Beschreibung
In diesem umfassenden Kurs 'Data Engineering on Microsoft Azure' tauchst Du tief in die Welt der Datentechnik ein und lernst, wie Du Datentechnik-Workloads effizient in Microsoft Azure implementieren und verwalten kannst. Der Kurs richtet sich an Datenexpert*innen, Datenarchitekt*innen und Business Intelligence-Expert*innen, die sich mit den neuesten Technologien und Methoden der Datentechnik vertraut machen möchten. Du wirst die verschiedenen Azure-Dienste, wie Azure Synapse Analytics, Azure Data Lake Storage Gen2, Azure Stream Analytics und Azure Databricks, kennenlernen und erfahren, wie sie in der Praxis angewendet werden. Der Kurs beginnt mit einer Einführung in die Datentechnik auf Azure, wo Du die grundlegenden Konzepte und deren Bedeutung für moderne Datenlösungen verstehst. Du wirst lernen, wie Du Azure Data Lake Storage Gen2 aktivierst, Datendateien in einem Data Lake verwaltest und große Datenmengen verarbeitest. Ein wichtiger Bestandteil des Kurses ist das Erstellen und Laden relationaler Data Warehouses, das Erfassen und Aggregieren von Echtzeitdatenströmen sowie das Nachverfolgen von Datenressourcen und deren Herkunft. Ein weiteres Highlight des Kurses ist die Arbeit mit Azure Synapse Analytics. Du wirst lernen, wie Du serverlose SQL-Pools nutzt, um Daten in einem Data Lake zu abzufragen, und wie Du Daten mit Hilfe von Spark analysierst und visualisierst. Der Kurs vermittelt Dir auch Kenntnisse über Delta Lake, mit dem Du Daten in einer SQL-Pool-Umgebung analysieren kannst. Darüber hinaus wirst Du die Grundlagen des Datenpipeline-Managements in Azure Synapse Analytics erlernen. Du erfährst, wie Du Pipelines in Azure Synapse Studio erstellst, Datenflüsse definierst und Spark-Notebooks in Deine Pipelines integrierst. Auch das Thema Azure Stream Analytics wird behandelt, wo Du lernst, wie Du Echtzeitdatenströme verarbeiten und visualisieren kannst. Du wirst in der Lage sein, Daten mit Power BI zu visualisieren und Echtzeit-Datenvisualisierungen zu erstellen. Der Kurs schließt mit einer Einführung in Microsoft Purview ab, wo Du lernst, wie Du Datenressourcen katalogisierst und die Datenherkunft in Deinen Pipelines nachverfolgst. Mit praktischen Übungen und realen Anwendungsfällen wirst Du bestens auf die Herausforderungen im Bereich Data Engineering vorbereitet sein und wertvolle Fähigkeiten erwerben, die in der heutigen Datenlandschaft unerlässlich sind.
Tags
#Datenanalyse #Cloud-Computing #Datenvisualisierung #Microsoft-Azure #Business-Intelligence #Cloud Computing #Microsoft Azure #Big-Data #Datenarchitektur #Business IntelligenceTermine
Kurs Details
Die Hauptzielgruppe dieses Kurses sind Datenexpert*innen, Datenarchitekt*innen und Business Intelligence-Expert*innen, die ihre Kenntnisse im Bereich Datentechnik erweitern möchten. Auch Data Analyst*innen und wissenschaftliche Fachkräfte für Daten, die auf Microsoft Azure basierende Analyselösungen nutzen, sind herzlich eingeladen, an diesem Kurs teilzunehmen. Dieser Kurs ist ideal für alle, die praktische Fähigkeiten in der Datenverarbeitung und -analyse aufbauen möchten.
Data Engineering ist ein zentraler Bestandteil der Datenwissenschaft, der sich mit dem Entwurf, der Erstellung und der Verwaltung von Dateninfrastrukturen beschäftigt. Es umfasst die Entwicklung von Datenpipelines, die Datenintegration, die Datenverarbeitung und die Sicherstellung der Datenqualität. In Microsoft Azure bietet eine Vielzahl von Tools und Diensten, die es ermöglichen, große Datenmengen effizient zu verarbeiten und zu analysieren. Der Kurs vermittelt die notwendigen Kenntnisse, um diese Tools erfolgreich einzusetzen und wertvolle Erkenntnisse aus Daten zu gewinnen.
- Was sind die Hauptfunktionen von Azure Data Lake Storage Gen2?
- Erkläre den Unterschied zwischen Azure Synapse Analytics und Azure Databricks.
- Wie kannst Du Echtzeitdaten mit Azure Stream Analytics verarbeiten?
- Was ist Delta Lake und welche Vorteile bietet es?
- Beschreibe die Schritte zur Erstellung einer Datenpipeline in Azure Synapse Analytics.
- Wie integrierst Du Microsoft Purview in Azure Synapse Analytics?
- Was sind serverlose SQL-Pools und wann solltest Du sie verwenden?
- Welche Rolle spielen Datenherkunft und -nachverfolgung in Data Engineering?
- Wie analysierst Du Daten mit Apache Spark in Azure Synapse Analytics?
- Erkläre die Bedeutung von Hybrid-Transaktions- und analytischen Verarbeitungsmustern.
