- Vertiefung des Verständnisses für Cloud-Techniken und komplexe Konzepte
- Detaillierte Auseinandersetzung mit Cloud-Architektur und Entwicklung für Cloud-Ingenieure
- Erstellung und Verwaltung von Cloud-Infrastrukturen, Netzwerken und Virtualisierungen innerhalb der Amazon Web Services
- Nutzung von GitHub und Python in der Cloud-Entwicklung
- Implementierung von Sicherheits- und Compliance-Strategien in der AWS Cloud
Fundamente der Cloud-Technologien
- Besondere Cloud-Computing-Ansätze für Big Data und maschinelles Lernen
- Vorteile der AWS Cloud im Umgang mit großen Datenmengen und Analysen
- Einsatz verschiedener Cloud-Infrastruktur-Modelle in Big-Data-Szenarien
Big Data und Cloud-Native-Lösungen
- Verwaltung und Analyse großer Datensätze mit Cloud-nativen Technologien
- Einsatz verteilter Frameworks wie Hadoop und Spark über Amazon Web Services
- Praxisbewährte Ansätze zur Integration, Speicherung und Darstellung von Daten
Maschinelles Lernen auf Cloud-Plattformen
- Einstieg in AWS SageMaker und Azure ML für Cloud-basierte ML-Projekte
- Entwicklung und Deployment effizienter ML-Modelle mit AWS Cloud-Ressourcen
- Performance-Optimierung von ML-Modellen mittels Cloud-Rechenleistungen
Kombination von Big Data und ML in der Cloud
- Entwicklung von Datenpipelines für ML-Prozesse in der AWS Cloud-Infrastruktur
- Förderung sicherer und kosteneffizienter Big-Data- und ML-Verfahren
- Praktische Anwendungen der Kombination von Big Data und ML innerhalb von Cloud-Systemen