DP-203: Data Engineering on Microsoft Azure

Weiterbildung

4-Wochen-Kurs

In diesem Kurs erlernen die Teilnehmer den Entwurf verschiedene Datenplattform-Technologien, die den unternehmerischen und technischen Anforderungen entsprechen. Dies beinhaltet lokale, Cloud- und hybride Datenszenarien. Die relationale, No-SQL- oder Data Warehouse Daten werden eingebunden. Desweiteren erlernen Sie, wie man Prozessarchitekturen mit einer Reihe von Technologien für Streaming- und Batchdaten entwirft.

Inhalt

  • Rechen- und Speicheroptionen für Data-Engineering-Workloads
    • Einführung in Azure Synapse Analytics
    • Erläuterung von Azure Databricks
    • Erläuterung in Azure Data Lake-Speicher
    • Beschreiben der Delta Lake-Architektur
    • Arbeiten mit Datenströmen unter Verwendung von Azure Stream Analytics
  • Interaktive Abfragen mit Azure Synapse Analytics serverlosen SQL-Pools ausführen
    • Möglichkeiten von Azure Synapse Serverless SQL Pools
    • Abfragen von Daten im Lake mit Azure Synapse Serverless SQL Pools
    • Erstellen von Metadatenobjekten in Azure Synapse Serverless SQL Pools
    • Sichern von Daten und Verwalten von Benutzern in Azure Synapse Serverless SQL Pools
  • Datenexploration und -umwandlung in Azure Databricks
    • Azure Databricks
    • Lesen und Schreiben von Daten in Azure Databricks
    • Arbeiten mit DataFrames in Azure Databricks
    • Arbeiten mit fortgeschrittenen DataFrames-Methoden in Azure Databricks
  • Analysieren, Transformieren und Laden von Daten in das Data Warehouse mit Apache Spark
    • Verstehen von Big Data Engineering mit Apache Spark in Azure Synapse Analytics
    • Einlesen von Daten mit Apache Spark-Notebooks in Azure Synapse Analytics
    • Transformieren von Daten mit DataFrames in Apache Spark-Pools in Azure Synapse Analytics
    • Integrieren von SQL- und Apache Spark-Pools in Azure Synapse Analytics
  • Daten in das Data Warehouse aufnehmen und laden
    • Vewenden von Best Practices zum Laden von Daten in Azure Synapse Analytics
    • Ingestion im Petabyte-Bereich mit Azure Data Factory
  • Transformieren von Daten mit Azure Data Factory oder Azure Synapse Pipelines
    • Datenintegration mit Azure Data Factory oder Azure Synapse Pipelines
    • Codefreie Transformation im großen Maßstab mit Azure Data Factory oder Azure Synapse Pipelines
  • Orchestrierung der Datenbewegung und -transformation in Azure Synapse Pipelines
    • Orchestrierung der Datenbewegung und -transformation in Azure Data Factory
  • End-to-End-Sicherheit mit Azure Synapse Analytics
    • Data Warehouse in Azure Synapse Analytics sichern
    • Konfigurieren und Verwalten von Secrets in Azure Key Vault
    • Implementierung von Compliance-Kontrollen für sensible Daten
  • Hybride transaktionale analytische Verarbeitung (HTAP) mit Azure Synapse Link unterstützen
    • Entwerfen Sie hybride transaktionale und analytische Verarbeitung mit Azure Synapse Analytics
    • Konfigurieren von Azure Synapse Link mit Azure Cosmos DB
    • Abfrage von Azure Cosmos DB mit Apache Spark-Pools
    • Abfrage von Azure Cosmos DB mit serverlosen SQL-Pools
  • Stream-Verarbeitung in Echtzeit mit Stream Analytics
    • Zuverlässiges Messaging für Big Data-Anwendungen mit Azure Event Hubs ermöglichen
    • Arbeiten mit Daten-Streams mithilfe von Azure Stream Analytics
    • Einlesen von Daten-Streams mit Azure Stream Analytics
  • Erstellen einer Stream Processing-Lösung mit Event Hubs und Azure Databricks
    • Verarbeiten von Streaming-Daten mit Azure Databricks Structured Streaming

Zielgruppe

Azure-Datenprofis, Azure-Datenarchitekten

Voraussetzungen

Grundlagen Microsoft Azure, AZ-900 Microsoft Azure Fundamentals, DP-900 Microsoft Azure Data Fundamentals Kurs DP-200: Implementierung einer Azure-Datenlösung

Prüfung

DP-203

Förderung

Kompletter Kurs förderfähig
z.B. mit Bildungsgutschein, über Berufsförderungsdienst (BFD) oder bei Kurzarbeit

Nächste Termine

  • Mo, 02.12.2024
  • Mo, 13.01.2025
  • Mo, 03.02.2025
  • Mo, 03.03.2025
  • Mo, 07.04.2025
  • Mo, 05.05.2025

Anfrage

Kursnummer: LS23.091

zur Übersicht