Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Grundlagen der Plattformentwicklung für datenintensive Anwendungen
- Einführung in datenintensive Anwendungen
- Herausforderungen in der Plattformentwicklung für Big Data
- Überblick über Architekturen zur Datenverarbeitung
Datenmodellierung und -verwaltung
- Grundsätze der skalierbaren Datenmodellierung
- Möglichkeiten der Datenspeicherung sowie Optimierungsansätze
- Verwaltung des Datenlebenszyklus in verteilten Umgebungen
Frameworks zur Big-Data-Verarbeitung
- Übersicht über gängige Tools zur Big-Data-Verarbeitung (Hadoop, Spark, Flink)
- Unterschiede zwischen Batch- und Streamverarbeitung
- Einrichtung einer Big-Data-Verarbeitungspipeline
Plattformen für Echtzeit-Analysen
- Architektur von Systemen zur Echtzeit-Analyse
- Streamverarbeitungsengines wie Kafka Streams und Apache Storm
- Erstellung von Echtzeit-Dashboards sowie Visualisierungen
Orchestrierung von Datenpipelines
- Workflow-Management mittels Apache Airflow und anderen Werkzeugen
- Automatisierung von Datenpipelines zur Steigerung der Effizienz
- Überwachung sowie Alarmierung bei Problemen in Datenpipelines
Sicherheit und Compliance von Plattformen
- Beste Praktiken zur Sicherstellung der Datensicherheit
- Datenschutz sowie Einhaltung gesetzlicher Vorgaben
- Einführung sicherer Zugriffskontrollmechanismen für Daten
Leistungsoptimierung und Tuning
- Methoden zur Optimierung von Datendurchsatz sowie Latenzzeiten
- Strategien zum Skalieren von datenintensiven Plattformen
- Leistungsmessung sowie -überwachung der Systeme
Fallstudien und bewährte Verfahren
- Analyse erfolgreicher Implementierungen datenintensiver Plattformen
- Erfahrungen aus der Praxis führender Branchenexperten
- Aktuelle Trends in der Plattformentwicklung für Big Data
Abschlussprojekt
- Entwurf einer Lösung für eine datenintensive Anwendung
- Erstellung eines Prototyps der Datenverarbeitungspipeline
- Evaluierung von Leistung sowie Skalierbarkeit der Plattform<\/li>
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundverständnis von Datenstrukturen und Algorithmen
- Erfahrung in der Programmierung mit Java, Scala oder Python
- Bekanntschaft mit grundlegenden Konzepten von Datenbanken und SQL
Zielgruppe
- Softwareentwickler
- Dateningenieure
- Technische Leiter
21 Stunden
Erfahrungsberichte (2)
Das Gesamtkonzept von DevOps/DevSecOps ist kein Team, sondern eine Kultur und eine Haltung (Mindset)
Mpho Mashele - South Africa Reserve Bank
Kurs - DevOps and Platform Engineering: A Collaborative Approach
Maschinelle Übersetzung
About the microservices and how to maintenance kubernetes