Über diesen Kurs

Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 13 Stunden zum Abschließen
Deutsch
Untertitel: Deutsch, Englisch
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 13 Stunden zum Abschließen
Deutsch
Untertitel: Deutsch, Englisch

von

Placeholder

Google Cloud

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

6 Minuten zum Abschließen

Einführung

6 Minuten zum Abschließen
2 Videos (Gesamt 6 min)
2 Videos
Einführung in die Google Cloud Platform und in Qwiklabs4m
1 Stunde zum Abschließen

Einführung in Batch-Datenpipelines

1 Stunde zum Abschließen
5 Videos (Gesamt 18 min)
5 Videos
Überlegungen zur Qualität1m
Ausführung von BigQuery-Vorgängen3m
Nachteile3m
Datanqualitätsprobleme mit ETL lösen4m
1 praktische Übung
EL, ELT, ETL30m
2 Stunden zum Abschließen

Spark in Cloud Dataproc ausführen

2 Stunden zum Abschließen
9 Videos (Gesamt 49 min)
9 Videos
Hadoop auf Cloud Dataproc ausführen10m
GCS als Ersatz für HDFS6m
Dataproc optimieren5m
Dataproc-Speicher optimieren9m
Dataproc-Vorlagen und -Autoscaling optimieren4m
Dataproc-Monitoring optimieren3m
Lab-Einführung: Apache Spark-Jobs in Cloud Dataproc ausführen27
Zusammenfassung31
1 praktische Übung
Spark in Cloud Dataproc ausführen4m
Woche
2

Woche 2

3 Stunden zum Abschließen

Datenpipelines mit Cloud Data Fusion und Cloud Composer verwalten

3 Stunden zum Abschließen
11 Videos (Gesamt 45 min)
11 Videos
Komponenten von Data Fusion2m
Eine Pipeline erstellen6m
Daten mit Wrangler untersuchen1m
Lab: Ein Pipelinediagramm in Cloud Data Fusion erstellen und ausführen17
Arbeit zwischen GCP-Diensten mit Cloud Composer orchestrieren1m
Apache Airflow-Umgebung1m
DAGs und Operatoren12m
Workflow-Planung6m
Monitoring und Logging4m
Lab: Einführung in Cloud Composer12
1 praktische Übung
Cloud Data Fusion und Cloud Composer30m
7 Stunden zum Abschließen

Serverlose Datenverarbeitung mit Cloud Dataflow

7 Stunden zum Abschließen
12 Videos (Gesamt 40 min)
12 Videos
Was Kunden an Dataflow schätzen3m
Cloud Dataflow-Pipelines programmieren3m
Zentrale Aspekte beim Pipelinedesign2m
Daten mit PTransforms transformieren3m
Lab: Eine einfache Dataflow-Pipeline erstellen17
Mit GroupByKey und Combine aggregieren7m
Lab: MapReduce in Cloud Dataflow18
Nebeneingaben und Datenfenster4m
Lab: Pipeline-Seiteneingaben üben11
Pipeline-Vorlagen erstellen und wiederverwenden3m
Cloud Dataflow SQL-Pipelines3m
1 praktische Übung
Datenverarbeitung mit Cloud Dataflow30m
4 Minuten zum Abschließen

Zusammenfassung

4 Minuten zum Abschließen
1 Video (Gesamt 4 min)
1 Video

Über den Spezialisierung Data Engineer, Big Data and ML on Google Cloud auf Deutsch

Dieser fünfwöchige Onlinevertiefungskurs bietet eine praktische Einführung zum Entwerfen und Erstellen von Datenverarbeitungssystemen auf der Google Cloud. In Präsentationen, Demos und praxisorientierten Labs entwickeln die Teilnehmer Datenverarbeitungssysteme, erstellen End-to-End-Datenpipelines, analysieren Daten und üben maschinelles Lernen. Dieser Kurs vermittelt den Teilnehmern die folgenden Kompetenzen: • Datenverarbeitungssysteme auf der Google Cloud entwickeln • Unstrukturierte Daten mit Spark und ML-APIs auf Cloud Dataproc verwenden • Batch- und Streaming-Daten durch die Implementierung von Autoscaling-Datenpipelines auf Cloud Dataflow verarbeiten • Mit Google BigQuery Geschäftsinformationen aus extrem großen Datasets ableiten • Modelle des maschinellen Lernens mit TensorFlow und Cloud ML trainieren, auswerten und damit Vorhersagen treffen • Sofortige Statistiken aus Streaming-Daten ermöglichen • Dieser Kurs richtet sich an erfahrene Entwickler, die für die Verwaltung von Big Data-Transformationen verantwortlich sind, zum Beispiel: • Daten extrahieren, laden, transformieren, bereinigen und validieren • Pipelines und Architekturen für die Datenverarbeitung entwerfen • Modelle des maschinellen Lernens und der Statistik erstellen und warten • Datasets abfragen, Abfrageergebnisse visualisieren und Berichte erstellen > Mit Ihrer Teilnahme an dieser Spezialisierung stimmen Sie den Nutzungsbedingungen von Qwiklabs zu: https://qwiklabs.com/terms_of_service <...
Data Engineer, Big Data and ML on Google Cloud auf Deutsch

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..