Datentechnik
( 24 Module )

Modul #1
Einführung in Data Engineering
Überblick über Data Engineering, Bedeutung und Rolle in der Datenwissenschaft

Modul #2
Grundlagen des Data Engineering
Grundlagen der Datenverarbeitung, Datenspeicherung und Datenarchitektur

Modul #3
Datenaufnahmemuster
Entwerfen und Implementieren von Datenaufnahmepipelines

Modul #4
Datenspeicheroptionen
Relationale Datenbanken, NoSQL-Datenbanken und Data Warehousing

Modul #5
Big Data-Speicherlösungen
HDFS, HBase und andere Big Data-Speicheroptionen

Modul #6
Grundlagen der Datenverarbeitung
Stapelverarbeitung, Streamverarbeitung und Echtzeitverarbeitung

Modul #7
Grundlagen von Apache Spark
Einführung in Apache Spark, Spark Core und Spark SQL

Modul #8
Stapelverarbeitung mit Apache Spark
Anwendungsfälle und Implementierungen der Stapelverarbeitung mit Spark

Modul #9
Streamverarbeitung mit Apache Spark
Anwendungsfälle und Implementierungen der Streamverarbeitung mit Spark

Modul #10
Echtzeitverarbeitung mit Apache Flink
Einführung in Apache Anwendungsfälle für Flink und Echtzeitverarbeitung

Modul #11
Datenpipelines und Workflow-Management
Entwerfen und Implementieren von Datenpipelines mit Apache Airflow und Apache NiFi

Modul #12
Datenqualität und Datenverwaltung
Datenqualitätsmetriken, Datenverwaltung und Datenherkunft

Modul #13
Datensicherheit und Zugriffskontrolle
Bewährte Methoden für Datenverschlüsselung, Zugriffskontrolle und Sicherheit

Modul #14
Cloudbasiertes Data Engineering
Cloudbasiertes Data Engineering mit AWS, GCP und Azure

Modul #15
Containerisierung und Orchestrierung
Containerisierung mit Docker und Orchestrierung mit Kubernetes

Modul #16
Überwachung und Protokollierung im Data Engineering
Bewährte Methoden für Überwachung und Protokollierung im Data Engineering

Modul #17
Testen und Validierung im Data Engineering
Test- und Validierungsstrategien für Datenpipelines und -systeme

Modul #18
Data Engineering für maschinelles Lernen
Data Engineering für Modelle des maschinellen Lernens und KI-Anwendungen

Modul #19
Reale Anwendungsfälle für Data Engineering
Fallstudien und reale Beispiele für Data Engineering Anwendungen

Modul #20
Data Engineering Tools und Technologien
Umfrage zu Data Engineering Tools und Technologien

Modul #21
Best Practices für Data Engineering
Best Practices für Entwurf, Entwicklung und Einsatz von Data Engineering

Modul #22
Data Engineering im großen Maßstab
Überlegungen zu Skalierbarkeit und Leistung bei großen Data Engineering-Systemen

Modul #23
Data Engineering für Data Science
Zusammenarbeit zwischen Data Engineers und Data Scientists

Modul #24
Kursabschluss und Schlussfolgerung
Planen Sie die nächsten Schritte in Ihrer Karriere als Data Engineer

Bereit zu lernen, zu teilen und zu konkurrieren?