KNIME Best Practices for Data Engineering

Dieser Kurs konzentriert sich auf die Verwendung der KNIME Analytics Platform für Data Engineering und die Anwendung von Best Practices beim Aufbau von Datenverarbeitungspipelines.

Lernen Sie die Konzepte hinter der Verbindung zu mehreren Datenquellen, die Methoden zur Datenanonymisierung und fortgeschrittene Datenbankthemen kennen. Sie erhalten eine Einführung in das Apache Hadoop-Ökosystem und erfahren, wie Sie Big Data mit der Apache Spark-Integration verarbeiten können. Schließlich lernen Sie, wie Sie modulare Workflows aufbauen und orchestrieren können.

Setzen Sie Ihr Wissen mit praktischen Übungen in die Praxis um, um zwei Anwendungen zu erstellen und zu orchestrieren: Erstens, Extrahieren, Validieren, Transformieren, Mischen, Anonymisieren und Laden der Kundendaten in eine Datenbank; zweitens, Verwenden von Spark, um auf die Website-Nutzungsdaten zuzugreifen, fehlende Werte zu unterstellen und zu aggregieren.

• Introduction & Technical setup, ETL, Connectors & Data access
• ETL, Data anonymization, Databases
• ELT, Big Data, Hadoop, Spark
• Cloud and Big Data connectivity, Orchestration
• Q&A

Bitte beachten Sie: Dieser Kurs besteht aus vier 75-minütigen Online-Sitzungen, die von einem KNIME-Datenwissenschaftler durchgeführt werden. Jede Sitzung enthält eine Übung, die Sie zu Hause absolvieren können. Der Kurs endet mit einer 15 bis 30-minütigen Abschlusssitzung.

Dieser Kurs bietet keine detaillierte Einführung in die KNIME Analytics Platform. Sie sollten mit der KNIME Analytics Platform vertraut sein. Wir gehen davon aus, dass Sie bereits KNIME Workflows erstellt haben und mit Konzepten und Techniken zur Datenverarbeitung vertraut sind. Wir empfehlen, diesen Kurs zu besuchen, nachdem Sie die KNIME L1- und L2-Kenntnisse oder eine gleichwertige Qualifikation erworben haben.

Sie sollten auf Ihrem Laptop bereits die letzte Version der KNIME Analytics Platform installiert haben, die Sie hier herunterladen können: knime.com/downloads.