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. 8 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. 8 Stunden zum Abschließen
Deutsch
Untertitel: Deutsch, Englisch

von

Placeholder

Google Cloud

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

7 Minuten zum Abschließen

Einführung

7 Minuten zum Abschließen
2 Videos (Gesamt 7 min)
2 Videos
Einführung in die Google Cloud Platform und in Qwiklabs4m
2 Stunden zum Abschließen

Data Engineering

2 Stunden zum Abschließen
13 Videos (Gesamt 55 min)
13 Videos
Herausforderungen beim Data Engineering analysieren8m
Einführung in BigQuery3m
Data Lakes und Data Warehouses5m
Demo: Föderierte Abfragen mit BigQuery6m
Transaktionale Datenbanken vs. Data Warehouses4m
Effektive Zusammenarbeit mit anderen Datenteams6m
Datenzugriff und Data Governance verwalten2m
Demo: Personenidentifizierbare Informationen in Ihrem Dataset mit der DLP API finden1m
Produktionsfertige Pipelines erstellen2m
Kunden-Fallstudie zur GCP untersuchen3m
Zusammenfassung1m
Lab-Einführung: Analysen mithilfe von BigQuery durchführen17
1 praktische Übung
Einführung zum Data Engineering30m
2 Stunden zum Abschließen

Data Lake erstellen

2 Stunden zum Abschließen
10 Videos (Gesamt 58 min)
10 Videos
Datenspeicherung und ETL-Optionen auf der GCP4m
Einen Data Lake mit Cloud Storage erstellen10m
Demo: Kostenoptimierung mithilfe von Google Cloud Storage-Klassen und Cloud Functions7m
Cloud Storage sichern5m
Unterschiedliche Datentypen speichern5m
Demo: Föderierte Abfragen von Parquet- und ORC-Dateien in BigQuery ausführen4m
Relationale Daten in der Cloud speichern1m
Cloud SQL als relationaler Data Lake7m
Lab: Taxidaten in Cloud SQL laden27
1 praktische Übung
Data Lake erstellen4m
Woche
2

Woche 2

4 Stunden zum Abschließen

Data Warehouse erstellen

4 Stunden zum Abschließen
17 Videos (Gesamt 93 min)
17 Videos
Einführung in BigQuery1m
Demo: Sekundenschnelle Abfrage von Daten im Terabytebereich7m
Einstieg9m
Daten laden11m
Lab-Einführung: Daten in BigQuery laden21
Schemas kennenlernen24
Demo: Schemas kennenlernen10m
Schemadesign3m
Verschachtelte und wiederkehrende Felder8m
Demo: Verschachtelte und wiederkehrende Felder15m
Lab-Einführung: Mit JSON-Daten und Arraydaten in BigQuery arbeiten13
Optimieren durch Clustering und Partitionierung5m
Demo: Partitionierte Tabellen erstellen7m
Demo: Partitionierung und Clustering6m
Vorschau: Batch- und Streamingdaten transformieren2m
Zusammenfassung1m
1 praktische Übung
Data Warehouse erstellen4m
2 Minuten zum Abschließen

Zusammenfassung

2 Minuten zum Abschließen
1 Video (Gesamt 2 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..