In diesem Modul werden wir die Konzepte im Zusammenhang mit der Containerisierung erforschen und verstehen. Wir werden Container mit virtuellen Maschinen vergleichen und die Vorteile der Verwendung von Containern in Cloud-Umgebungen kennenlernen. Die Bausteine und das Innenleben der Container-Infrastruktur werden erforscht. Darüber hinaus werden wir die Vorteile und Grenzen verschiedener Containerisierungsstrategien vergleichen, um eine effektive Entscheidungsfindung zu ermöglichen. Um den Betrieb von Containern kennenzulernen, werden wir auch einen Container mit Docker auf AWS erstellen und ausführen und fortgeschrittene Konzepte für das Container-Management diskutieren. Abschließend werden wir uns mit den Herausforderungen des Betriebsmanagements befassen und effektive Freigabe- und Bereitstellungsstrategien erörtern.

In diesem Modul werden wir die Herausforderungen der Containerisierung und die Anwendbarkeit von Serverless- und Microservices-Ansätzen untersuchen und verstehen. Wir werden die Vorteile und Grenzen der Verwendung von Serverless-Computing-Plattformen in Cloud-Umgebungen diskutieren. Wir werden die Bausteine und das Innenleben der Serverless-Infrastruktur erforschen. Darüber hinaus werden wir den Prozess der Entwicklung und Bereitstellung von Serverless-Lösungen diskutieren. Um den Betrieb von Serverless-Plattformen kennenzulernen, werden wir auch eine Serverless-Plattform erstellen und eine Serverless-Funktion auf AWS Lambda ausführen. Schließlich werden wir fortgeschrittene Konzepte für den effektiven und effizienten Betrieb und die Verwaltung der Serverless-Computing-Umgebung diskutieren.

Dieses Modul befasst sich mit der Komplexität und den Lösungen für die Verwaltung von Datenbanken in der Cloud-Plattform für die Handhabung und Verarbeitung großer Datenmengen, wobei der Schwerpunkt auf Designüberlegungen und der Implementierung einer skalierbaren DBMS-Plattform liegt. Durch die Reihe von Lektionen werden die Studenten die Herausforderungen und Überlegungen im Zusammenhang mit dem Umgang mit großen Datenmengen erkunden und lernen, wie Platform as a Service die Speicherung und Verarbeitung von Daten mit eingebauter Skalierbarkeit und Hochverfügbarkeitsfunktionen erleichtern kann. Die Teilnehmer erhalten Einblicke in Anwendungsfälle für relationale und nicht-relationale Datenbanken sowie in die Auswahlkriterien für erweiterte Funktionen je nach Bedarf.

Dieses Modul bietet eine umfassende Erkundung der DevOps-Prinzipien und -Praktiken im Kontext von Platform as a Service (PaaS). Es beginnt mit den Grundlagen von Entwicklungs- und Bereitstellungskonzepten und -ansätzen. Die Teilnehmer lernen die Methoden und kulturellen Philosophien kennen, die eine effiziente Anwendungsentwicklung und -bereitstellung vorantreiben. Das Modul befasst sich dann mit den Vorteilen einer DevOps-Kultur und damit, wie PaaS den DevOps-Lebenszyklus rationalisieren und verbessern kann, von der kontinuierlichen Integration bis zur kontinuierlichen Bereitstellung. Schließlich lernen die Teilnehmer API- und API-Verwaltungsmethoden in der Cloud kennen. Durch das Verständnis der Architektur von Entwicklungs- und Bereitstellungspipelines, die von PaaS-Anbietern unterstützt werden, werden die Studierenden in die Lage versetzt, effiziente, skalierbare und zuverlässige Softwarebereitstellungsprozesse zu entwerfen und zu implementieren.

Dieses Modul dient als umfassender Leitfaden für das Verständnis und die Anwendung von Konzepten, Prozessen und Plattformen des maschinellen Lernens (ML). Ausgehend von den Grundlagen der künstlichen Intelligenz und des maschinellen Lernens lernen die Studierenden, wie Vorhersage- und Entscheidungsalgorithmen in Cloud-Plattformen als Service implementiert werden. Darüber hinaus werden die Studierenden mit den gängigen Plattformen für maschinelles Lernen vertraut gemacht und lernen, wie sie ML-Modelle effektiv einsetzen, betreiben und optimieren können. Durch die Behandlung der Herausforderungen und Grenzen des maschinellen Lernens zielt dieses Modul darauf ab, die Lernenden mit den Fähigkeiten auszustatten, die sie benötigen, um sich in der ML-Landschaft sicher zu bewegen. Ob für Prognosen, Erkennungssysteme oder Entscheidungsfindungsprozesse, die Teilnehmer erhalten eine solide Grundlage für die Verwaltung und Implementierung von maschinellen Lernlösungen für verschiedene Anwendungen.

Dieses Modul führt die Teilnehmer in die kritischen Konzepte der Cloud-Sicherheit ein, wobei der Schwerpunkt auf dem Modell der gemeinsamen Verantwortung liegt, das die Sicherheitsverpflichtungen von Cloud-Anbietern und Nutzern festlegt. Die Teilnehmer erforschen gängige Bedrohungen und Schwachstellen, die für Cloud-Umgebungen spezifisch sind, und analysieren die Sicherheitsfunktionen und -kontrollen, die von Platform as a Service (PaaS) Lösungen angeboten werden. Dieses Modul gipfelt in praktischen Lektionen zur Architektur und Implementierung robuster Sicherheitsmaßnahmen für IAM, Netzwerk- und Datensicherheit unter Verwendung von Security as a Platform (SaaP). Schließlich lernen die Studierenden auch Audit- und Sicherheitsüberwachungsplattformen kennen, die sie befähigen, umfassende Sicherheitslösungen für Cloud-basierte Systeme zu entwerfen.

Dieses Modul konzentriert sich auf die Prinzipien und Praktiken, die für die Erstellung von Cloud-Plattformen erforderlich sind, die sich durch hohe Zuverlässigkeit, Skalierbarkeit, betriebliche Reife und die Bereitstellung von Inhalten auszeichnen. Beginnend mit der Architektur von Auto-Scaling-Lösungen lernen die Teilnehmer, die Anwendungsleistung dynamisch zu verbessern. Im weiteren Verlauf des Moduls werden Hochverfügbarkeits- und Lastausgleichsmethoden für verschiedene Computing- und Datenverwaltungsplattformen behandelt, um sicherzustellen, dass die Studierenden mit den besten bekannten Methoden für die Implementierung hochleistungsfähiger, skalierbarer und zuverlässiger Cloud-Plattformen ausgestattet sind. Ein kritischer Blick auf die Kosteneffizienz vermittelt Strategien für eine effiziente Nutzung von Cloud-Ressourcen. Schließlich nimmt das Modul die Zukunft von Platform as a Service (PaaS) vorweg, indem es die gesicherten Content-Delivery-Network-Plattformen erforscht und die Studierenden darauf vorbereitet, sich an aufkommende Trends in der Entwicklung von Cloud-Plattformen anzupassen und diese zu nutzen.

Dieses Modul enthält die abschließende Kursbeurteilung, mit der Ihr Verständnis des Kursmaterials und Ihre Fähigkeit, das im Kurs erworbene Wissen anzuwenden, beurteilt werden sollen.