Terraform-Azurerm计算 将1个以上的虚拟机部署到您提供的VNet 该Terraform模块具有以下特征在Azure中部署虚拟机： 能够指定简单的字符串以使用var.vm_os_simple获取 所有虚拟机均使用 使用单个远程访问规则创建的网络安全组（NSG），如果对所有var.vm_os_simple使用var.vm_os_simple ，它将打开var.remote_port端口或自动计算的端口号 通过var.vnet_subnet_id连接到您选择的单个虚拟网络子网（新的或现有的）的var.vnet_subnet_id 。 通过var.nb_public_ip控制分配

terraform-azure-linux-vm 这是我最初为上的研讨会创建的训练样本，我正在清理该样本以供公众使用，并作为端对端的全栈置备演示，可以用作更复杂解决方案的起点。 （有关更多信息的） 路线图 这是当前已实现/计划中的功能的列表： 让我们加密支持 设置完整的网络堆栈 在cloud-config设置语言环境 通过条件选择指标代理2.3 / 3.0 改善评论 将NSG移到linux模块之外以获得灵活性 将当前的cloud-config分为基本版本和“ PaaS”版本 将cloud-config模板移到linux模块之外并移到其自己的文件夹中 通过cloud-init设置docker和其他核心软件包 在main.tf中main.tf公共IP，DNS别名和main.tf 设置SSH端口并通过cloud-init加强配置 在base.tf为共享资源与实例资源拆

terraform-azure-modules 可以在任何项目中重用的抽象Azure TF模块

70-535，架构，Microsoft，天蓝色解决方案，考试笔记，考试笔记70-535：架构Microsoft Azure解决方案

azure-grafana-dashboard-templates：用于Azure的Grafana仪表板模板

terraform-azure-modules：用于Microsoft Azure的可重用terraform模块

微软技术丛书：Windows.Azure从入门到精通, 大家有兴趣可以看看

天蓝色ML的Python代码 使用Microsoft Azure认知服务实现各种AI项目的Python代码。 需要Microsoft Azure订阅，因为您将需要授权密钥和终结点才能使用这些代码部署模型。 服务： I.Azure机器学习： 部署预测性服务。 二。 自定义愿景： 人脸检测。 图像分类。 对象检测。 光学字符识别。 表格识别。 三， NLP（语音，文本，LUIS）： 语言理解。 语音识别和语音合成。 文字分析。 语言翻译 重要提示：该存储库是学习路径笔记本中的Python代码的集合，用于为Microsoft AI-900考试做准备（不是我的个人工作）。 尽管我通过了考试，但是我仍然希望将这些代码保存在这里，以便在Azure上进行AI项目时可以快速参考它们。 有关如何实现代码的详细信息，请查看以下参考： :

适用于Microsoft Azure的VM系列 这是Azure资源管理器（ARM）模板的存储库，用于将Palo Alto Networks的VM系列下一代防火墙部署到Azure公共云中。 ： 自带许可证 即用即付（PAYG）每小时和 文献资料 注意： 部署ARM模板需要一些专业知识，并且需要对ARM JSON模板进行自定义。 请查看ARM模板的基本结构。 该存储库中的大多数模板通常都使用VM系列的BYOL版本。 如果要使用其他SKU，则可以编辑azureDeploy.json模板以将"imageSku"变量设置为使用"byol" ， "bundle1"或"bundle2" ： "imagePublisher" : "paloaltonetworks" , "imageSku" : "byol" , "imageOffer" : "vmseries1" , "imageVersion" : "latest" 默认情况下，如果未指定"imageVersion" ，则使用Azure市场中可用的最新PAN-OS版本（等效于编写"imageVersion":

adf-adb-cicd-demo 适用于Data Factory和Databricks的Azure DevOps yaml管道的示例