Google Cloud Fundamentals: Big Data and Machine Learning (GCF-BDM)

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