-
In diesem eintägigen Kurs erhalten Sie einen kompakten Einblick in das Data Engineering in der Google Cloud. Sie lernen die zentralen Aufgaben und Verantwortlichkeiten von Data Engineers kennen und erfahren, wie diese mit den wichtigsten Angeboten der Google Cloud verknüpft sind. Zudem erhalten Sie praktische Hinweise darauf, wie sich typische Herausforderungen im Data Engineering effizient angehen lassen.
-
Kursinhalt
-
- Data-Engineering-Aufgaben und -Komponenten
- Datenreplikation und -migration
- Das Pipeline-Muster zum Extrahieren und Laden von Daten
- Das Pipeline-Muster zum Extrahieren, Laden und Transformieren von Daten
- Das Pipeline-Muster zum Extrahieren, Transformieren und Laden von Daten
- Automation Techniques
-
Zielgruppe
-
- Daten-Ingenieure
- Datenbank-Administratoren
- Systemadministratoren
-
Voraussetzungen
-
- Grundlegende Erfahrung mit Google Cloud unter Verwendung von Cloud Shell und Zugriff auf Produkte über die Google Cloud-Konsole.
- Grundkenntnisse in einer gängigen Abfragesprache wie SQL.
- Erfahrung mit Datenmodellierung und ETL-Aktivitäten (Extrahieren, Transformieren, Laden).
- Erfahrung in der Entwicklung von Anwendungen mit einer gängigen Programmiersprache wie Python.
-
Kursziel
-
- Verstehen Sie die Rolle eines Dateningenieurs.
- Identifizierung von Data-Engineering-Aufgaben und Kernkomponenten, die in Google Cloud verwendet werden.
- Verstehen Sie, wie man Datenpipelines mit unterschiedlichen Mustern in Google Cloud erstellt und einsetzt.
- Identifizieren und nutzen Sie verschiedene Automatisierungstechniken in Google Cloud.
-
Ergänzende und aufbauende Kurse
-
- Building Batch Data Pipelines on Google Cloud
- Building Resilient Streaming Analytics Systems on Google Cloud
Introduction to AI and Machine Learning on Google Cloud
| Data-Engineering-Aufgaben und -Komponenten |
| Themen: |
| Die Rolle des Dateningenieurs |
| Datenquellen versus Datensenken |
| Datenformate |
| Optionen für Speicherlösungen in der Google Cloud |
| Optionen für die Verwaltung von Metadaten in der Google Cloud |
| Gemeinsame Nutzung von Datensätzen mit Analytics Hub |
| Zielsetzungen: |
| Erklären Sie die Rolle eines Dateningenieurs. |
| die Unterschiede zwischen einer Datenquelle und einer Datensenke zu verstehen. |
| Erklären Sie die verschiedenen Arten von Datenformaten. |
| Erklären Sie die Optionen für Speicherlösungen in der Google Cloud. |
| Erfahren Sie mehr über die Möglichkeiten der Metadatenverwaltung in Google Cloud. |
| Verstehen Sie, wie Sie mit Analytics Hub problemlos Datensätze gemeinsam nutzen können. |
| Verstehen, wie man Daten mit der Google Cloud-Konsole oder der gcloud CLI in BigQuery lädt. |
| Aktivitäten: |
| Übung: Laden von Daten in BigQuery |
| Quiz |
| Datenreplikation und -migration |
| Themen: |
| Replikations- und Migrationsarchitektur |
| Das gcloud-Befehlszeilenwerkzeug |
| Verschieben von Datensätzen |
| Datastream |
| Zielsetzungen: |
| Erklären Sie die grundlegende Datenreplikations- und Migrationsarchitektur der Google Cloud. |
| die Optionen und Anwendungsfälle für das gcloud-Befehlszeilentool zu verstehen. |
| Erläutern Sie die Funktionalität und die Anwendungsfälle des Speicherübertragungsdienstes. |
| Erläutern Sie die Funktionen und Anwendungsfälle der Transfer Appliance. |
| Verstehen Sie die Funktionen und den Einsatz von Datastream. |
| Aktivitäten: |
| Labor: Datastream: PostgreSQL-Replikation zu BigQuery (optional für ILT) |
| Quiz |
| Das Pipeline-Muster zum Extrahieren und Laden von Daten |
| Themen: |
| Architektur extrahieren und laden |
