Parallele Datenverarbeitung für ein Berliner E-Commerce-Reporting bauen
Übersicht
Worum es bei diesem Projekt geht.
Parallelisiere eine E-Commerce-Daten-Pipeline mit ProcessPoolExecutor, analysiere Skalierung und Amdahl-Grenze. Erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie parallelisiert man eine 90-Minuten-Reporting-Pipeline in Python so, dass sie sicher unter 20 Minuten bleibt — und welche Maschinengröße ist die wirtschaftlich beste?
Earning criteria — what you'll demonstrate
- Parallele Verarbeitungs-Stufen aus einer sequenziellen Pipeline ableiten
- GIL-Beschränkungen verstehen und mit Multiprocessing umgehen
- Skalierungs-Verhalten bis zur Amdahl-Grenze messen
- Maschinengrößen-Empfehlungen wirtschaftlich begründen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Concurrent and Parallel Programming
Bachelor · Cs Se
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Daten-Ingenieur:in
Parallelisierung von Python-Pipelines mit Skalierungs-Belegen ist eine direkte Junior-Daten-Engineering-Demonstration für E-Commerce- und SaaS-Teams.
Dieses Projekt schärft
- parallel-programming
- multiprocessing
- python
Software-Ingenieur:in
Engineers, die GIL-Effekte und Amdahls Gesetz auf reale Workloads anwenden können, treffen die richtigen Parallelisierungs-Entscheidungen sofort.
Dieses Projekt schärft
- parallel-programming
- amdahls-law
- performance-profiling
Noch eine Sache