{"course":{"productid":35303,"modality":1,"active":true,"language":"de","title":"Introduction to Data Engineering on Google Cloud","productcode":"IDEG","vendorcode":"GO","vendorname":"Google","fullproductcode":"GO-IDEG","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/google-ideg","objective":"<ul>\n<li>Verstehen Sie die Rolle eines Dateningenieurs.<\/li><li>Identifizierung von Data-Engineering-Aufgaben und Kernkomponenten, die in Google Cloud verwendet werden.<\/li><li>Verstehen Sie, wie man Datenpipelines mit unterschiedlichen Mustern in Google Cloud erstellt und einsetzt.<\/li><li>Identifizieren und nutzen Sie verschiedene Automatisierungstechniken in Google Cloud.<\/li><\/ul>","essentials":"<ul>\n<li>Grundlegende Erfahrung mit Google Cloud unter Verwendung von Cloud Shell und Zugriff auf Produkte &uuml;ber die Google Cloud-Konsole.<\/li><li>Grundkenntnisse in einer g&auml;ngigen Abfragesprache wie SQL.<\/li><li>Erfahrung mit Datenmodellierung und ETL-Aktivit&auml;ten (Extrahieren, Transformieren, Laden).<\/li><li>Erfahrung in der Entwicklung von Anwendungen mit einer g&auml;ngigen Programmiersprache wie Python.<\/li><\/ul>","audience":"<ul>\n<li>Daten-Ingenieure<\/li><li>Datenbank-Administratoren<\/li><li>Systemadministratoren<\/li><\/ul>","outline":"<h4>Modul 1 - Data-Engineering-Aufgaben und -Komponenten<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>Die Rolle des Dateningenieurs<\/li><li>Datenquellen versus Datensenken<\/li><li>Datenformate<\/li><li>Optionen f&uuml;r Speicherl&ouml;sungen in der Google Cloud<\/li><li>Optionen f&uuml;r die Verwaltung von Metadaten in der Google Cloud<\/li><li>Gemeinsame Nutzung von Datens&auml;tzen mit Analytics Hub<\/li><\/ul><p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Erkl&auml;ren Sie die Rolle eines Dateningenieurs.<\/li><li>die Unterschiede zwischen einer Datenquelle und einer Datensenke zu verstehen.<\/li><li>Erkl&auml;ren Sie die verschiedenen Arten von Datenformaten.<\/li><li>Erkl&auml;ren Sie die Optionen f&uuml;r Speicherl&ouml;sungen in der Google Cloud.<\/li><li>Erfahren Sie mehr &uuml;ber die M&ouml;glichkeiten der Metadatenverwaltung in Google Cloud.<\/li><li>Verstehen Sie, wie Sie mit Analytics Hub problemlos Datens&auml;tze gemeinsam nutzen k&ouml;nnen.<\/li><li>Verstehen, wie man Daten mit der Google Cloud-Konsole oder der gcloud CLI in BigQuery l&auml;dt.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>&Uuml;bung: Laden von Daten in BigQuery<\/li><li>Quiz<\/li><\/ul><h4>Modul 2 - Datenreplikation und -migration<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>Replikations- und Migrationsarchitektur<\/li><li>Das gcloud-Befehlszeilenwerkzeug<\/li><li>Verschieben von Datens&auml;tzen<\/li><li>Datastream<\/li><\/ul><p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Erkl&auml;ren Sie die grundlegende Datenreplikations- und Migrationsarchitektur der Google Cloud.<\/li><li>die Optionen und Anwendungsf&auml;lle f&uuml;r das gcloud-Befehlszeilentool zu verstehen.<\/li><li>Erl&auml;utern Sie die Funktionalit&auml;t und die Anwendungsf&auml;lle des Speicher&uuml;bertragungsdienstes.<\/li><li>Erl&auml;utern Sie die Funktionen und Anwendungsf&auml;lle der Transfer Appliance.<\/li><li>Verstehen Sie die Funktionen und den Einsatz von Datastream.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>Labor: Datastream: PostgreSQL-Replikation zu BigQuery (optional f&uuml;r ILT)<\/li><li>Quiz<\/li><\/ul><h4>Modul 3 - Das Pipeline-Muster zum Extrahieren und Laden von Daten<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>Architektur extrahieren und laden<\/li><li>Das bq-Befehlszeilenwerkzeug<\/li><li>BigQuery-Daten&uuml;bertragungsdienst<\/li><li>BigLake<\/li><\/ul><p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Erl&auml;utern Sie das Diagramm der Grundlinienextraktion und -lastarchitektur.