Apache Airflow Schulungen in Graz

Dieses instruktionsgeleitete Live-Training in Graz (online oder vor Ort) richtet sich an Teilnehmer auf fortgeschrittenem Niveau, die Apache Airflow in Cloud-Umgebungen bereitstellen, CI/CD-Pipelines einrichten und robuste Überwachungs- und Logging-Praktiken implementieren möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Apache Airflow in Cloud- und Containerumgebungen bereitzustellen.
• CI/CD-Pipelines einzurichten, um DAG-Tests und -Bereitstellungen zu automatisieren.
• Überwachungs- und Logging-Tools zu integrieren, um die Systemzuverlässigkeit zu verbessern.
• Airflow-Konfigurationen für Leistung und Skalierbarkeit zu optimieren.
• Sicherheits-Best Practices für das Management von Workflows und Umgebungen umzusetzen.

Diese vom Dozenten geleitete, live stattfindende Schulung in Graz (online oder vor Ort) richtet sich an Teilnehmer mit Vorkenntnissen auf mittlerem Niveau, die maschinelles Lernen automatisieren und verwalten möchten, einschließlich Modelltraining, Validierung und Bereitstellung unter Verwendung von Apache Airflow.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Apache Airflow für die Orchestrierung von Machine-Learning-Workflows einzurichten.
• Datenpreprocessing, Modelltraining und Validierungsaufgaben zu automatisieren.
• Airflow in Machine-Learning-Frameworks und -Tools zu integrieren.
• Maschinelle Lernmodelle mithilfe automatisierter Pipelines bereitzustellen.
• Machine-Learning-Workflows in der Produktion zu überwachen und zu optimieren.

Dieses Instructor-Led-Livetraining in Graz (online oder vor Ort) richtet sich an fortgeschrittene Teilnehmer, die eigene Operatoren, Sensoren und Plugins in Apache Airflow erstellen und diese mit bestehenden Datensystemen für fortschrittliche Automatisierung und Überwachung integrieren möchten.

Nach Abschluss dieses Trainings können Teilnehmer:

• Eigene Operatoren, Hooks und Sensoren entwickeln, die auf spezifische Workflows zugeschnitten sind.
• Airflow-Plugins entwerfen und implementieren, um die Funktionalität zu erweitern.
• Airflow-Workflows in externe Systeme und Dienste integrieren.
• Workflows mit erweiterten Debugging-Tools optimieren und überwachen.
• Best Practices für das Management großer Airflow-Deployments nutzen.

Diese durch Dozenten geleitete, live stattfindende Schulung in Graz (online oder vor Ort) richtet sich an Teilnehmer auf Zwischenstufe, die die Workflow-Leistung optimieren, komplexe Abhängigkeiten bewältigen und Apache Airflow-Bereitstellungen für größere Datensätze und Unternehmensanwendungsfälle skalieren möchten.

Nach Abschluss dieser Schulung können Teilnehmende:

• Apache Airflow-Workflows für eine bessere Leistung und Zuverlässigkeit optimieren.
• Komplexe Workflow-Abhängigkeiten verwalten und Fehler beheben.
• Erweiterte Airflow-Funktionen nutzen, einschließlich benutzerdefinierter Operatoren und Sensoren.
• Apache Airflow skalieren, um größere Datenmengen und verteilte Systeme zu verarbeiten.
• Bewährte Verfahren für Monitoring, Protokollierung und Sicherheit in Airflow-Umgebungen implementieren.

Apache Airflow ist eine Open-Source-Plattform zur Erstellung, Planung und Überwachung von Workflows. Mit Airflow 2.x können Organisationen Daten-Pipelines skalieren, Cloud-Dienste integrieren sowie umfassende Überwachung und Sicherheit in Produktionsumgebungen gewährleisten.

Dieser unter Anleitung stattfindende Live-Training (online oder vor Ort) richtet sich an Einsteiger und Fortgeschrittene aus den Bereichen Data Engineering und DevOps, die Apache Airflow nutzen möchten, um End-to-End-Daten-Pipelines zu erstellen, zu automatisieren und skalieren.

Am Ende dieses Trainings sind die Teilnehmenden in der Lage:

• Apache Airflow in verschiedenen Umgebungen zu installieren und zu konfigurieren.
• DAGs mit der TaskFlow-API zu erstellen, zu planen und zu überwachen.
• Airflow mit Datenquellen, Cloud-Diensten und ML-Workflows zu integrieren.
• ETL-Pipelines zu verwalten und die Datenzuverlässigkeit sicherzustellen.
• Airflow durch Einsatz von Executoren, Queues und Kubernetes zu sichern und zu skalieren.
• Observability-Prinzipien und Best Practices für Produktionsbereitstellungen anzuwenden.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Umfangreiche Übungen und Praxisphasen.
• Praktische Umsetzung in einer Live-Lab-Umgebung.

Möglichkeiten zur Kursindividualisierung

• Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.