| Das bq-Befehlszeilenwerkzeug |
| BigQuery-Datenübertragungsdienst |
| BigLake |
| Zielsetzungen: |
| Erläutern Sie das Diagramm der Grundlinienextraktion und -lastarchitektur. |
| die Optionen des Befehlszeilenprogramms bq verstehen. |
| Erläutern Sie die Funktionen und Anwendungsfälle für den BigQuery Data Transfer Service. |
| Erläutern Sie die Funktionalität und die Anwendungsfälle für BigLake als Nicht-Extract-Load-Muster. |
| Aktivitäten: |
| Labor: BigLake: Qwik Start |
| Quiz |
| Das Pipeline-Muster zum Extrahieren, Laden und Transformieren von Daten |
| Themen: |
| Architektur zum Extrahieren, Laden und Umwandeln (ELT) |
| SQL-Skripterstellung und Zeitplanung mit BigQuery |
| Datenformular |
| Zielsetzungen: |
| Erläutern Sie das Grundschema der Extraktions-, Lade- und Transformationsarchitektur. |
| Verstehen Sie eine gängige ELT-Pipeline in der Google Cloud. |
| Erfahren Sie mehr über die SQL-Skripterstellung und die Planungsfunktionen von BigQuery. |
| Erläutern Sie die Funktionen und Anwendungsfälle von Dataform. |
| Aktivitäten: |
| Übung: Erstellen und Ausführen eines SQL-Workflows in Dataform |
| Quiz |
| Das Pipeline-Muster zum Extrahieren, Transformieren und Laden von Daten |
| Themen: |
| Architektur des Extrahierens, Transformierens und Ladens (ETL) |
| Google Cloud GUI-Tools für ETL-Datenpipelines |
| Batch-Datenverarbeitung mit Dataproc |
| Optionen für die Verarbeitung von Streaming-Daten |
| Bigtable und Datenpipelines |
| Zielsetzungen: |
| Erläutern Sie das Grundschema der Extraktions-, Transformations- und Ladearchitektur. |
| Lernen Sie die GUI-Tools von Google Cloud kennen, die für ETL-Datenpipelines verwendet werden. |
| Erläutern Sie die Batch-Datenverarbeitung mit Dataproc. |
| Erfahren Sie, wie Sie Dataproc Serverless for Spark für ETL verwenden können. |
| Erläutern Sie die Möglichkeiten der Streaming-Datenverarbeitung. |
| Erklären Sie, welche Rolle Bigtable in Datenpipelines spielt. |
| Aktivitäten: |
| Übung: Verwenden von Dataproc Serverless for Spark zum Laden von BigQuery (optional für ILT) |
| Übung: Erstellen einer Streaming-Datenpipeline für ein Echtzeit-Dashboard mit Dataflow |
| Quiz |
| Automation Techniques |
| Themen: |
| Automatisierungsmuster und Optionen für Pipelines |
| Cloud Scheduler und Arbeitsabläufe |
| Cloud-Komponist |
| Cloud Run-Funktionen |
| Eventarc |
| Zielsetzungen: |
| Erklären Sie die Automatisierungsmuster und -optionen, die für Pipelines verfügbar sind. |
| Erfahren Sie mehr über Cloud Scheduler und Workflows. |
| Erfahren Sie mehr über Cloud Composer. |
| Lernen Sie die Funktionen von Cloud Run kennen. |
| Erläutern Sie die Funktionalität und die Anwendungsfälle der Automatisierung von Eventarc. |
| Aktivitäten: |
| Übung: Verwenden von Cloud Run Functions zum Laden von BigQuery (optional für ILT) |
| Quiz |
Interessieren Sie sich für eine Zertifizierung? Dieser Kurs ist Bestandteil der folgenden Zertifizierung(en):
Zertifizierung zum Associate Data Practitioner – Google Cloud Associate-Zertifizierung
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
Die gesamte Beschreibung dieses Kurses mit Terminen und Preisen zum Download als PDF.-
In diesem eintägigen Kurs erhalten Sie einen kompakten Einblick in das Data Engineering in der Google Cloud. Sie lernen die zentralen Aufgaben und Verantwortlichkeiten von Data Engineers kennen und erfahren, wie diese mit den wichtigsten Angeboten der Google Cloud verknüpft sind. Zudem erhalten Sie praktische Hinweise darauf, wie sich typische Herausforderungen im Data Engineering effizient angehen lassen.