<\/li><li>die Optionen des Befehlszeilenprogramms bq verstehen.<\/li><li>Erl&auml;utern Sie die Funktionen und Anwendungsf&auml;lle f&uuml;r den BigQuery Data Transfer Service.<\/li><li>Erl&auml;utern Sie die Funktionalit&auml;t und die Anwendungsf&auml;lle f&uuml;r BigLake als Nicht-Extract-Load-Muster.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>Labor: BigLake: Qwik Start<\/li><li>Quiz<\/li><\/ul><h4>Modul 4 - Das Pipeline-Muster zum Extrahieren, Laden und Transformieren von Daten<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>Architektur zum Extrahieren, Laden und Umwandeln (ELT)<\/li><li>SQL-Skripterstellung und Zeitplanung mit BigQuery<\/li><li>Datenformular<\/li><\/ul><p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Erl&auml;utern Sie das Grundschema der Extraktions-, Lade- und Transformationsarchitektur.<\/li><li>Verstehen Sie eine g&auml;ngige ELT-Pipeline in der Google Cloud.<\/li><li>Erfahren Sie mehr &uuml;ber die SQL-Skripterstellung und die Planungsfunktionen von BigQuery.<\/li><li>Erl&auml;utern Sie die Funktionen und Anwendungsf&auml;lle von Dataform.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>&Uuml;bung: Erstellen und Ausf&uuml;hren eines SQL-Workflows in Dataform<\/li><li>Quiz<\/li><\/ul><h4>Modul 5 - Das Pipeline-Muster zum Extrahieren, Transformieren und Laden von Daten<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>Architektur des Extrahierens, Transformierens und Ladens (ETL)<\/li><li>Google Cloud GUI-Tools f&uuml;r ETL-Datenpipelines<\/li><li>Batch-Datenverarbeitung mit Dataproc<\/li><li>Optionen f&uuml;r die Verarbeitung von Streaming-Daten<\/li><li>Bigtable und Datenpipelines<\/li><\/ul><p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Erl&auml;utern Sie das Grundschema der Extraktions-, Transformations- und Ladearchitektur.<\/li><li>Lernen Sie die GUI-Tools von Google Cloud kennen, die f&uuml;r ETL-Datenpipelines verwendet werden.<\/li><li>Erl&auml;utern Sie die Batch-Datenverarbeitung mit Dataproc.<\/li><li>Erfahren Sie, wie Sie Dataproc Serverless for Spark f&uuml;r ETL verwenden k&ouml;nnen.<\/li><li>Erl&auml;utern Sie die M&ouml;glichkeiten der Streaming-Datenverarbeitung.<\/li><li>Erkl&auml;ren Sie, welche Rolle Bigtable in Datenpipelines spielt.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>&Uuml;bung: Verwenden von Dataproc Serverless for Spark zum Laden von BigQuery (optional f&uuml;r ILT)<\/li><li>&Uuml;bung: Erstellen einer Streaming-Datenpipeline f&uuml;r ein Echtzeit-Dashboard mit Dataflow<\/li><li>Quiz<\/li><\/ul><h4>Modul 6 - Automation Techniques<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>Automatisierungsmuster und Optionen f&uuml;r Pipelines<\/li><li>Cloud Scheduler und Arbeitsabl&auml;ufe<\/li><li>Cloud-Komponist<\/li><li>Cloud Run-Funktionen<\/li><li>Eventarc<\/li><\/ul><p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Erkl&auml;ren Sie die Automatisierungsmuster und -optionen, die f&uuml;r Pipelines verf&uuml;gbar sind.<\/li><li>Erfahren Sie mehr &uuml;ber Cloud Scheduler und Workflows.<\/li><li>Erfahren Sie mehr &uuml;ber Cloud Composer.<\/li><li>Lernen Sie die Funktionen von Cloud Run kennen.<\/li><li>Erl&auml;utern Sie die Funktionalit&auml;t und die Anwendungsf&auml;lle der Automatisierung von Eventarc.