Modul #1 Einführung in Cloud Computing Überblick über Cloud Computing, seine Geschichte und Entwicklung
Modul #2 Cloud Computing-Servicemodelle Erkunden von IaaS-, PaaS- und SaaS-Servicemodellen
Modul #3 Cloud-Bereitstellungsmodelle Verstehen von öffentlichen, privaten, hybriden und Community-Cloud-Bereitstellungsmodellen
Modul #4 Cloud-Anbieter und Markttrends Überblick über die wichtigsten Cloud-Anbieter (AWS, Azure, GCP, IBM) und Markttrends
Modul #5 Data Science in der Cloud Einführung in Data Science in der Cloud, Vorteile und Herausforderungen
Modul #6 Cloud-Speicher für Data Science Erkunden von Cloud-Speicheroptionen (Blob-Speicher, Objektspeicher, Dateispeicher)
Modul #7 Cloud Data Warehousing Einführung in Cloud Data Warehousing, Amazon Redshift und Google BigQuery
Modul #8 Cloud-basierte Data Lakes Erstellen von Data Lakes mit Cloud-Speicher, AWS Lake Formation und GCP Cloud Storage
Modul #9 Cloud-basiertes NoSQL Datenbanken Cloudbasierte NoSQL-Datenbanken, Amazon DynamoDB und Google Cloud Firestore kennenlernen
Modul #10 Cloudbasierte relationale Datenbanken Cloudbasierte relationale Datenbanken, Amazon RDS und Google Cloud SQL kennenlernen
Modul #11 Cloudnative Datenverarbeitung Einführung in Cloudnative Datenverarbeitung, Apache Spark und Apache Flink
Modul #12 Cloudbasiertes maschinelles Lernen Einführung in Cloud-basiertes maschinelles Lernen, AWS SageMaker und Google Cloud AI Platform
Modul #13 Cloudbasiertes Deep Learning Einführung in Cloud-basiertes Deep Learning, TensorFlow und PyTorch
Modul #14 Cloud-Sicherheit und Compliance Überblick über Cloud-Sicherheit und Compliance, IAM und Datenverschlüsselung
Modul #15 Cloud-Kostenoptimierung Strategien zur Cloud-Kostenoptimierung, Kostenschätzung und Ressourcennutzung
Modul #16 Cloud-Migration und -Bereitstellung Migration von Data-Science-Workloads in die Cloud, Containerisierung und Serverless Computing
Modul #17 Cloudbasierte Zusammenarbeit und Versionskontrolle Verwendung von cloudbasierten Tools für die Zusammenarbeit, GitHub und GitLab für Data Science
Modul #18 Cloudbasierte Datenvisualisierung Cloudbasierte Datenvisualisierung, Tableau, Power BI und D3.js
Modul #19 Cloudbasierte Workflow-Automatisierung Automatisierung von Data-Science-Workflows, Apache Airflow und Zapier
Modul #20 Cloudbasierte Modellbereitstellung und -verwaltung Bereitstellung und Verwaltung von Machine-Learning-Modellen in der Cloud
Modul #21 Fallstudien zu Cloud-basierter Data Science Reale Fallstudien zu Cloud-basierten Data-Science-Projekten
Modul #22 Best Practices für Cloud-basierte Data Science Best Practices für Cloud-basierte Data Science, Architektur und Implementierung
Modul #23 Cloudbasierte Data Science für bestimmte Branchen Cloudbasierte Data-Science-Anwendungen für Gesundheitswesen, Finanzen und Einzelhandel
Modul #24 Zukunft des Cloud-Computing für Data Science Neue Trends und zukünftige Richtungen für Cloud-Computing in Data Wissenschaft
Modul #25 Kursabschluss und Schlussfolgerung Planen Sie die nächsten Schritte im Cloud Computing für eine Karriere in der Datenwissenschaft
