Einführung in Data Engineering-Projekte
  • Verstehen Sie den Lebenszyklus von Data Engineering-Projekten und ihre Rolle in der Datenwissenschaft.
  • Erfahren Sie, wie Datenwissenschaftler und Dateningenieure bei realen Datenherausforderungen zusammenarbeiten.
  • Erkunden Sie die Integration von Datenanalyseverfahren in Projekt-Workflows.
Datenanalyseverfahren Einführung
  • Bereiten Sie Datensätze mithilfe der explorativen Datenanalyse (EDA) für die Projektdurchführung vor.
  • Verwenden Sie Python-Bibliotheken wie Pandas und Numpy für die Datenbereinigung und -vorverarbeitung.
  • Wenden Sie SQL an, um strukturierte und halbstrukturierte Datensätze zu extrahieren und zu transformieren.
Aufbau von Datenverarbeitungs-Pipelines
  • Entwerfen und implementieren Sie skalierbare ETL-Workflows für reale Anwendungen.
  • Verwenden Sie Apache Spark und Hadoop für die verteilte Datenverarbeitung.
  • Automatisieren Sie die Datenerfassung und -transformation, um die Effizienz zu steigern.
Fortgeschrittene Projektmanagement-Techniken
  • Wenden Sie agile Methoden für eine effektive Projektzusammenarbeit an.
  • Verwenden Sie Versionskontroll-Tools wie Git und GitHub zur Verwaltung von Codebasen.
  • Optimieren Sie die Projektabwicklung durch iterative Entwicklung und Feedback von Interessengruppen.
Anwendungen und Präsentationen aus der Praxis
  • Arbeiten Sie an End-to-End-Data-Engineering-Projekten, die Branchenszenarien simulieren.
  • Präsentieren Sie den Interessengruppen die Projektergebnisse und Erkenntnisse mithilfe von Visualisierungstools.
  • Betonen Sie die Rolle von Data Science und Datenanalyse bei der Förderung datengesteuerter Lösungen.

Der Kurs Data Engineering behandelt die Erstellung skalierbarer Datenverarbeitungs-Pipelines mit Tools wie Apache Spark und Hadoop.