用的擴展性與穩定性。

🌱 最大收穫

課程安排大量實作，深入理解Docker容器化與Kubernetes叢集架構，能將所學直接應用於AI服務部署，提升規劃與溝通能力，對專案推動有明顯幫助。

📝 完整心得

產業背景與職務內容：我目前任職於金融產業的資料科學分析師，主要負責資料分析與AI相關應用開發內部工具，協助公司數位轉型。

選擇恆逸課程的原因：隨著AI快速發展，我在工作上開始接觸到AI服務導入與系統整合相關需求。在實際參與專案過程中，發現AI模型開發只是其中一部分，真正挑戰反而在於如何將AI服務穩定部署於企業環境中。因此選擇報名恆逸相關課程。在AI系統上線過程中，會涉及服務容器化、系統資源調度以及版本管理等問題，因此希望能補強Docker與Kubernetes等企業級部署技術，使AI應用能具備良好的擴展性與穩定性。選擇恆逸課程，是因為其課程內容偏向實務應用，並能從企業導入角度說明部署流程與架構設計，讓我能更有系統地理解AI產品從開發到上線的完整流程。

授課講師的幫助：授課講師最大的幫助，是課程安排了大量實際上機操作。老師提供約七台虛擬機環境，並搭配完整講義與操作指令，讓我可以一步一步練習Docker與Kubernetes系統建置。透過多台虛擬機操作，可以實際模擬叢集架構與服務部署流程，讓我對系統運作方式有更直觀的理解。比起單純閱讀文件或書籍，實際上機操作過程能更快速掌握技術重點，也讓學習過程更加扎實。老師在帶操作時，也會同步說明每個步驟背後的用途與實務應用情境，讓我能理解企業在系統部署時會遇到的考量，對實務應用幫助很大，透過這樣理論與實作並重的教學方式，大幅提升了我對Docker與K8s的理解程度。

課程中最有收穫的部分：在上課過程中，收穫最大的是理解Docker容器化與K8s叢集架構的整體運作流程。課程安排實際上機操作，透過多台虛擬機環境練習建立容器映像檔、部署服務以及管理叢集資源，讓我能從實務操作中理解系統調度與服務運作邏輯。特別是在觀察Kubernetes自動調度與資源管理機制時，可以更清楚企業系統在高可用性與擴展性上的設計概念。在練習過程中，我將課程內容整理成結構化筆記，透過重新整理操作流程與觀念，加深技術理解並提升學習效率。我也將學習重點整理於技術筆記網站，作為後續複習與延伸學習使用：https://caocharles.github.io/dcka-class-notes/

課程對工作實務的幫助：完成課程後，對我工作上最大的幫助，是讓我建立企業系統部署與架構規劃的整體概念。剛好目前參與AI應用服務部署相關工作，使我能將課程內容直接運用在實務情境中，也讓我在面對系統上線相關問題時更有方向與信心。透過學習Docker與K8s技術，讓我更清楚了解服務部署流程與系統運作方式。在與IT討論系統架構與部署方式時，也能更容易理解整體運作邏輯，提升溝通效率與規劃能力，對專案推動有實質上的幫助。課程中建立的整體思維，也讓我在規劃系統服務時，能從穩定性與未來擴充角度進行思考，使技術應用更貼近實際工作需求。透過這次學習經驗，不僅提升專業能力，也讓我在面對新技術挑戰時更有信心，對未來職涯發展具有正向幫助。