Data Engineering Bootcamp

VORBEREITUNG: TOOL-EINRICHTUNG & ONBOARDING

Vor Beginn des Bootcamps absolvierst du ein selbstgesteuertes Pre-Work-Modul, um deine Grundlagen in Python, SQL und Datenverarbeitung zu festigen – einschließlich Git-Versionierung und zentralen Cloud-Konzepten. Du übst das Programmieren, die Datenmanipulation mit Pandas, SQL-Abfragen und moderne Data Workflows, sodass du ab Woche 1 direkt praktisch mit der Pipeline-Entwicklung starten kannst. Am Ende beherrschst du Python-Skripte, Datenaufbereitung mit Pandas und die Arbeit mit relationalen und Cloud-Datenbanken und bist bereit, reale Datenherausforderungen zu meistern.

PROGRAMMIERUNG & DATENMODELLIERUNG

Starte stark und entwickle die grundlegenden Programmier- und Datenarchitektur-Fähigkeiten, die jeder Data Engineer braucht. Du lernst Python für die Datenverarbeitung, beherrschst Pandas und NumPy für Transformationen und erweiterst deine SQL-Kenntnisse. Danach tauchst du in die Datenmodellierung ein: vom Entwerfen von Schemas und Datenbanken bis hin zum Verständnis, wie Data Lakes und Data Warehouses zusammenarbeiten. Am Ende hast du deine erste ETL-Pipeline gebaut und dein eigenes Datenschema von Grund auf gestaltet.

PIPELINES & BIG DATA SYSTEME ENTWICKELN

Dieses Modul führt dich in den Aufbau und die Automatisierung von Pipelines mit Airflow und dbt ein. Du planst Transformationen, verfolgst Datenherkünfte und testest Workflows end-to-end. Anschließend gehst du in die Welt von Big Data mit Apache Spark, verarbeitest große Datenmengen effizient und skalierst Performance wie ein Profi. Du optimierst PySpark-Transformationen, arbeitest mit Lazy Execution und feinjustierst die Performance verteilter Workloads, bevor du deine erste komplette Pipeline fertigstellst, die echte Analytics-Systeme antreibt.

CLOUD & ECHTZEIT-DATA ENGINEERING

Du lernst, Data Warehouses mit Snowflake, BigQuery oder Redshift aufzubauen und zu verwalten, Infrastruktur mit Terraform und Docker zu automatisieren und kosteneffiziente Multi-Cloud-Lösungen zu entwerfen. Dein Projekt integriert ETL-Pipelines, dbt-Transformationen und BI-Reporting. Danach verarbeitest du Live-Daten mit Kafka und Spark Streaming, steuerst Skalierung und Fehlertoleranz und erweiterst dein Wissen über Cloud-Streaming-Dienste wie Pub/Sub und Kinesis. Am Ende baust du eine Echtzeit-Datenpipeline mit Visualisierung im Live-Dashboard und sammelst praktische Erfahrung mit ereignisgesteuerten Architekturen und sofortigen Datenanalysen.

DATENZUVERLÄSSIGKEIT & GOVERNANCE

In diesem Modul liegt der Fokus auf dem, was einen großartigen Data Engineer ausmacht: Zuverlässigkeit, Transparenz und Wirkung. Du testest und validierst Datenqualität mit Great Expectations, verfolgst Datenherkünfte mit dbt und wendest Best Practices für Datenschutz und Compliance an. Anschließend startest du dein Capstone-Projekt: ein praxisnahes, produktionsreifes Projekt, bei dem du ein komplettes Datensystem entwirfst, baust und implementierst, inklusive Echtzeit-Pipelines, Governance und Analytics-Visualisierung.

CAPSTONE-PROJEKT

Am Ende des Bootcamps bearbeitest du Capstone-Projekte auf Produktionsniveau, die reale Unternehmenssysteme simulieren. Du entwirfst, baust und implementierst Pipelines mit Echtzeit-Streaming, Governance und Analysevisualisierung. In Teil I erstellst du eine Echtzeit-Banking-Transaktionspipeline, während Teil II sich auf Streaming und Governance von Telecom-CDRs konzentriert. Parallel dazu übst du Agile-Zusammenarbeit, Git-Workflows, technische Kommunikation und Interviewvorbereitung, sodass du komplett jobready bist.