Data Engineering on Google Cloud Platform (DEGCP)
Seminar
Online
Beschreibung
-
Kursart
Seminar
-
Methodik
Online
-
Beginn
auf Anfrage
Für maximale Lernerfolge sollten die Teilnehmer folgende Voraussetzungen erfüllen:
Abgeschlossener Kurs Google Cloud Fundamentals: Big Data and Machine Learning (GCF-BDM) oder gleichwertige Kenntnisse
Grundkenntnisse in gängigen Abfragesprachen wie SQL
Kenntnisse in Datenmodellierung, Extraktion, Transformation und Ladeaktivitäten
Kenntnisse im Entwickeln von Anwendungen mit einer gängigen Programmiersprache wie Python
Vertrautheit mit maschinellem Lernen und/oder Statistik
Standorte und Zeitplan
Lage
Beginn
Beginn
Hinweise zu diesem Kurs
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 für maschinelles Lernen und Statistik erstellen und warten
Datasets abfragen, Abfrageergebnisse visualisieren und Berichte erstellen
Dieser Kurs vermittelt den Teilnehmern die folgenden Kompetenzen:
Datenverarbeitungssysteme auf der Google Cloud Platform entwickeln
Batch- und Streamingdaten 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 mit ihnen Vorhersagen treffen
Unstrukturierte Daten mit Spark und ML-APIs auf Cloud Dataproc nutzen
Sofortige Informationsgewinnung aus Streamingdaten ermöglichen
Meinungen
Erfolge dieses Bildungszentrums
Sämtlich Kurse sind auf dem neuesten Stand
Die Durchschnittsbewertung liegt über 3,7
Mehr als 50 Meinungen in den letzten 12 Monaten
Dieses Bildungszentrum ist seit 15 Mitglied auf Emagister
Themen
- Engineering
Inhalte
- Modul 1: Übersicht über Google Cloud Dataproc
- Modul 2: Dataproc-Jobs ausführen
- Modul 3: Dataproc in die Google Cloud Platform integrieren
- Modul 4: Mit den Machine Learning APIs von Google unstrukturierte Daten verarbeiten
- Modul 5: Serverlose Datenanalyse mit BigQuery
- Modul 6: Serverlose, automatisch skalierte Datenpipelines mit Dataflow
- Modul 7: Erste Schritte mit dem maschinellen Lernen
- Modul 8: ML-Modelle mit TensorFlow erstellen
- Modul 9: ML-Modelle mit CloudML skalieren
- Modul 10: Feature Engineering
- Modul 11: Architektur von Streaminganalyse-Pipelines
- Modul 12: Variable Datenvolumen aufnehmen
- Modul 13: Streaming-Pipelines implementieren
- Modul 14: Streaminganalysen und Dashboards
- Modul 15: Hoher Durchsatz und niedrige Latenz mit Bigtable
Leveraging Unstructured Data with Cloud Dataproc on Google Cloud Platform
Serverless Data Analysis with Google BigQuery and Cloud Dataflow
Serverless Machine Learning with Tensorflow on Google Cloud Platform
Building Resilient Streaming Systems on Google Cloud Platform
Data Engineering on Google Cloud Platform (DEGCP)