netzweise2

Azure - DP-203T00 - Data Engineering on Microsoft Azure

Die Teilnehmer dieses IT-Seminars werden in den Umgang mit Batch- und Echtzeit-Analyselösungen unter Nutzung von Azure-Datenplattformtechnologien eingeführt. Dabei werden Grundlagen der wichtigsten Computer- und Speichertechnologien vermittelt und verschiedene Erfassungstechniken zum Laden von Daten vorgestellt.

Die Teilnehmer lernen außerdem, Daten zu transformieren und ein Echtzeit-Analysesystem zu erstellen. Das Seminar beinhaltet Schwerpunkte wie die Durchführung von Datenuntersuchungen und -transformationen, die Integration von Daten aus Notebooks und die Streamverarbeitung in Echtzeit. Am Ende des Seminars haben die Teilnehmer die Möglichkeit, das Examen DP-203 abzulegen und den Titel "Microsoft Certified: Azure Data Engineer Associate" zu erhalten.

Bitte beachten Sie, dass das Seminar auf Deutsch, die MOC-Unterlagen jedoch nur auf Englisch angeboten werden und die Prüfungsgebühr nicht in der Kursgebühr enthalten ist.

Kurs-Daten

Seminar

A62

Preis

2590.00 € zzgl. Mwst.

Dauer

4 Tage

Zielgruppe

Dieser Kurs richtet sich an angehende und bestehende Dateningenieure, die umfassende Kenntnisse im Aufbau und der Verwaltung von Batch- und Echtzeit-Analyselösungen auf der Microsoft Azure Datenplattform erwerben möchten. Er ist ideal für alle, die Data Engineering-Lösungen auf Azure implementieren und sich auf die Zertifizierung zum Microsoft Certified: Azure Data Engineer Associate vorbereiten.

Präsenz-Termine

Online-Termine

Der Kurs behandelt folgende Themen:

Modul 1: Compute- und Speicheroptionen für Datentechnikworkloads erkunden

  • Einführung in Azure Synapse Analytics
  • Azure Databricks beschreiben
  • Einführung in Azure Data Lake Storage
  • Die Architektur von Delta Lake beschreiben
  • Arbeiten mit Datenströmen mithilfe von Azure Stream Analytics

Modul 2: Interaktive Abfragen mit serverlosen SQL-Pools von Azure Synapse Analytics ausführen

  • Einführung in die Funktionen der serverlosen SQL-Pools in Azure Synapse
  • Datenabfragen im Data Lake mit serverlosen SQL-Pools von Azure Synapse
  • Erstellen von Metadatenobjekten in serverlosen SQL-Pools von Azure Synapse
  • Daten schützen und Benutzer verwalten in serverlosen SQL-Pools von Azure Synapse

Modul 3: Datenuntersuchung und -transformation in Azure Databricks

  • Azure Databricks beschreiben
  • Daten lesen und schreiben in Azure Databricks
  • Arbeit mit DataFrames in Azure Databricks
  • Fortgeschrittene Methoden für DataFrames in Azure Databricks nutzen

Modul 4: Untersuchen, Transformieren und Laden von Daten im Data Warehouse mit Apache Spark

  • Einführung in die Entwicklung von Big-Data mit Apache Spark in Azure Synapse Analytics
  • Daten erfassen mit Apache Spark-Notebooks in Azure Synapse Analytics
  • Daten transformieren mit DataFrames in Apache Spark-Pools in Azure Synapse Analytics
  • SQL- und Apache Spark-Pools in Azure Synapse Analytics integrieren

Modul 5: Daten erfassen und laden im Data Warehouse

  • Verwendung bewährter Methoden zum Laden von Daten in Azure Synapse Analytics
  • Datenerfassung im Petabyte-Bereich mit Azure Data Factory

Modul 6: Daten transformieren mit Azure Data Factory oder Azure Synapse-Pipelines

  • Datenintegration mit Azure Data Factory oder Azure Synapse-Pipelines
  • Großvolumige Transformation ohne Code mit Azure Data Factory oder Azure Synapse-Pipelines

Modul 7: Orchesteration der Datenverschiebung und -transformation in Azure Synapse-Pipelines

  • Datenverschiebung und -transformation in Azure Data Factory orkestrieren

Modul 8: End-to-End-Sicherheit mit Azure Synapse Analytics

  • Sicherung einer Data Warehouse-Datenbank in Azure Synapse Analytics
  • Konfiguration und Verwaltung von Secrets in Azure Key Vault
  • Implementierung von Compliance-Kontrollen für vertrauliche Daten

Modul 9: Unterstützung von Hybrid Transactional Analytical Processing (HTAP) mit Azure Synapse Link

  • Design der hybriden transaktionalen und analytischen Verarbeitung in Azure Synapse Analytics
  • Konfiguration von Azure Synapse Link mit Azure Cosmos DB
  • Abfragen von Azure Cosmos DB mit Apache Spark-Pools
  • Abfragen von Azure Cosmos DB mit serverlosen SQL-Pools

Modul 10: Echtzeit-Streamverarbeitung mit Stream Analytics

  • Aktivierung von zuverlässigem Messaging für Big Data-Anwendungen mit Azure Event Hubs
  • Arbeit mit Datenströmen mithilfe von Azure Stream Analytics
  • Erfassen von Datenströmen mit Azure Stream Analytics

Modul 11: Erstellen einer Streamverarbeitungslösung mit Event Hubs und Azure Databricks

  • Verarbeitung von Streaming-Daten mit Structured Streaming in Azure Databricks

Kenntnissen in Cloud Computing und Kerndatenkonzepten sowie Berufserfahrung mit Datenlösungen.