In diesem Kurs modellieren und transformieren Sie Daten und stellen sie für Analyse- und Machine-Learning-Anwendungen bereit. Sie lernen verschiedene Datenmodellierungstechniken für Batch-Analysen kennen, darunter Normalisierung, Sternschema, Data Vault und eine große Tabelle, und Sie werden dbt verwenden, um einen Datensatz auf der Grundlage eines Sternschemas und einer großen Tabelle zu transformieren. Sie werden auch die Datenmodellierungsansätze von Inmon und Kimball für Data Warehouses vergleichen. Sie modellieren und transformieren einen Tabellendatensatz für maschinelles Lernen. Sie werden auch unstrukturierte Bild- und Textdaten modellieren und umwandeln. Sie werden verteilte Verarbeitungsframeworks wie Hadoop MapReduce und Spark erkunden und Stream Processing durchführen. Sie lernen verschiedene Möglichkeiten kennen, Daten für Analysen und maschinelles Lernen bereitzustellen, einschließlich der Verwendung von Ansichten und materialisierten Ansichten, und Sie werden beschreiben, wie eine semantische Schicht, die auf Ihrem Datenmodell aufbaut, das Unternehmen unterstützen kann. In der letzten Woche dieses Kurses führen Sie ein Abschlussprojekt durch, in dem Sie eine End-to-End-Datenpipeline erstellen, die alle Phasen des Data-Engineering-Lebenszyklus umfasst, um Daten bereitzustellen, die einen geschäftlichen Nutzen bieten.
Datenmodellierung, -umwandlung und -bereitstellung
Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen
Datenmodellierung, -umwandlung und -bereitstellung
Dieser Kurs ist Teil von DeepLearning.AI Data Engineering (berufsbezogenes Zertifikat)
Dozenten: Joe Reis
TOP-LEHRKRAFT
9.189 bereits angemeldet
96 Bewertungen
Empfohlene Erfahrung
Was Sie lernen werden
Modellierung und Umwandlung von Daten auf der Grundlage der Anforderungen von Interessengruppen, um einen geschäftlichen Nutzen zu erzielen
Wählen Sie die geeigneten Datenverarbeitungswerkzeuge für Ihr Architekturdesign
Verarbeitung von Daten für Batch-Analysen und Datenpipelines für maschinelles Lernen unter Verwendung verteilter und nicht verteilter Verarbeitungsframeworks
Kompetenzen, die Sie erwerben
- Kategorie: Datenumwandlung
- Kategorie: Daten-Pipelines
- Kategorie: Extrahieren, Transformieren, Laden
- Kategorie: Datenverarbeitung
- Kategorie: Daten in Echtzeit
- Kategorie: Datenmodellierung
- Kategorie: Data Warehousing
- Kategorie: Stern-Schema
- Kategorie: Vorverarbeitung von Daten
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Technische Merkmale
Werkzeuge, die Sie lernen werden
- Kategorie: Apache Spark
- Kategorie: Apache Hadoop
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
5 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihr Fachwissen im Bereich Cloud Computing
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat von DeepLearning.AI zur Vorlage
In diesem Kurs gibt es 4 Module
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozenten
Mehr von Cloud Computing entdecken
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: Kostenloser TestzeitraumMicrosoft
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Jennifer J.
Larry W.
Chaitanya A.
Bewertungen von Lernenden
- 5 stars
84,37 %
- 4 stars
2,08 %
- 3 stars
3,12 %
- 2 stars
3,12 %
- 1 star
7,29 %
Zeigt 3 von 96 an
Geprüft am 13. Feb. 2025
I like this course since it wrap up everything we learn through these months in the final project.
Geprüft am 24. Juli 2025
Starts slow at first but things really start to click and you understand the whole picture towards the end.
Geprüft am 7. Mai 2025
great course very comprehensive,
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,