Python lernen: Kurse und Seminare auf der Plattform seminarmarkt.de!

Module 1: Introduction to Data Engineering

• Explore the role of a data engineer.
• Analyze data engineering challenges.
• Intro to BigQuery.
• Data Lakes and Data Warehouses.
• Demo: Federated Queries with BigQuery.
• Transactional Databases vs Data Warehouses.
• Website Demo: Finding PII in your dataset with DLP API.
• Partner effectively with other data teams.
• Manage data access and governance.
• Build production-ready pipelines.
• Review GCP customer case study.
• Lab: Analyzing Data with BigQuery.

Module 2: Building a Data Lake

• Introduction to Data Lakes.
• Data Storage and ETL options on GCP.
• Building a Data Lake using Cloud Storage.
• Optional Demo: Optimizing cost with Google Cloud Storage classes and Cloud Functions.
• Securing Cloud Storage.
• Storing All Sorts of Data Types.
• Video Demo: Running federated queries on Parquet and ORC files in BigQuery.
• Cloud SQL as a relational Data Lake.
• Lab: Loading Taxi Data into Cloud SQL.

Module 3: Building a Data Warehouse

The modern data warehouse.

Intro to BigQuery.

Demo: Query TB+ of data in seconds.

Getting Started.

Loading Data.

Video Demo: Querying Cloud SQL from BigQuery.

Lab: Loading Data into BigQuery.

Exploring Schemas.

Demo: Exploring BigQuery Public Datasets wi...

In dieser 3-tägigen Schulung "Einführung in Apache Spark und SparkSQL" lernen Sie, wie Sie die Basis für Ihr eigenes Spark Data-Warehouse legen. Sie erhalten eine praxisnahe Übersicht über die vielfältigen Einsatzmöglichkeiten von Apache Spark und die Arbeit mit verschiedenen Datenquellen und -formaten. Anhand von Anwendungen erfahren Sie, wie Sie in Spark effektiv mit strukturierten Daten arbeiten können. Das Seminar bietet Ihnen zum Abschluss einen Ausblick auf weitere professionelle Anwendungen von Apache Spark.

Mit modernsten CI/CD- und MLOps-Methoden zur produktiven Machine Learning Anwendung

Wie automatisiere ich das Deployment einer Machine Learning Anwendung? Wie organisiere ich den Development Lifecycle, um die Robustheit der Anwendung sicherzustellen? Das  Seminar zeigt Ihnen, wie Sie Softwareentwicklungs-Werkzeuge wie u.a. Versionierung, Pipelines, Development- und Produktionsumgbung, APIs und Container in der Praxis nutzen können, um produktive Anwendungen zu schaffen.

In dieser 4-tägigen Schulung "LFD301 Einführung in Linux, Open-Source-Entwicklung und GIT" tauchen Sie tief in die Welt der Linux-Entwicklung ein und erhalten grundlegende Fähigkeiten, um effektiv mit Linux zu arbeiten. Vor dem Hintergrund des unaufhaltsamen Wachstums von Linux und der steigenden Nachfrage nach Linux-Entwicklern bietet dieser Kurs eine erstklassige Gelegenheit, in die Linux-Entwicklung einzusteigen.

Dieser Kurs bietet eine solide Basis, um Ihre Linux-Entwicklungsreise zu beginnen und sich in einer dynamischen und wachsenden Umgebung weiterzuentwickeln.

In dieser 4-tägigen Schulung "The Machine Learning Pipeline on AWS" lernen Sie, wie Sie die iterative Prozesspipeline des maschinellen Lernens (ML) in einer projektbasierten Lernumgebung nutzen können, um ein reales Geschäftsproblem zu lösen. Der Kurs behandelt die einzelnen Phasen der Prozesspipeline anhand von Präsentationen und Demonstrationen des Kursleiters. Anschließend wenden Sie dieses Wissen an, um ein Projekt zur Lösung eines von drei Geschäftsproblemen durchzuführen: Betrugserkennung, Empfehlungsmodule oder Flugverspätungen. Am Ende des Kurses werden Sie erfolgreich ein ML-Modell mit Amazon SageMaker erstellt, geschult, bewertet, abgestimmt und bereitgestellt haben, das das von Ihnen gewählte Geschäftsproblem löst.

Dieser Kurs ist für Teilnehmer mit wenig bis gar keinen Erfahrungen oder Kenntnissen im Bereich maschinelles Lernen geeignet und bietet die Möglichkeit, einen geeigneten ML-Ansatz für ein bestimmtes Geschäftsproblem auszuwählen und zu begründen. Sie lernen, wie Sie die ML Pipeline verwenden, um ein spezifisches Geschäftsproblem zu lösen, und erhalten Best Practices für den Entwurf skalierbarer, kostenoptimierter und sicherer ML-Pipelines in AWS.

Insgesamt werden Sie in diesem Kurs die praktische Anwendung von Machine Learning auf ein reales Geschäftsproblem erlernen und dadurch wertvolle Fähigkeiten in diesem aufstrebenden Bereich entwickeln.

In dieser 4-tägigen Schulung "LFD473 PyTorch in Practice: An Applications-First Approach" liegt der Fokus darauf Ihnen praxisorientierte Kenntnisse zu PyTorch zu vermitteln. Die Agenda erstreckt sich über verschiedene Anwendungsbereiche und beginnt mit einer Einführung in PyTorch sowie dem PyTorch-Ökosystem. Der Schulungsinhalt umfasst die Erstellung von Datensätzen, das Training von Models, die Bereitstellung mit TorchServe und die Anwendung von Transfer Learning.

Die Schulung deckt praxisnahe Anwendungsfälle ab, darunter Computer Vision, Natural Language Processing, Objekterkennung, Bildsegmentierung, Textklassifikation und weitere. Mithilfe von Hands-On Übungen werden Ihnen die Kenntnisse vermittelt, Modelle zu erstellen und zu bewerten. Zusätzlich werden fortgeschrittene Themen wie Large Language Models (LLMs) und deren Anwendungsbereiche ausführlich behandelt.

• Einführung in das DevOps-Modell
• Einführung von Containern
• Paketierung einer Anwendung mit Docker
• Bereitstellung einer Multitier-Anwendung
• Einführung von CI/CD
• Aufbau des DevOps-Flusses
• Validierung des Anwendungserstellungsprozesses
• Aufbau eines verbesserten Bereitstellungsablaufs
• Ausweitung der DevOps-Praktiken auf die gesamte Infrastruktur
• Implementierung von On-Demand-Testumgebungen auf der Infrastrukturebene
• Überwachung in NetDevOps
• Technik für Sichtbarkeit und Stabilität
• Absicherung von DevOps-Arbeitsabläufen
• Erforschung von Multicloud-Strategien
• Prüfung von Anwendungs- und Bereitstellungsarchitekturen
• Beschreiben von Kubernetes
• Integration mehrerer Rechenzentrumsbereitstellungen mit Kubernetes
• Überwachung und Protokollierung in Kubernetes