-
Kursinhalt
-
- Data-Engineering-Aufgaben und -Komponenten
- Datenreplikation und -migration
- Das Pipeline-Muster zum Extrahieren und Laden von Daten
- Das Pipeline-Muster zum Extrahieren, Laden und Transformieren von Daten
- Das Pipeline-Muster zum Extrahieren, Transformieren und Laden von Daten
- Automation Techniques
-
Zielgruppe
-
- Daten-Ingenieure
- Datenbank-Administratoren
- Systemadministratoren
-
Voraussetzungen
-
- Grundlegende Erfahrung mit Google Cloud unter Verwendung von Cloud Shell und Zugriff auf Produkte über die Google Cloud-Konsole.
- Grundkenntnisse in einer gängigen Abfragesprache wie SQL.
- Erfahrung mit Datenmodellierung und ETL-Aktivitäten (Extrahieren, Transformieren, Laden).
- Erfahrung in der Entwicklung von Anwendungen mit einer gängigen Programmiersprache wie Python.
-
Kursziel
-
- Verstehen Sie die Rolle eines Dateningenieurs.
- Identifizierung von Data-Engineering-Aufgaben und Kernkomponenten, die in Google Cloud verwendet werden.
- Verstehen Sie, wie man Datenpipelines mit unterschiedlichen Mustern in Google Cloud erstellt und einsetzt.
- Identifizieren und nutzen Sie verschiedene Automatisierungstechniken in Google Cloud.
-
Ergänzende und aufbauende Kurse
-
- Building Batch Data Pipelines on Google Cloud
- Building Resilient Streaming Analytics Systems on Google Cloud
Introduction to AI and Machine Learning on Google Cloud
| Data-Engineering-Aufgaben und -Komponenten |
| Themen: |
| Die Rolle des Dateningenieurs |
| Datenquellen versus Datensenken |
| Datenformate |
| Optionen für Speicherlösungen in der Google Cloud |
| Optionen für die Verwaltung von Metadaten in der Google Cloud |
| Gemeinsame Nutzung von Datensätzen mit Analytics Hub |
| Zielsetzungen: |
| Erklären Sie die Rolle eines Dateningenieurs. |
| die Unterschiede zwischen einer Datenquelle und einer Datensenke zu verstehen. |
| Erklären Sie die verschiedenen Arten von Datenformaten. |
| Erklären Sie die Optionen für Speicherlösungen in der Google Cloud. |
| Erfahren Sie mehr über die Möglichkeiten der Metadatenverwaltung in Google Cloud. |
| Verstehen Sie, wie Sie mit Analytics Hub problemlos Datensätze gemeinsam nutzen können. |
| Verstehen, wie man Daten mit der Google Cloud-Konsole oder der gcloud CLI in BigQuery lädt. |
| Aktivitäten: |
| Übung: Laden von Daten in BigQuery |
| Quiz |
| Datenreplikation und -migration |
| Themen: |
| Replikations- und Migrationsarchitektur |
| Das gcloud-Befehlszeilenwerkzeug |
| Verschieben von Datensätzen |
| Datastream |
| Zielsetzungen: |
| Erklären Sie die grundlegende Datenreplikations- und Migrationsarchitektur der Google Cloud. |
| die Optionen und Anwendungsfälle für das gcloud-Befehlszeilentool zu verstehen. |
| Erläutern Sie die Funktionalität und die Anwendungsfälle des Speicherübertragungsdienstes. |
| Erläutern Sie die Funktionen und Anwendungsfälle der Transfer Appliance. |
| Verstehen Sie die Funktionen und den Einsatz von Datastream. |
| Aktivitäten: |
| Labor: Datastream: PostgreSQL-Replikation zu BigQuery (optional für ILT) |
| Quiz |
| Das Pipeline-Muster zum Extrahieren und Laden von Daten |
| Themen: |
| Architektur extrahieren und laden |
