Data Warehousing for Partners (DWP)
Starting dates and places
placeHannover 11 Feb 2025 until 14 Feb 2025 |
placeMünchen 10 Jun 2025 until 13 Jun 2025 |
placeHamburg 29 Sep 2025 until 2 Oct 2025 |
placeHamburg 18 Nov 2025 until 21 Nov 2025 |
Description
Voraussetzungen
Erforderlich:
- Sie haben die Schulung Data Engineering on Google Cloud abgeschlossen.
- Sie sind ein Google Cloud Certified Professional Data Engineer oder verfügen über gleichwertige Kenntnisse im Bereich Data Engineering.
- Sie haben Zugang zu Cloud Connect - Partner.
Empfohlen:
- Erfahrung im Aufbau von Datenverarbeitungspipelines.
- Erfahrung mit Apache Beam und Apache Hadoop.
- Programmierkenntnisse in Java oder Python.
Organisatorische Anforderungen:
- Die Cloud-Partner-Organisation muss zuvor mindestens eine Data-Warehouse-Lösung auf einer beliebigen Data-Warehouse-Plattform implementiert haben.
Zielgruppe
Die Hauptzielgruppe für diesen Kurs sind Google Cloud Partner mit d…
Frequently asked questions
There are no frequently asked questions yet. If you have any more questions or need help, contact our customer service.
Voraussetzungen
Erforderlich:
- Sie haben die Schulung Data Engineering on Google Cloud abgeschlossen.
- Sie sind ein Google Cloud Certified Professional Data Engineer oder verfügen über gleichwertige Kenntnisse im Bereich Data Engineering.
- Sie haben Zugang zu Cloud Connect - Partner.
Empfohlen:
- Erfahrung im Aufbau von Datenverarbeitungspipelines.
- Erfahrung mit Apache Beam und Apache Hadoop.
- Programmierkenntnisse in Java oder Python.
Organisatorische Anforderungen:
- Die Cloud-Partner-Organisation muss zuvor mindestens eine Data-Warehouse-Lösung auf einer beliebigen Data-Warehouse-Plattform implementiert haben.
Zielgruppe
Die Hauptzielgruppe für diesen Kurs sind Google Cloud Partner mit den folgenden relevanten Aufgabenbereichen:
- Data Warehouse-Entwicklungsingenieure
- Data-Warehouse-Berater
- Data-Warehouse-Architekten
Auch wenn diese Rollen nicht zur Kernzielgruppe gehören, kann der Kurs für sie relevant sein, wenn sie die Anforderungen erfüllen:
- Technische Projektleiter
- Technische Projektleiter
- Daten-/Business-Analysten
Detaillierter Kursinhalt
Modul 1 - Data Warehouse-Lösungen in der Google Cloud
Themen:
- Implementierung von Big Data-Lösungen in der Google Cloud
- Kundenbedürfnisse
- Beispiel-Architekturen
- Migrationsstrategien und -planung
- Arbeiten mit PSO
Zielsetzungen:
- Beschreiben Sie das Google-Portfolio an Data Warehouse- und Datenverarbeitungsdiensten
- Identifizierung der Google-Strategie für Data Warehouse-Produkte und -Dienstleistungen
- Suche nach technischen Ressourcen für Data Warehouse-Partner
Modul 2 - BigQuery für Data Warehousing-Profis
Themen:
- BigQuery-Konzepte
- BigQuery-Berechtigungen und Sicherheit
- Überwachung und Rechnungsprüfung
- Schema-Entwurf
- Partitionierung und Clustering
- Datenerfassung und Ladeaufträge
- Umgang mit Veränderungen und langsam wechselnden Dimensionen
- Daten abfragen
- Verwaltung von Arbeitslasten und Gleichzeitigkeit
- Analysieren von Daten
- Dimensionierung und Kostenmanagement
- Optimierung von Abfragen
- Optimierung der Speicherung
Zielsetzungen:
- Beschreiben Sie die Schlüsselkomponenten einer erfolgreichen Data Warehouse-Implementierung auf BigQuery
- Identifizieren von Best Practices für die Implementierung eines Data Warehouse mit BigQuery
- Verwenden Sie die Google Cloud-Konsole für den Zugriff auf öffentliche Datensätze
- Durchführung von Abfragen über die Konsole und Analyse der Abfrageergebnisse mit Hilfe von Client-Bibliotheken
- Kombinieren Sie E-Commerce-Datensätze, um erweiterte Datensätze mit BigQuery-Joins und Unions zu erstellen.
