menu

Scientific Data Processing

Advanced 6 Schritte 6 Stunden 30 Guthabenpunkte

Big Data, maschinelles Lernen und Verarbeitung wissenschaftlicher Daten? Das klingt nach einer idealen Kombination. In dieser Aufgabenreihe für Fortgeschrittene erlernen Sie anhand praktischer Übungen den Umgang mit GCP-Diensten wie BigQuery, Dataproc und Tensorflow. Dabei nutzen Sie diese Dienste zur Auswertung echter wissenschaftlicher Datensätze. Bei Aufgaben wie der Analyse von Daten zu Erdbeben oder der Aggregation von Satellitenbildern eignen Sie sich das nötige Handwerkszeug in den Bereichen Big Data und maschinellem Lernen an, um eigene Problemstellungen in verschiedenen wissenschaftlichen Disziplinen erfolgreich zu lösen.

Infrastructure Data Business Transformation Machine Learning

Voraussetzungen:

Für diese Aufgabenreihe benötigen Sie praktische Erfahrung mit Datenverarbeitungs- und ML-Diensten der GCP, wie zum Beispiel Dataproc, Dataflow und Cloud ML Engine. Wir empfehlen Teilnehmern, als Vorbereitung die praxisorientierten Labs der Aufgabenreihe Baseline: Data, ML, and AI zu absolvieren.

Quest Outline

Praxisorientiertes Lab

Einführung in SQL für BigQuery und Cloud SQL

In diesem Lab lernen Sie grundlegende SQL-Klauseln kennen und führen praktische Übungen zu strukturierten Abfragen in BigQuery und Cloud SQL aus.

Deutsch English español (Latinoamérica) français bahasa Indonesia Italiano 日本語 한국어 Polski português (Brasil)
Praxisorientiertes Lab

VM zum Verarbeiten von Erdbebendaten mieten

In diesem Lab richten Sie eine virtuelle Maschine ein, konfigurieren ihre Sicherheitseinstellungen und greifen per Remotezugriff darauf zu. Anschließend erstellen Sie manuell eine Pipeline zur Aufnahme, Verarbeitung und Veröffentlichung der Daten. Dieses Lab gehört zu einer Reihe über die Verarbeitung wissenschaftlicher Daten.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Wetterdaten in BigQuery

In diesem Lab analysieren Sie Wetterbeobachtungen mit BigQuery und verwenden Wetterdaten in Verbindung mit anderen Datasets. Das Lab ist Teil einer Reihe zur Verarbeitung wissenschaftlicher Daten.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Verteilte Bildverarbeitung in Cloud Dataproc

In diesem Lab lernen Sie, wie mithilfe von Apache Spark in Cloud Dataproc eine rechenintensive Bildverarbeitungsaufgabe in einem Maschinencluster verteilt wird.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Geburtsratendaten mit AI platform und BigQuery analysieren

In diesem Lab analysieren Sie mithilfe von Google BigQuery und Cloud AI platform ein großes Geburtenraten-Dataset mit 137 Millionen Zeilen. Dieses Lab ist Teil einer Lab-Reihe zur Verarbeitung wissenschaftlicher Daten.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Mit TensorFlow in AI Platform das Gewicht eines Säuglings vorhersagen

In diesem Lab trainieren, evaluieren und implementieren Sie ein ML-Modell, mit dem Sie Vorhersagen über das Gewicht eines Säuglings treffen können. Anschließend senden Sie Requests an das Modell, um Onlinevorhersagen zu erstellen. Dieses Lab ist Teil einer Reihe zur Verarbeitung wissenschaftlicher Daten.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)

Jetzt anmelden

Melden Sie sich für die Aufgabenreihe an, um zu sehen, wie Sie Schritt für Schritt Ihr Abzeichen erreichen.