| Das bq-Befehlszeilenwerkzeug |
| BigQuery-Datenübertragungsdienst |
| BigLake |
| Zielsetzungen: |
| Erläutern Sie das Diagramm der Grundlinienextraktion und -lastarchitektur. |
| die Optionen des Befehlszeilenprogramms bq verstehen. |
| Erläutern Sie die Funktionen und Anwendungsfälle für den BigQuery Data Transfer Service. |
| Erläutern Sie die Funktionalität und die Anwendungsfälle für BigLake als Nicht-Extract-Load-Muster. |
| Aktivitäten: |
| Labor: BigLake: Qwik Start |
| Quiz |
| Das Pipeline-Muster zum Extrahieren, Laden und Transformieren von Daten |
| Themen: |
| Architektur zum Extrahieren, Laden und Umwandeln (ELT) |
| SQL-Skripterstellung und Zeitplanung mit BigQuery |
| Datenformular |
| Zielsetzungen: |
| Erläutern Sie das Grundschema der Extraktions-, Lade- und Transformationsarchitektur. |
| Verstehen Sie eine gängige ELT-Pipeline in der Google Cloud. |
| Erfahren Sie mehr über die SQL-Skripterstellung und die Planungsfunktionen von BigQuery. |
| Erläutern Sie die Funktionen und Anwendungsfälle von Dataform. |
| Aktivitäten: |
| Übung: Erstellen und Ausführen eines SQL-Workflows in Dataform |
| Quiz |
| Das Pipeline-Muster zum Extrahieren, Transformieren und Laden von Daten |
| Themen: |
| Architektur des Extrahierens, Transformierens und Ladens (ETL) |
| Google Cloud GUI-Tools für ETL-Datenpipelines |
| Batch-Datenverarbeitung mit Dataproc |
| Optionen für die Verarbeitung von Streaming-Daten |
| Bigtable und Datenpipelines |
| Zielsetzungen: |
| Erläutern Sie das Grundschema der Extraktions-, Transformations- und Ladearchitektur. |
| Lernen Sie die GUI-Tools von Google Cloud kennen, die für ETL-Datenpipelines verwendet werden. |
| Erläutern Sie die Batch-Datenverarbeitung mit Dataproc. |
| Erfahren Sie, wie Sie Dataproc Serverless for Spark für ETL verwenden können. |
| Erläutern Sie die Möglichkeiten der Streaming-Datenverarbeitung. |
| Erklären Sie, welche Rolle Bigtable in Datenpipelines spielt. |
| Aktivitäten: |
| Übung: Verwenden von Dataproc Serverless for Spark zum Laden von BigQuery (optional für ILT) |
| Übung: Erstellen einer Streaming-Datenpipeline für ein Echtzeit-Dashboard mit Dataflow |
| Quiz |
| Automation Techniques |
| Themen: |
| Automatisierungsmuster und Optionen für Pipelines |
| Cloud Scheduler und Arbeitsabläufe |
| Cloud-Komponist |
| Cloud Run-Funktionen |
| Eventarc |
| Zielsetzungen: |
| Erklären Sie die Automatisierungsmuster und -optionen, die für Pipelines verfügbar sind. |
| Erfahren Sie mehr über Cloud Scheduler und Workflows. |
| Erfahren Sie mehr über Cloud Composer. |
| Lernen Sie die Funktionen von Cloud Run kennen. |
| Erläutern Sie die Funktionalität und die Anwendungsfälle der Automatisierung von Eventarc. |
| Aktivitäten: |
| Übung: Verwenden von Cloud Run Functions zum Laden von BigQuery (optional für ILT) |
| Quiz |
Interessieren Sie sich für eine Zertifizierung? Dieser Kurs ist Bestandteil der folgenden Zertifizierung(en):
Zertifizierung zum Associate Data Practitioner – Google Cloud Associate-Zertifizierung
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
Die gesamte Beschreibung dieses Kurses mit Terminen und Preisen zum Download als PDF.