Architecting Data and Machine Learning Platforms

Alle Cloud-Architekten müssen wissen, wie man Datenplattformen erstellt, die es Unternehmen ermöglichen, datengestützte Entscheidungen zu treffen und unternehmensweite Intelligenz schnell und effizient bereitzustellen. Dieses Handbuch zeigt Ihnen, wie Sie cloud-native Daten- und Machine-Learning-Plattformen mit AWS, Azure, Google Cloud und Multicloud-Tools wie Snowflake und Databricks entwerfen, aufbauen und modernisieren. Die Autoren Marco Tranquillin, Valliappa Lakshmanan und Firat Tekiner decken den gesamten Datenlebenszyklus von der Erfassung bis zur Aktivierung in einer Cloud-Umgebung ab, indem sie reale Unternehmensarchitekturen verwenden. Sie lernen, wie Sie vertraute Lösungen wie Data Warehouses und Data Lakes transformieren, sichern und modernisieren können, und Sie werden in der Lage sein, aktuelle KI/ML-Muster zu nutzen, um genaue und schnellere Einblicke zu gewinnen, die einen Wettbewerbsvorteil verschaffen. Sie lernen, wie Sie: eine moderne und sichere cloud-native oder hybride Datenanalyse- und Machine-Learning-Plattform entwerfen; datengestützte Innovationen beschleunigen, indem Sie Unternehmensdaten in einer cloud-native/hybriden Datenplattform konsolidieren; den Zugang zu Unternehmensdaten demokratisieren und steuern, wie Geschäftsteams Einblicke gewinnen und KI/ML-Fähigkeiten aufbauen; Ihrem Unternehmen ermöglichen, Entscheidungen in Echtzeit mithilfe von Streaming-Pipelines zu treffen; eine MLOps-Plattform aufbauen, um zu einem prädiktiven und präskriptiven Analyseansatz überzugehen.