Data Engineering on Google Cloud Platform

• Module 1: Introduction to Data Engineering
• Module 2: Building a Data Lake
• Module 3: Building a Data Warehouse
• Module 4: Introduction to Building Batch Data Pipelines,
• Module 5: Executing Spark on Cloud Dataproc
• Module 6: Serverless Data Processing with Cloud Dataflow
• Module 7: Manage Data Pipelines with Cloud Data Fusion and Cloud Composer
• Module 8: Introduction to Processing Streaming Data
• Module 9: Serverless Messaging with Cloud Pub/Sub
• Module 10: Cloud Dataflow Streaming Features
• Module 11: High-Throughput BigQuery and Bigtable Streaming Features
• Module 12: Advanced BigQuery Functionality and Performance
• Module 13: Introduction to Analytics and AI
• Module 14: Prebuilt ML model APIs for Unstructured Data
• Module 15: Big Data Analytics with Cloud AI Platform Notebooks
• Module 16: Production ML Pipelines with Kubeflow
• Module 17: Custom Model building with SQL in BigQuery ML
• Module 18: Custom Model building with Cloud AutoML

Zielgruppe

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

Voraussetzungen

Für maximale Lernerfolge sollten die Teilnehmer folgende Voraussetzungen erfüllen:

• Abgeschlossener Kurs ’Google Cloud Fundamentals: Big Data and Machine Learning’ 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