- Grundlagen von Big Data, Datenvolumen, -geschwindigkeit und -vielfalt
- Bedeutung von Big Data Analytics in modernen Data Analysis Szenarien
- Datengetriebene Entscheidungen durch skalierbare Data Analysis von großen Datenmengen
Big Data Analytics mit Python & Pandas
- Verarbeitung großer Datensätze mit Pandas und Python für Big Data Analytics
- Data Wrangling, Transformation und Filterung im Kontext von Data Analysis
- Automatisierte Big Data Analytics Workflows mit Python-Funktionen und Loops
Big Data Analytics Tools in der Praxis
- Nutzung von SQL und DBeaver für strukturierte Abfragen in der Big Data Analytics Umgebung
- Einführung in Cloud-Datenbanken und ihre Rolle in der Data Analysis
- Visualisierung großer Datenmengen mit Tableau für aussagekräftige Big Data Analytics Dashboards
Techniken für die Big Data Analyse
- Clustering, Regressionsmodelle und A/B Testing im Rahmen von Data Analysis
- Statistische Verfahren zur Mustererkennung in Big Data Analytics Projekten
- Anwendung analytischer Pipelines zur skalierbaren Data Analysis und Datenverarbeitung
Projektarbeit mit Big Data Analytics Methoden
- End-to-End Big Data Analytics Projekt mit Integration, Analyse und Visualisierung
- Kombination von mehreren Datenquellen zur umfassenden Data Analysis
- Erstellung entscheidungsrelevanter Reports durch präzise Big Data Analytics
SQL und DBeaver werden genutzt, um strukturierte Abfragen in einer Big Data Analytics Umgebung effizient durchzuführen.