Cloud-Datenmanagement für KI: Lakes & Warehouses

Baue eine belastbare Datenbasis für KI: vom Rohdaten-Import bis zu kuratierten, sicheren Trainingsdaten in der Cloud. Zu den Schwerpunkten gehören KI braucht Daten: Architektur-Entscheidungen, Datenaufnahme und -integration, Datenmodellierung für Analytics und KI, Datenqualität, Governance und Sicherheit, Formate, Tabellen und Performance und Bereitstellung für KI-Workloads.

Die Schulung richtet sich an Data Engineers und Analytics Engineers, Data Architects und Cloud Architects, BI-Verantwortliche und Data Product Owner und ML Engineers und AI Engineers mit Datenverantwortung sowie alle, die Data Lakes und Data Warehouses als Grundlage für KI in der Cloud aufbauen oder verbessern wollen.

Grundverständnis von Datenbanken und SQL ist hilfreich. Erste Berührungspunkte mit Cloud-Services oder Analytics-Projekten sind von Vorteil.

Zu den Schwerpunkten gehören KI braucht Daten: Architektur-Entscheidungen, Datenaufnahme und -integration, Datenmodellierung für Analytics und KI, Datenqualität, Governance und Sicherheit, Formate, Tabellen und Performance und Bereitstellung für KI-Workloads.

Die Inhalte werden bis zu konkreten Arbeitsschritten zu Datenqualität, Governance und Sicherheit, Formate, Tabellen und Performance und Bereitstellung für KI-Workloads geführt. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben übertragen.

Zu den angestrebten Ergebnissen gehören: Dieses Seminar richtet sich an alle, die eine Cloud-Datenplattform so gestalten wollen, dass KI-Anwendungen nicht bei der Datenbeschaffung stecken bleiben; Du lernst, wie du die typischen Stolpersteine vermeidest: unklare Zonen im Data Lake, fehlende Datenverantwortung, uneinheitliche Definitionen und Abfragen,; Du startest mit Architektur-Entscheidungen und deren Konsequenzen: Data Lake vs; Lakehouse, Entkopplung von Compute und Storage sowie die Wahl zwischen Batch- und Streaming-Pipelines; Danach erarbeitest du robuste Ingestion- und Integrationsmuster, inklusive Umgang mit semi-strukturierten Daten wie JSON und Logs,.

Ja. „Datenqualität, Governance und Sicherheit“ ist ein eigener Bestandteil der Schulung. Dazu gehören Data Quality Checks: Vollständigkeit, Plausibilität, Drift, Data Catalog, Lineage und Ownership, IAM, Rollenmodelle, Row- und Column-Level Security und DSGVO-Praxis: Pseudonymisierung, Aufbewahrung, Löschung.