Google Cloud Data Engineering

Google Cloud Dataproc - Cluster erstellen und verwalten - Benutzerdefinierte Maschinentypen und präemptive Worker-Knoten - Cluster skalieren und lösche

Dataproc-Jobs - Pig- und Hive-Jobs ausführen - Trennung von Speicherung und Rechenleistung - Hadoop- und Spark-Jobs mit Dataproc ausführen - Jobs senden und überwachen

Dataproc in die Google Cloud Plattform integrieren - Cluster mit Initialisierungsaktionen anpassen - BigQuery-Support - Dienste der Google Cloud Plattform nutzen

Machine Learning APIs und unstrukturierte Daten - Google-APIs für maschinelles Lernen - Gängige ML-Anwendungsfälle - ML-APIs - Funktionen des maschinellen Lernens für die Analyse von Big Data

Serverlose Datenanalyse mit BigQuery - Übersicht zu BigQuery - Abfragen und Funktionen - Daten in BigQuery laden - Daten aus BigQuery exportieren - Verschachtelte und wiederkehrende Felder - Mehrere Tabellen abfragen - Komplexe Abfragen - Leistung und Preise

Serverlose, automatisch skalierte Datenpipelines mit Dataflow - Beam-Programmiermodell - Datenpipelines in Beam Python - Datenpipelines in Beam Java - Skalierbare Big Data-Verarbeitung mit Beam - MapReduce in Dataflow - Zusätzliche Daten hinzufügen - Nebeneingaben - Stream-Daten - GCP-Referenzarchitektur

Übersicht über das maschinelle Lernen (ML) - Effektives ML: Konzepte, Typen - ML-Datasets: Generalisierung - ML-Datasets untersuchen und erstellen

ML-Modelle erstellen - Erste Schritte mit TensorFlow - tf.learn verwenden TensorFlow-Grafiken und Schleifen - Low-Level-TensorFlow - vorzeitiges Stoppen - Monitoring des ML-Trainings - Diagramme und Grafiken des TensorFlow-Trainings

ML-Modelle mit CloudML skalieren - Ein TensorFlow-Modell zusammenstellen - End-to-End-Training - ML-Modell lokal und in der Cloud ausführen

Feature Engineering - Funktionen erstellen - Eingaben transformieren - Synthetische Funktionen - Vorverarbeitung mit Cloud ML

Architektur von Streaminganalyse-Pipelines - Stream-Datenverarbeitung - Variable Datenmengen verarbeitenUngeordnete/späte Daten bearbeiten - Streaming-Pipeline entwerfen

Variable Datenvolumen aufnehmen - Cloud Pub/Sub - Themen und Abonnements Simulator

Streaming-Pipelines implementieren - Herausforderungen der Stream-Verarbeitung - Späte Daten bearbeiten - Wasserzeichen - Trigger - Akkumulation

Streaminganalysen und Dashboards - von Daten zu Entscheidungen - Streaming-Daten mit BigQuery abfragen - Google Data Studio - Echtzeit-Dashboard zur Visualisierung verarbeiteter Daten erstellen

Hoher Durchsatz und niedrige Latenz mit Bigtable - Cloud Spanner - Bigtable-Schema - In Bigtable aufnehmen - Streaming in Bigtable

• Google Cloud Fundamentals: Big Data & Machine Learning Kenntnisse
• Grundkenntnisse in 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

Dieses Seminar hat den Level "Datenanalyse / Professional".

Wenn Sie sich nicht sicher sind ob dieser Kurs das richtige Niveau für Sie hat, dann können Sie dies vorab mit dem Trainer abstimmen.

Wir bieten Ihnen Seminare mit einem hohen Praxisbezug an. Die Inhalte und Übungen sind auf Ihre täglichen Aufgaben im Unternehmen ausgerichtet und verzichten vollständig auf Werbehinweise anderer Produkte des Softwareherstellers.

Alle Trainings bei uns sind herstellerunabhängig. Dies ermöglicht es uns kritische Betrachtungen zu den Produkten selbst und Vergleiche zu Wettbewerbern des Herstellers im Seminar anzubieten. Die Kursinhalte sind eigene Inhalte und aus den praktischen Erfahrungen unserer Trainer in Projekten abgeleitet.

Selbstverständlich können die Inhalte bei Firmenseminaren individuell an Ihre Bedürfnisse angepasst werden. Bitte sprechen Sie uns einfach an.

• Durchführungsgarantie - Durchführungsgarantie ab zwei Teilnehmern
• Mobile Klassenräume - die ideale Ergänzung bei Firmenseminaren
• Kostenfreier Support - für Fragen nach Seminarende
• Lieferung auf Rechnung - keine Vorkasse erforderlich
• Gespräch mit dem Trainer / Qualitätssicherung - lernen Sie den Trainer vorab kennen und einschätzen
• Klären der Seminarvorrausetzungen - sprechen Sie Ihre Kenntnisse mit dem Trainer durch
• Unterstützung bei den Reisekosten - bei Hotelübernachtungen übernehmen wir einen Teil der Kosten
• Verpflegung - ganztägig Kalt- / Warmgetränke und ein vollwertiges Mittagessen im Restaurant
• Lage der Schulungszentren - immer zentral gelegen und sehr gut erreichbar
• Rabatt - wir haben attraktive Preise, profitieren Sie zustätzlich von unseren Rabatten
• Remotelabs - Mieten Sie unsere Remotelabs für eigene Seminare oder als Ergänzung zu Ihren Firmenseminaren