„Cloud Computing für Big Data“ führt die Lernenden durch die wesentlichen Cloud-Konzepte, die die moderne Datenverarbeitung ermöglichen, und hilft ihnen zu verstehen, wie Cloud-Modelle, Bereitstellungsoptionen und Plattformfunktionen groß angelegte Workloads unterstützen. Das Modul behandelt Infrastructure as a Service (IaaS), Platform as a Service (PaaS) und Software as a Service (SaaS) anhand realer Big-Data-Szenarien und vergleicht diese Ansätze mit herkömmlichen On-Premises-Lösungen, um die Kompromisse hinsichtlich Kosten, Skalierbarkeit und Betrieb aufzuzeigen. Die Lernenden setzen sich mit Cloud-nativen Funktionen wie Elastizität, Managed Services, globaler Verteilung und automatisierter Skalierung auseinander und wenden diese Konzepte anschließend an, um Workload-Anforderungen zu bewerten und effektive Architekturen zu entwerfen. Mithilfe von Videos, Lesematerialien, praktischen Übungen und von Coaches geleiteten Diskussionen vermittelt das Modul den Lernenden die Fähigkeit, fundierte Entscheidungen zur Cloud-Einführung zu treffen und skalierbare, ausfallsichere Big-Data-Lösungen zu entwickeln.

Die Microsoft Azure-Plattform für Big Data vermittelt den Teilnehmern die praktischen Fähigkeiten, die sie benötigen, um sicher im Cloud-Ökosystem von Microsoft für groß angelegte Datenlösungen zu arbeiten. Das Modul stellt wichtige Azure-Dienste vor, zeigt, wie man sich im Azure-Portal zurechtfindet, und führt die Teilnehmer durch die Erstellung und Verwaltung von Ressourcen, die Big-Data-Workloads unterstützen. Die Lernenden setzen sich mit den wichtigsten Microsoft-Tools auseinander, darunter Azure Synapse Analytics, Azure Data Lake Storage, Azure Data Factory und Microsoft Fabric, und entwickeln so ein Verständnis dafür, wie diese Dienste miteinander verbunden sind, um eine integrierte Analyseplattform zu bilden. Mithilfe von praktischen Übungen, Anleitungsvideos und szenariobasierten Aktivitäten unterstützt dieses Modul die Lernenden dabei, zentrale CORE-Funktionen anzuwenden, Cloud-Ressourcen effektiv zu organisieren und die richtigen Dienste auszuwählen, um den Anforderungen der Praxis im Bereich Big Data gerecht zu werden.

Das Modul „Einführung in Azure Databricks und Cluster“ vermittelt den Lernenden ein praktisches Verständnis für verteiltes Rechnen und die Kerntechnologien, die der Datenverarbeitung in großem Maßstab zugrunde liegen. Das Modul führt in die Prinzipien des Cluster-Computings ein und veranschaulicht, wie verteilte Systeme Arbeitslasten auf mehrere Rechner verteilen, um Geschwindigkeit, Ausfallsicherheit und Effizienz zu steigern. Die Lernenden erkunden Azure Databricks als einheitliche Analyseplattform, richten Arbeitsbereiche ein, führen grundlegende PySpark-Operationen durch und lernen, wie sich Databricks in Azure-Dienste integrieren lässt. Das Modul führt die Lernenden außerdem durch die Konfiguration und Verwaltung von Clustern, die Auswahl von Rechenoptionen, die Anwendung der automatischen Skalierung sowie die Optimierung von Leistung und Kosten. Durch praktische Übungen, Code-Übungen, Demonstrationen und szenariobasierte Aktivitäten erwerben die Lernenden die grundlegenden Fähigkeiten, die erforderlich sind, um sicher mit Databricks und clusterbasierten Big-Data-Lösungen zu arbeiten.

„Kostenmanagement und Vergleich von Cloud-Anbietern“ vermittelt den Lernenden die notwendigen Kenntnisse, um die Kosten von Big-Data-Workloads in der Cloud zu verstehen, vorherzusagen und zu optimieren. Das Modul erläutert die Preisstrukturen von Azure für Rechenleistung, Speicher und verbrauchsabhängige Modelle und vermittelt den Lernenden, wie sie Kosten mithilfe von Rechnern und Automatisierungstools abschätzen können. Zudem bietet es einen klaren Rahmen für den Preisvergleich zwischen Azure, AWS und Google Cloud und hebt dabei Serviceäquivalenzen, versteckte Kosten sowie strategische Überlegungen hervor, die über den reinen Preis hinausgehen. Die Lernenden setzen sich mit praktischen Optimierungstechniken auseinander – wie z. B. automatischer Skalierung, Lebenszyklusrichtlinien und der Planung reservierter Instanzen – und wenden diese auf reale Szenarien an, um kosteneffiziente Konzepte zu entwickeln. Durch Demonstrationen, praktische Übungen und strukturierte Analyseaufgaben hilft dieses Modul den Lernenden dabei, das nötige Selbstvertrauen und die erforderlichen Fähigkeiten aufzubauen, um Cloud-Ausgaben verantwortungsbewusst zu verwalten und effiziente Big-Data-Lösungen zu entwerfen.