Google Cloud Fundamentals: Big Data and Machine Learning (GCF-BDM) Online

Total time
Location
Online
Starting date and place

Google Cloud Fundamentals: Big Data and Machine Learning (GCF-BDM) Online

Fast Lane Institute for Knowledge Transfer GmbH
Logo Fast Lane Institute for Knowledge Transfer GmbH
Provider rating: starstarstarstarstar_half 8.8 Fast Lane Institute for Knowledge Transfer GmbH has an average rating of 8.8 (out of 26 reviews)

Need more information? Get more details on the site of the provider.

Starting dates and places

computer Online: Online Training
30 Jan 2023
computer Online: Online Training
27 Feb 2023
computer Online: Online Training
27 Mar 2023
computer Online: Online Training
2 May 2023
computer Online: Online Training
29 May 2023
computer Online: Online Training
10 Jul 2023
computer Online: Online Training
7 Aug 2023
computer Online: Online Training
11 Sep 2023
computer Online: Online Training
16 Oct 2023

Description

Kursinhalt

  • Modul 1: Einführung in die Google Cloud Platform
  • Modul 2: Grundlagen von Compute und Storage
  • Modul 3: Datenanalyse in der Cloud
  • Modul 4: Skalierung der Datenanalyse
  • Modul 5: Maschinelles Lernen
  • Modul 6: Architekturen der Datenverarbeitung
  • Modul 7: Zusammenfassung

Voraussetzungen

Für maximale Lernerfolge sollten die Teilnehmer folgende Voraussetzungen erfüllen:

  • Grundkenntnisse in gängigen Abfragesprachen wie SQL
  • Erfahrung mit Datenmodellierung, Extraktion, Transformation und Ladeaktivitäten
  • Entwicklung von Anwendungen mit einer gängigen Programmiersprache wie Python
  • Vertrautheit mit maschinellem Lernen und/oder Statistik

Zielgruppe

Dieser Kurs richtet sich an folgende Ziel…

Read the complete description

Frequently asked questions

There are no frequently asked questions yet. If you have any more questions or need help, contact our customer service.

Didn't find what you were looking for? See also: Cloud Computing, Python, R Programming, ITIL Practitioner, and General Management.

Kursinhalt

  • Modul 1: Einführung in die Google Cloud Platform
  • Modul 2: Grundlagen von Compute und Storage
  • Modul 3: Datenanalyse in der Cloud
  • Modul 4: Skalierung der Datenanalyse
  • Modul 5: Maschinelles Lernen
  • Modul 6: Architekturen der Datenverarbeitung
  • Modul 7: Zusammenfassung

Voraussetzungen

Für maximale Lernerfolge sollten die Teilnehmer folgende Voraussetzungen erfüllen:

  • Grundkenntnisse in gängigen Abfragesprachen wie SQL
  • Erfahrung mit Datenmodellierung, Extraktion, Transformation und Ladeaktivitäten
  • Entwicklung von Anwendungen mit einer gängigen Programmiersprache wie Python
  • Vertrautheit mit maschinellem Lernen und/oder Statistik

Zielgruppe

Dieser Kurs richtet sich an folgende Zielgruppen:

  • Datenanalysten, Data Scientists und Business-Analysten, die mit der Google Cloud Platform noch nicht vertraut sind
  • Personen, die Pipelines und Architekturen für die Datenverarbeitung entwerfen, Modelle für das maschinelle Lernen und statistische Modelle erstellen und verwalten, Datasets abfragen, Abfrageergebnisse visualisieren und Berichte erstellen
  • Führungskräfte und IT-Entscheidungsträger, die die Google Cloud Platform zur Verwendung durch Data Scientists evaluieren

Detaillierter Kursinhalt

Modul 1: Einführung in die Google Cloud Platform

  • Übersicht über Google Platform Fundamentals
  • Big Data-Produkte der Google Cloud Platform

Modul 2: Grundlagen von Compute und Storage

  • CPUs on demand (Compute Engine)
  • Ein globales Dateisystem (Cloud Storage)
  • Cloud Shell
  • Lab: Datenverarbeitungspipeline für die Aufnahme, Transformation und Veröffentlichung von Daten einrichten

Modul 3: Datenanalyse in der Cloud

  • Sprungbrett in die Cloud
  • Cloud SQL: Ihre SQL-Datenbank in der Cloud
  • Lab: Daten in Cloud SQL importieren und Abfragen ausführen
  • Spark auf Dataproc
  • Lab: Empfehlungen zum maschinellen Lernen mit Spark auf Dataproc

Modul 4: Skalierung der Datenanalyse

  • Schneller zufälliger Zugriff
  • Datalab
  • BigQuery
  • Lab: Dataset für maschinelles Lernen erstellen

Modul 5: Maschinelles Lernen

  • Maschinelles Lernen mit TensorFlow
  • Lab: Maschinelles Lernen mit TensorFlow ausführen
  • Vorkonfigurierte Modelle für gängige Anforderungen
  • Lab: ML-APIs einsetzen

Modul 6: Architekturen der Datenverarbeitung

  • Nachrichtenorientierte Architekturen mit Pub/Sub
  • Pipelines mit Dataflow erstellen
  • Referenzarchitektur für Echtzeit- und Batch-Datenverarbeitung

Modul 7: Zusammenfassung

  • Vorteile der Google Cloud Platform
  • Weitere Informationen
  • Zusätzliche Ressourcen
There are no reviews yet.

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.