In diesem einwöchigen On-Demand-Intensivkurs wird auf den Kurs "Google Cloud Platform Big Data and Machine Learning Fundamentals" aufgebaut. Anhand von Präsentationen durch den Kursleiter, Demos und praxisorientierten Labs lernen die Teilnehmer, wie sich Data-Warehouse-Prozesse, Analysen und die Pipelineverarbeitung managementfrei ausführen lassen. Voraussetzungen: • Kurs "Google Cloud Platform Big Data and Machine Learning Fundamentals" • Erfahrung im Umgang mit einer SQL-ähnlichen Abfragesprache, um Daten zu analysieren • Kenntnisse in Python oder Java Hinweis zum Google-Konto: In China sind Google-Dienste derzeit nicht verfügbar.
Este curso forma parte de Programa Especializado - Data Engineering on Google Cloud Platform auf Deutsch
Serverless Data Analysis with Google BigQuery and Cloud Dataflow auf Deutsch
ofrecido por
Acerca de este Curso
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 9 horas para completar
Sugerido: 1 Woche Studium, 6–8 Stunden/Woche
Alemán (German)
Subtítulos: Francés (French), Portugués (de Brasil), Alemán (German), Inglés (English), Español (Spanish), Japonés
Programa - Qué aprenderás en este curso
17 minutos para completar
Willkommen zur serverlosen Datenanalyse mit Google BigQuery und Cloud Dataflow
17 minutos para completar
1 video (Total 7 minutos), 1 lectura
1 video
1 lectura
Kursressourcen herunterladen10m
6 horas para completar
Serverlose Datenanalyse mit BigQuery
6 horas para completar
19 videos (Total 123 minutos), 4 cuestionarios
19 videos
Was ist BigQuery?5m
Demonstration von BigQuery3m
Vorteile von BigQuery7m
BigQuery in einer Referenzarchitektur8m
Abfragen und Funktionen8m
Unterabfragen und mehrere Tabellen3m
Lab – Serverlose Datenanalyse (Java/Python): Teil 12m
Lab-Demo und Wiederholung9m
Daten laden und exportieren2m
Lab-Demo und Wiederholung13m
Erweiterte Funktionen in BigQuery7m
Arrays und Strukturen6m
Join-Bedingung und Fensterfunktionen6m
Benutzerdefinierte Funktionen3m
Lab-Demo und Wiederholung14m
Leistung und Preise7m
Platzhaltertabellen und Partitionierung7m
Pläne und Kategorien in BigQuery4m
1 ejercicio de práctica
Modul 1: Quiz30m
5 horas para completar
Datenverarbeitungspipelines mit Dataflow automatisch skalieren
5 horas para completar
12 videos (Total 97 minutos), 4 cuestionarios
12 videos
Datenpipelines in Java und Python schreiben9m
Eingabe, Ausgabe und Ausführen6m
Lab-Demo und Wiederholung18m
MapReduce und parallele Verarbeitung11m
Gruppieren nach und Kombinieren7m
Kombinieren versus Gruppieren nach7m
Lab-Demo und Wiederholung6m
Nebeneingaben7m
Lab-Demo und Wiederholung10m
Dataflow-Vorlagen und Dataprep4m
Ressourcen31s
1 ejercicio de práctica
Modul 2 – Quiz30m
Acerca de Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
Acerca de Programa especializado Data Engineering on Google Cloud Platform auf Deutsch
Dieser fünfwöchige Onlinevertiefungskurs bietet eine praktische Einführung zum Entwerfen und Erstellen von Datenverarbeitungssystemen auf der Google Cloud Platform. In Präsentationen, Demos und praxisorientierten Labs entwickeln die Teilnehmer Datenverarbeitungssysteme, erstellen End-to-End-Datenpipelines, analysieren Daten und üben maschinelles Lernen. Dieser Kurs vermittelt den Teilnehmern die folgenden Kompetenzen:
• Datenverarbeitungssysteme auf der Google Cloud Platform entwickeln
• Unstrukturierte Daten mit Spark und ML-APIs auf Cloud Dataproc verwenden
• Batch- und Streaming-Daten durch die Implementierung von Autoscaling-Datenpipelines auf Cloud Dataflow verarbeiten
• Mit Google BigQuery Geschäftsinformationen aus extrem großen Datasets ableiten
• Modelle des maschinellen Lernens mit TensorFlow und Cloud ML trainieren, auswerten und damit Vorhersagen treffen
• Sofortige Statistiken aus Streaming-Daten ermöglichen
• Dieser Kurs richtet sich an erfahrene Entwickler, die für die Verwaltung von Big Data-Transformationen verantwortlich sind, zum Beispiel:
• Daten extrahieren, laden, transformieren, bereinigen und validieren
• Pipelines und Architekturen für die Datenverarbeitung entwerfen
• Modelle des maschinellen Lernens und der Statistik erstellen und warten
• Datasets abfragen, Abfrageergebnisse visualisieren und Berichte erstellen
>>> Mit Ihrer Teilnahme an dieser Spezialisierung stimmen Sie den Nutzungsbedingungen von Qwiklabs zu, die Sie in den FAQs und unter folgendem Link finden: https://qwiklabs.com/terms_of_service <<<
Preguntas Frecuentes
¿Puedo acceder a una vista preliminar del curso antes de inscribirme?
Sí, puedes acceder a una vista preliminar del primer video y ver el programa antes de inscribirte. Debes comprar el curso para acceder a contenido que no está incluido en la vista preliminar
¿Cuándo podré acceder a las lecciones y tareas?
Si decides inscribirte en el curso antes de la fecha de inicio de la sesión, tendrás acceso a todos los videos y las lecturas de la lección para el curso. Podrás enviar tareas en cuanto comience la sesión.
¿Qué recibiré cuando me inscriba?
Una vez que te inscribes y comienza la sesión, tendrás acceso a todos los videos y otros recursos, incluidos artículos de lectura y el foro de debate del curso. Podrás ver y enviar tareas de práctica y completar tareas con calificación obligatorias para obtener un título y un Certificado de curso
¿Cuándo recibiré mi Certificado de curso?
Si completas el curso de manera correcta, tu Certificado de curso electrónico se agregará a la página Logros. Desde allí, puedes imprimir tu Certificado de curso o agregarlo a tu perfil de LinkedIn
¿Por qué no puedo participar como oyente en este curso?
Este curso es uno de los pocos que se ofrecen en Coursera que está actualmente disponible solo para estudiantes que pagaron o que recibieron ayuda económica, si está disponible.
¿Cuál es la política de reembolsos?
¿Hay ayuda económica disponible?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.