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>&Uuml;bung: Verwenden von Cloud Run Functions zum Laden von BigQuery (optional f&uuml;r ILT)<\/li><li>Quiz<\/li><\/ul>","comments":"<p><em>Dieser Text wurde automatisiert &uuml;bersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class=\"cms-link-marked\"><a class=\"fl-href-prod\" href=\"\/swisscom\/en\/course\/google-ideg\"><svg role=\"img\" aria-hidden=\"true\" focusable=\"false\" data-nosnippet class=\"cms-linkmark\"><use xlink:href=\"\/css\/img\/icnset-linkmarks.svg#linkmark\"><\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"<p>In diesem Kurs erfahren Sie mehr &uuml;ber Data Engineering in der Google Cloud, die Rollen und Verantwortlichkeiten von Data Engineers und wie diese mit den Angeboten von Google Cloud zusammenh&auml;ngen. Ausserdem erfahren Sie, wie Sie Herausforderungen im Data Engineering angehen k&ouml;nnen.<\/p>","objective_plain":"- Verstehen Sie die Rolle eines Dateningenieurs.\n- Identifizierung von Data-Engineering-Aufgaben und Kernkomponenten, die in Google Cloud verwendet werden.\n- Verstehen Sie, wie man Datenpipelines mit unterschiedlichen Mustern in Google Cloud erstellt und einsetzt.\n- Identifizieren und nutzen Sie verschiedene Automatisierungstechniken in Google Cloud.","essentials_plain":"- Grundlegende Erfahrung mit Google Cloud unter Verwendung von Cloud Shell und Zugriff auf Produkte \u00fcber die Google Cloud-Konsole.\n- Grundkenntnisse in einer g\u00e4ngigen Abfragesprache wie SQL.\n- Erfahrung mit Datenmodellierung und ETL-Aktivit\u00e4ten (Extrahieren, Transformieren, Laden).\n- Erfahrung in der Entwicklung von Anwendungen mit einer g\u00e4ngigen Programmiersprache wie Python.","audience_plain":"- Daten-Ingenieure\n- Datenbank-Administratoren\n- Systemadministratoren","outline_plain":"Modul 1 - Data-Engineering-Aufgaben und -Komponenten\n\n\nThemen:\n\n\n\n- Die Rolle des Dateningenieurs\n- Datenquellen versus Datensenken\n- Datenformate\n- Optionen f\u00fcr Speicherl\u00f6sungen in der Google Cloud\n- Optionen f\u00fcr die Verwaltung von Metadaten in der Google Cloud\n- Gemeinsame Nutzung von Datens\u00e4tzen mit Analytics Hub\nZielsetzungen:\n\n\n\n- Erkl\u00e4ren Sie die Rolle eines Dateningenieurs.\n- die Unterschiede zwischen einer Datenquelle und einer Datensenke zu verstehen.\n- Erkl\u00e4ren Sie die verschiedenen Arten von Datenformaten.\n- Erkl\u00e4ren Sie die Optionen f\u00fcr Speicherl\u00f6sungen in der Google Cloud.\n- Erfahren Sie mehr \u00fcber die M\u00f6glichkeiten der Metadatenverwaltung in Google Cloud.\n- Verstehen Sie, wie Sie mit Analytics Hub problemlos Datens\u00e4tze gemeinsam nutzen k\u00f6nnen.\n- Verstehen, wie man Daten mit der Google Cloud-Konsole oder der gcloud CLI in BigQuery l\u00e4dt.\nAktivit\u00e4ten:\n\n\n\n- \u00dcbung: Laden von Daten in BigQuery\n- Quiz\nModul 2 - Datenreplikation und -migration\n\n\nThemen:\n\n\n\n- Replikations- und Migrationsarchitektur\n- Das gcloud-Befehlszeilenwerkzeug\n- Verschieben von Datens\u00e4tzen\n- Datastream\nZielsetzungen:\n\n\n\n- Erkl\u00e4ren Sie die grundlegende Datenreplikations- und Migrationsarchitektur der Google Cloud.\n- die Optionen und Anwendungsf\u00e4lle f\u00fcr das gcloud-Befehlszeilentool zu verstehen.\n- Erl\u00e4utern Sie die Funktionalit\u00e4t und die Anwendungsf\u00e4lle des Speicher\u00fcbertragungsdienstes.\n- Erl\u00e4utern Sie die Funktionen und Anwendungsf\u00e4lle der Transfer Appliance.\n- Verstehen Sie die Funktionen und den Einsatz von Datastream.\nAktivit\u00e4ten:\n\n\n\n- Labor: Datastream: PostgreSQL-Replikation zu BigQuery (optional f\u00fcr ILT)\n- Quiz\nModul 3 - Das Pipeline-Muster zum Extrahieren und Laden von Daten\n\n\nThemen:\n\n\n\n- Architektur extrahieren und laden\n- Das bq-Befehlszeilenwerkzeug\n- BigQuery-Daten\u00fcbertragungsdienst\n- BigLake\nZielsetzungen:\n\n\n\n- Erl\u00e4utern Sie das Diagramm der Grundlinienextraktion und -lastarchitektur.\n- die Optionen des Befehlszeilenprogramms bq verstehen.\n- Erl\u00e4utern Sie die Funktionen und Anwendungsf\u00e4lle f\u00fcr den BigQuery Data Transfer Service.