Einführung in die Datenverarbeitung
  • Verstehen Sie die Rolle der Datenverarbeitung in den Arbeitsabläufen der Datenwissenschaft und Datenanalyse.
  • Erkunden Sie, wie Dateningenieure effiziente Datenpipelines und Infrastrukturen ermöglichen.
  • Lernen Sie die grundlegenden Konzepte von Big Data und ihre Bedeutung für moderne Analysen kennen.
Datenanalyseverfahren Einführung
  • Führen Sie die Datenaufbereitung und -vorverarbeitung für technische Aufgaben durch.
  • Wenden Sie die explorative Datenanalyse (EDA) auf Big-Data-Datensätze an.
  • Verwenden Sie Python-Bibliotheken wie Pandas und Numpy für die Verarbeitung strukturierter und halbstrukturierter Daten.
Grundlagen der Big-Data-Technologien
  • Lernen Sie die Grundlagen von Hadoop und seinem Ökosystem kennen.
  • Erkunden Sie Apache Spark für die verteilte Datenverarbeitung.
  • Verstehen Sie die Grundlagen von cloudbasierten Big-Data-Lösungen.
Datenpipelines und ETL-Prozesse
  • Erstellen Sie ETL-Workflows (Extract, Transform, Load) für eine effiziente Datenverschiebung.
  • Automatisieren Sie Datenpipelines mit Python und Big-Data-Tools.
  • Erkunden Sie bewährte Verfahren für die Verarbeitung großer Datenmengen.
Praktische Anwendungen im Daten-Engineering
  • Arbeit an Projekten, die reale Herausforderungen im Bereich Data Engineering simulieren.
  • Optimierung der Dateninfrastruktur zur Unterstützung fortgeschrittener Data-Science-Workflows.
  • Zusammenarbeit an Big-Data-Projekten mit Schwerpunkt auf der Integration der Datenanalyse.

Data Engineering ist entscheidend für die Entwicklung von Datenpipelines, die die Datenintegration und -verarbeitung in großen Analysen unterstützen.