Kursangebot
- Upcoming Events
- Neue Kurse
- Garantietermine
- Training nach Technologie
- Cloud Computing»
- Cyber Security»
- Data Center»
- Internet of Things (IoT)»
- Kubernetes / Container»
- Linux»
- Network Analysis / Wireshark»
- Projektmanagement
- Python»
- Software Development»
- Wireless & Mobility»
- Training nach Hersteller
- Aruba»
- Microsoft»
- Cisco»
- NetApp»
- VMware»
- Fortinet»
- Palo Alto Networks»
- Red Hat»
- Barracuda
- Check Point
- F5 Networks
- Ethical Hacking
- CISSP
- Amazon Web Services»
- Google Cloud»
- IT-Training by iTLS
- ITIL® und Cobit
- Citrix»
- Pivotal / Spring»
- Kaspersky Lab
- Symantec»
- Oracle»
- Brocade
- Juniper
- IBM
- Veritas
GCF-BDM
Online Training
Dauer 1 Tag
Preis (exkl. MwSt.)
- 650,- €
Sprache der Kursunterlagen: Englisch
Derzeit gibt es keine Online-Termine für diesen Kurs.
Classroom Training
Dauer 1 Tag
Preis (exkl. MwSt.)
- Österreich: 650,- €
- Deutschland: 650,- €
- Schweiz: CHF 850,-
Verpflegung umfasst:
- Nespresso Kaffee, Tee, Säfte und Mineral
- Kuchen, frisches Obst und Snacks
- Mittagessen in einem der direkt erreichbaren Partnerrestaurants
Gilt nur bei Durchführung durch iTLS. Termine, die von unseren Partnern durchgeführt werden, beinhalten ggf. ein abweichendes Verpflegungsangebot.
Sprache der Kursunterlagen: Englisch
Derzeit gibt es keine Klassenraum-Termine für diesen Kurs.
Termin anfragenGoogle Cloud Fundamentals: Big Data and Machine Learning (GCF-BDM)
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