Modul 3 - Umstellung auf BigQuery
Themen:
- Phasen der Migration
- Sicherheit
- Google Cloud Data Warehouse Architektur
- Postmigration
- Benutzerakzeptanz
Zielsetzungen:
- Bewertung eines bestehenden Data Warehouse und Entwicklung einer Strategie für die Migration zu BigQuery
- Beschreiben Sie bewährte Verfahren für die Migration bestehender Data Warehouses zu BigQuery
- Identifizierung der wichtigsten Ressourcen, Tools und Partner für die Migration zu BigQuery
- Migrieren von SQL Server-Beispieldaten zu BigQuery mit Striim
- Ermittlung von Ressourcen zur Übersetzung produktspezifischer SQL-Abfragen in BigQuery Standard SQL
Modul 4 - ETL-Werkzeuge und Positionierung
Themen:
- Dataproc
- Cloud Data Fushion
- Datenfluss
Zielsetzungen:
- Beschreiben Sie die wichtigsten Funktionen von Dataproc, Cloud Data Fusion und Dataflow
- Apache Spark-Aufträge zu Dataproc migrieren
- Best Practices für die Erstellung von Dataflow-Workflows mithilfe von Dataflow-Vorlagen ermitteln
- Konfigurieren Sie Cloud Data Fusion, um eine Datenumwandlungspipeline zu erstellen, die mehrere Quellen mit BigQuery als Ausgabedaten-Senke verbindet.
- Erstellen von Datenpipelines, die Daten aus dem Cloud-Speicher in BigQuery mithilfe von Dataflow einlesen
Modul 5 - Streaming-Analytik
Themen:
- Warum Streaming-Analytik?
- Der Pub/Sub-Dienst
- Datenflussfenster und Auslöser
- Datenfluss-Quellen und -Senken
- Herausforderungen bei Migration und Übernahme
Zielsetzungen:
- Identifizierung der Komponenten einer Streaming-Analytics-Lösung in der Google Cloud
- Erstellen einer IoT-Streaming-Pipeline mit Pub/Sub und Kafka
- Erforschung von Entwurfsmustern und Optimierungsüberlegungen für Streaming-Analytics-Lösungen
- Erstellen und Ausführen einer Streaming-Dataflow-Pipeline, die Daten von Pub/Sub zu BigQuery überträgt, unter Verwendung einer Dataflow-Vorlage
Modul 6 - Einführung in Looker als Datenplattform
Themen:
- Überblick über die Looker-Plattform
- Architektur der Looker-Plattform
- Paradigmenwechsel: Modellierungssprache versus hartkodiertes SQL
- Analytische Kernkonzepte
Zielsetzungen:
- Navigieren auf der Looker-Plattform
- Beschreiben Sie die Architektur der Looker-Plattform
- Entdecken Sie die Vorteile der Looker Modeling Language (LookML) gegenüber hart kodiertem SQL
- Beschreiben Sie die vier wichtigsten analytischen Konzepte in Looker
- Analysieren und Visualisieren von Daten mit Explores in Looker
Modul 7 - Erweiterte BigQuery-Funktionen
Themen:
- BigQuery GIS
- BigQuery ML
Zielsetzungen:
- Beschreiben Sie die Hauptmerkmale von BigQuery GIS und BigQuery ML
- Analysieren Sie Daten mit BigQuery-GIS-Funktionen und visualisieren Sie die Ergebnisse mit BigQuery Geo Viz
- Trainieren und Bewerten eines ML-Modells mit BigQuery ML zur Vorhersage von Taxitarifen
Share your review
Do you have experience with this course? Submit your review and help other people make the right choice. As a thank you for your effort we will donate $1.- to Stichting Edukans.There are no frequently asked questions yet. If you have any more questions or need help, contact our customer service.