Architektur von Plattformen für Daten und maschinelles Lernen

Alle Cloud-Architekten müssen wissen, wie sie Datenplattformen aufbauen, die es Unternehmen ermöglichen, datengesteuerte Entscheidungen zu treffen und schnell und effizient unternehmensweite Erkenntnisse zu gewinnen. Dieses Handbuch zeigt dir, wie du Cloud-native Daten- und maschinelle Lernplattformen mit AWS, Azure, Google Cloud und Multi-Cloud-Tools wie Snowflake und Databricks konzipierst, erstellst und modernisierst.

Die Autoren Marco Tranquillin, Valliappa Lakshmanan und Firat Tekiner behandeln den gesamten Datenlebenszyklus von der Aufnahme bis zur Aktivierung in einer Cloud-Umgebung anhand realer Unternehmensarchitekturen. Du lernst, wie du vertraute Lösungen wie Data Warehouses und Data Lakes umwandeln, sichern und modernisieren kannst, und du wirst in der Lage sein, die neuesten KI/ML-Muster zu nutzen, um genauere und schnellere Einblicke zu erhalten und so Wettbewerbsvorteile zu erzielen.

Du wirst lernen, wie du:

• eine moderne und sichere Cloud-native oder hybride Plattform für Datenanalyse und maschinelles Lernen zu entwickeln
• datengestützte Innovationen durch die Konsolidierung von Unternehmensdaten in einer kontrollierten, skalierbaren und stabilen Datenplattform zu beschleunigen
• Demokratisierung des Zugriffs auf Unternehmensdaten und Steuerung der Gewinnung von Erkenntnissen und des Aufbaus von KI/ML-Fähigkeiten durch Unternehmensteams
• Ermöglichen Sie es Ihrem Unternehmen, mithilfe von Streaming-Pipelines Entscheidungen in Echtzeit zu treffen.
• Bauen Sie eine MLOps-Plattform auf, um zu einem prädiktiven und präskriptiven Analyseansatz überzugehen.