Datenbankentwicklung: Datenbankentwicklung mit Data Science
Die Einbeziehung von Data Science in die Datenbankentwicklung verbessert die Möglichkeiten zur Datenspeicherung, -abfrage und -analyse. Dieser Kurs untersucht die Schnittstelle zwischen Datenbankentwicklung und Data Science und behandelt das Datenbankdesign, die Optimierung und die Integration mit Modellen des maschinellen Lernens. Die Teilnehmer lernen, wie sie skalierbare Datenbanken erstellen, die Datenanalysen und KI-gesteuerte Anwendungen unterstützen. Am Ende dieses Kurses werden Sie in der Lage sein, Datenbanken zu entwickeln, die auf Data-Science-Workflows zugeschnitten sind.

Einführung in die Datenbankentwicklung für die Datenwissenschaft
  • Die Rolle von Datenbanken in datenwissenschaftlichen Anwendungen verstehen
  • Die wichtigsten Unterschiede zwischen traditionellen und analytischen Datenbanken
  • Überblick über relationale und NoSQL-Datenbankarchitekturen
Datenbankdesign und -normalisierung
  • Effiziente Datenbankschemata für analytische Arbeitslasten entwerfen
  • Normalisierungstechniken implementieren, um die Datenintegrität sicherzustellen
  • Entity-Relationship-Diagramme (ER-Diagramme) für die Datenbankmodellierung verwenden
SQL und NoSQL für die Datenwissenschaft
  • SQL-Abfragen zur Datenextraktion und -transformation schreiben
  • NoSQL-Datenbanken zur Verarbeitung unstrukturierter Daten untersuchen
  • MySQL, PostgreSQL, MongoDB und Cassandra für die Datenwissenschaft vergleichen
Data Warehousing und ETL-Pipelines
  • ETL-Prozesse (Extract, Transform, Load) zur Datenintegration implementieren
  • Data Warehouses zur Unterstützung analytischer Abfragen erstellen
  • Verwendung von Cloud-basierten Datenspeicherlösungen (AWS, Google BigQuery, Azure)
Integration von maschinellem Lernen und KI
  • Speicherung und Verarbeitung von Ergebnissen maschineller Lernmodelle in Datenbanken
  • Verwendung von SQL für die Vorbereitung von Merkmalen und Modell-Trainingsdaten
  • Implementierung von Echtzeit-Datenverarbeitung für KI-gesteuerte Anwendungen
Optimierung von Datenbanksicherheit und -leistung
  • Verwaltung der Datensicherheit in Umgebungen für maschinelles Lernen und Datenanalyse
  • Optimierung der Datenbankleistung für große Datensätze
  • Implementierung von Indexierung, Partitionierung und Caching für eine effiziente Datenabfrage

Dieser Kurs beleuchtet die Rolle von Datenbanksicherheit und -leistung in Data-Science-Anwendungen.