Kurs: Data Engineering on Microsoft Azure Präsenz oder Online-Schulung, Training, Seminar und Ausbildung in Wien und Graz

In diesem Kurs lernen Sie die Data Engineering-Muster und -Praktiken im Zusammenhang mit Batch- und Echtzeit-Analyselösungen kennen, die unter Azure-Datenplattform-Technologien verwendet werden. Die Teilnehmer lernen zunächst die zentralen Rechen- und Speichertechnologien kennen, die zum Erstellen einer analytischen Lösung verwendet werden. Anschließend werden sie untersuchen, wie analytische Serving-Layer entworfen werden, und sich auf Data Engineering-Überlegungen für die Arbeit mit Quelldateien konzentrieren.

Kursinhalte

Compute- und Speicheroptionen für Data-Engineering-Arbeitslasten

Einführung in Azure Synapse Analytics
Azure Databricks
Einführung in Azure-Data-Lake-Speicher
Delta-Lake-Architektur
Arbeiten mit Datenströmen unter Verwendung von Azure Stream Analytics

Design und Implementierung des Serving Layer

Design eines mehrdimensionalen Schemas, um analytische Arbeitslasten zu optimieren
Codefreie, bedarfsgerechte Transformation mit Azure Data Factory
Befüllen sich langsam ändernder Dimensionen in Azure-Synapse-Analytics-Pipelines

Data-Engineering-Überlegungen für Quelldateien

Design eines Modern Data Warehouse mithilfe von Azure Synapse Analytics
Absichern eines Data Warehouse in Azure Synapse Analytics

Ausführen interaktiver Abfragen mithilfe von serverlosen Azure-Synapse-Analytics-SQL-Pools

Möglichkeiten serverloser Azure-Synapse-SQL-Pools
Abfragen von Daten im Lake mithilfe serverloser Azure-Synapse-SQL-Pools
Erstellen von Metadatenobjekten in serverlosen Azure-Synapse-SQL-Pools
Absichern von Daten und Verwalten von Benutzern in serverlosen Azure-Synapse-SQL-Pools

Untersuchen, Transformieren und Laden von Daten in das Data Warehouse mithilfe von Apache Spark

Big-Data-Engineering mit Apache Spark in Azure Synapse Analytics
Erfassen von Daten mit Apache-Spark-Notebooks in Azure Synapse Analytics
Transformieren von Daten mit DataFrames in Apache-Spark-Pools in Azure Synapse Analytics
Integration von SQL- und Apache-Spark-Pools in Azure Synapse Analytics

Datenuntersuchung und -transformation in Azure Databricks

Azure Databricks
Lesen und Schreiben von Daten in Azure Databricks
Arbeiten mit DataFrames in Azure Databricks
Arbeiten mit erweiterten DataFrames-Methoden in Azure Databricks

Erfassen und Laden von Daten in das Data Warehouse

Best Practices für das Laden von Daten in Azure Synapse Analytics
Erfassen von Daten im Petabyte-Maßstab 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, bedarfsgerechte Transformation mit Azure Data Factory oder Azure-Synapse-Pipelines

Orchestrierung von Datenbewegung und -transformation in Azure-Synapse-Pipelines

Optimieren der Abfrageleistung mit dedizierten SQL-Pools in Azure Synapse

Optimieren der Data-Warehouse-Abfrageleistung in Azure Synapse Analytics
Data-Warehouse-Entwicklerfeatures von Azure Synapse Analytics
Analysieren und Optimieren des Data-Warehouse-Speichers

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

Design hybrider transaktionaler und analytischer Verarbeitung mithilfe von 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

Ende-zu-Ende-Sicherheit mit Azure Synapse Analytics

Absichern eines Data Warehouse in Azure Synapse Analytics
Konfigurieren und Verwalten von Geheimnissen in Azure Key Vault
Implementieren von Compliancekontrollen für sensible Daten

Echtzeit-Streamverarbeitung mit Stream Analytics

Verlässliches Messaging für Big-Data-Anwendungen mithilfe von Azure Event Hubs
Arbeiten mit Datenströmen unter Verwendung von Azure Stream Analytics
Erfassen von Datenströmen mit Azure Stream Analytics

Erstellen einer Streamverarbeitungs-Lösung mit Event Hubs und Azure Databricks

Erstellen von Berichten mithilfe der Power-BI-Integration mit Azure Synapse Analytics

Integrierte Maschinenlernprozesse in Azure Synapse Analytics

Zielgruppe

Datenprofis, -architekten und Business-Intelligence-Professionals, die die Datenplattformtechnologien auf Microsoft Azure kennenlernen wollen. Datenanalysten und -wissenschaftler, die mit analytischen Lösungen arbeiten, die auf Microsoft Azure basieren.