\n- Erl\u00e4utern Sie die Funktionalit\u00e4t und die Anwendungsf\u00e4lle f\u00fcr BigLake als Nicht-Extract-Load-Muster.\nAktivit\u00e4ten:\n\n\n\n- Labor: BigLake: Qwik Start\n- Quiz\nModul 4 - Das Pipeline-Muster zum Extrahieren, Laden und Transformieren von Daten\n\n\nThemen:\n\n\n\n- Architektur zum Extrahieren, Laden und Umwandeln (ELT)\n- SQL-Skripterstellung und Zeitplanung mit BigQuery\n- Datenformular\nZielsetzungen:\n\n\n\n- Erl\u00e4utern Sie das Grundschema der Extraktions-, Lade- und Transformationsarchitektur.\n- Verstehen Sie eine g\u00e4ngige ELT-Pipeline in der Google Cloud.\n- Erfahren Sie mehr \u00fcber die SQL-Skripterstellung und die Planungsfunktionen von BigQuery.\n- Erl\u00e4utern Sie die Funktionen und Anwendungsf\u00e4lle von Dataform.\nAktivit\u00e4ten:\n\n\n\n- \u00dcbung: Erstellen und Ausf\u00fchren eines SQL-Workflows in Dataform\n- Quiz\nModul 5 - Das Pipeline-Muster zum Extrahieren, Transformieren und Laden von Daten\n\n\nThemen:\n\n\n\n- Architektur des Extrahierens, Transformierens und Ladens (ETL)\n- Google Cloud GUI-Tools f\u00fcr ETL-Datenpipelines\n- Batch-Datenverarbeitung mit Dataproc\n- Optionen f\u00fcr die Verarbeitung von Streaming-Daten\n- Bigtable und Datenpipelines\nZielsetzungen:\n\n\n\n- Erl\u00e4utern Sie das Grundschema der Extraktions-, Transformations- und Ladearchitektur.\n- Lernen Sie die GUI-Tools von Google Cloud kennen, die f\u00fcr ETL-Datenpipelines verwendet werden.\n- Erl\u00e4utern Sie die Batch-Datenverarbeitung mit Dataproc.\n- Erfahren Sie, wie Sie Dataproc Serverless for Spark f\u00fcr ETL verwenden k\u00f6nnen.\n- Erl\u00e4utern Sie die M\u00f6glichkeiten der Streaming-Datenverarbeitung.\n- Erkl\u00e4ren Sie, welche Rolle Bigtable in Datenpipelines spielt.\nAktivit\u00e4ten:\n\n\n\n- \u00dcbung: Verwenden von Dataproc Serverless for Spark zum Laden von BigQuery (optional f\u00fcr ILT)\n- \u00dcbung: Erstellen einer Streaming-Datenpipeline f\u00fcr ein Echtzeit-Dashboard mit Dataflow\n- Quiz\nModul 6 - Automation Techniques\n\n\nThemen:\n\n\n\n- Automatisierungsmuster und Optionen f\u00fcr Pipelines\n- Cloud Scheduler und Arbeitsabl\u00e4ufe\n- Cloud-Komponist\n- Cloud Run-Funktionen\n- Eventarc\nZielsetzungen:\n\n\n\n- Erkl\u00e4ren Sie die Automatisierungsmuster und -optionen, die f\u00fcr Pipelines verf\u00fcgbar sind.\n- Erfahren Sie mehr \u00fcber Cloud Scheduler und Workflows.\n- Erfahren Sie mehr \u00fcber Cloud Composer.\n- Lernen Sie die Funktionen von Cloud Run kennen.\n- Erl\u00e4utern Sie die Funktionalit\u00e4t und die Anwendungsf\u00e4lle der Automatisierung von Eventarc.\nAktivit\u00e4ten:\n\n\n\n- \u00dcbung: Verwenden von Cloud Run Functions zum Laden von BigQuery (optional f\u00fcr ILT)\n- Quiz","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Kurs erfahren Sie mehr \u00fcber Data Engineering in der Google Cloud, die Rollen und Verantwortlichkeiten von Data Engineers und wie diese mit den Angeboten von Google Cloud zusammenh\u00e4ngen. Ausserdem erfahren Sie, wie Sie Herausforderungen im Data Engineering angehen k\u00f6nnen.","skill_level":"Intermediate","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":595},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":660},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":650},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":820},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":950},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":950},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":950},"FR":{"country":"FR","currency":"EUR","taxrate":19.6,"price":790},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":950}}},"lastchanged":"2026-03-30T20:05:43+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/35303","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/google-ideg"}}