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.

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