Diese Weiterbildung vermittelt dir ein praxisnahes Verständnis für Lakehouse-Konzepte zwischen Data Warehouse und Data Lake. Du verbindest SQL, Python, Datenbankdesign und Data Engineering mit Werkzeugen und Plattformen wie Spark, Databricks, Snowflake, Docker und dbt.

Kursinhalt
  • Data Warehouse, Data Lake und Lakehouse als unterschiedliche Architekturansätze vergleichen
  • SQL, Views, Common Table Expressions und Window Functions für strukturierte Analysezugriffe nutzen
  • pandas und EDA zur Aufbereitung und Prüfung von Daten einsetzen
  • Spark und Databricks im Kontext verteilter Datenverarbeitung kennenlernen
  • ETL/ELT, dbt, Docker und Data-Governance-Grundlagen als Bestandteile moderner Datenprozesse einordnen

Berufliche Relevanz
  • Du kannst Lakehouse-Strukturen in Analytics- und Data-Engineering-Projekten besser einordnen.
  • Du verstehst, wie Speicher-, Verarbeitungs- und Analysekonzepte in modernen Datenplattformen zusammenspielen.