Azure Data Engineer

Zielgruppen:

IT- und Netzwerk-Fachkräfte, (Fach-)Informatiker:innen, Personen mit praktischer Erfahrung und guten Kenntnissen im IT-Bereich.

Fachliche Voraussetzungen:

Grundkenntnisse in der Verwaltung von Azure werden vorausgesetzt.

Technische Voraussetzungen:

Die Teilnahme am Unterricht erfolgt über Internet per Videotechnik. Voraussetzung für die Nutzung Ihrer eigenen Hardware ist die Installation der Applikation alfaview®: https://cloud.alfanetz.de/test Falls Sie keinen geeigneten Computer haben, erhalten Sie von uns das technische Equipment, um von zuhause aus am Kurs teilnehmen zu können. Sollten die räumlichen und technischen Voraussetzungen Ihnen eine Teilnahme von zuhause aus nicht ermöglichen, können Sie Ihren Kurs auch in einem unserer Bildungszentren absolvieren.

Systematik der Agenturen für Arbeit:

• C 1430-10-15 Microsoft-Systeme - Administration und Zertifizierungen

Inhalte

Azure Data Engineers sind für die Integration von Daten aus unterschiedlichen Datensystemen sowie den Aufbau, die Verwaltung und Wartung hierfür benötigter Datenverarbeitungs-Pipelines zuständig. Du erfährst, wie Künstliche Intelligenz im Beruf eingesetzt wird.

Microsoft Azure Administrator

Verwalten von Azure-Identitäten und -Governance (ca. 2 Tage)
Azure AD-Objekte
Benutzer:innen und Gruppen
Geräteeinstellungen
Massenbenutzeraktualisierungen
Gastkonten
Azure AD Join
Self-Service-Kennwort
Rollenbasierte Zugriffskontrolle (RBAC)
Zugriffszuweisungen
Verzeichnisse
Abonnements und Governance: Azure-Richtlinien, Ressourcen, Tags
Kostenmanagement
Managementgruppen

Speicherplatz implementieren und verwalten (ca. 2 Tage)
Speicherkonten
Zugriffssignatur
Zugriffsschlüssel
Azure-Speicherreplikation
Azure AD-Authentifizierung
Azure-Jobs
Azure Storage Explorer
AZCopy
Azure-Dateien und Azure-Blob-Speicher
Azure-Dateifreigabe
Azure-Dateisynchronisierungsdienst

Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI-Technologien im beruflichen Umfeld
Anwendungsmöglichkeiten und Praxis-Übungen

Bereitstellen und Verwalten von Azure-Rechenressourcen (ca. 4 Tage)
Virtual Machines (VMs) für hohe Verfügbarkeit und Skalierbarkeit
Azure Resource Manager-Vorlage (ARM)
VHD-Vorlage
Azure-Festplattenverschlüsselung
VM-Größen
Hinzufügen von Datendatenträgern
Konfigurieren des Netzwerks
Container
Azure Kubernetes-Dienst (AKS)
Azure Container-Instanzen (ACI)
Web-Apps

Virtuelle Netzwerke konfigurieren und verwalten (ca. 5 Tage)
Virtuelle Netzwerke
VNET-Peering
Private und öffentlichen IP-Adressen, Netzwerkrouten, Netzwerkschnittstellen, Subnetze und virtuelle Netzwerke
Namensauflösung: Azure DNS
Sicherer Zugriff auf virtuelle Netzwerke
NSG zu einem Subnetz oder einer Netzwerkschnittstelle
Azure-Firewall und Azure Bastion-Dienst
Lastausgleich mit Application Gateway
Lokale Konnektivität
Netzwerkleistungsmonitor
Network Watcher
Probleme mit externen Netzwerken
Integrieren eines lokalen Netzwerks in ein virtuelles Azure-Netzwerk
Azure-VPN-Gateway
ExpressRoute
Azure-WAN

Überwachen und Sichern von Azure-Ressourcen (ca. 2 Tage)
Azure Monitor
Metriken
Log Analytics
Diagnoseeinstellungen
Application Insights
Sicherungs- und Wiederherstellungsvorgänge
Sicherungsberichte
Azure-Sicherungsdienst
Vaultouse-Softlöschvorgang
Sicherungsrichtlinien
Azure Site

Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung (ca. 5 Tage)
Microsoft Azure Administrator AZ-104



Relationale Datenbanken mit SQL

Grundlagen von Datenbanksystemen mit Access (ca. 3 Tage)
Redundante Daten
Datenintegrität
Normalisierung
BCNF
DB-Entwurf
Beziehung 1:n, m:n
Datentypen
Tabellen
Primär- und Fremdschlüssel
Referentielle Integrität
Beziehungen zwischen Relationen
Entity-Relationship-Modell
Index, Standartwert
Einschränkungen (Check)
Abfragen
Formulare, Berichte
Zirkelbezug

Einführung in SQL Server Management Studio (SSMS) (ca. 2 Tage)
Übersicht
Phys. DB-Design
Tabellen erstellen
Datentypen in MS SQL
Primary Key
Einschränkungen, Standartwerte, Diagramm, Beziehungen
Backup und Restore

Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI-Technologien im beruflichen Umfeld
Anwendungsmöglichkeiten und Praxis-Übungen

Einführung in DDL (ca. 8 Tage)
SQL Grundlagen
Syntax
Befehle
Mehrere Tabellen
Operatoren
Ablaufkontrolle
Skalarwertfunktionen
Tabellenwertfunktionen
Systemfunktionen
Prozeduren mit und ohne Parameter
Fehlertypen
Transaktionen, Sperren, DeadLock

DCL – Data Control Language (ca. 1 Tag)
Anmeldungen
Benutzer:innen
Rollen
Berechtigungen

Datentypen, Datenimport und -export (ca. 1 Tag)
Datentyp geography
Datenexport, Datenimport

Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse



Programmierung mit Python

Grundlagen Python (ca. 1 Tag)
Geschichte, Konzepte
Verwendung und Einsatzgebiete
Syntax

Erste Schritte mit Python (ca. 5 Tage)
Zahlen
Zeichenketten
Datum und Zeit
Standardeingabe und -ausgabe
list, tuple dict, set
Verzweigungen und Schleifen (if, for, while)

Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI-Technologien im beruflichen Umfeld
Anwendungsmöglichkeiten und Praxis-Übungen

Funktionen (ca. 5 Tage)
Eigene Funktionen definieren
Variablen
Parameter, Rekursion
Funktionale Programmierung

Fehlerbehebung (ca. 0,5 Tage)
try, except
Programmunterbrechungen abfangen

Objektorientierte Programmierung (ca. 4,5 Tage)
Python-Klassen
Methoden
Unveränderliche Objekte
Datenklasse
Vererbung

Grafische Benutzeroberfläche (ca. 1 Tag)
Buttons und Textfelder
grid-Layout
Dateiauswahl

Projektarbeit (ca. 3 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse



Data Engineer

Grundlagen Business Intelligence (ca. 2 Tage)
Anwendungsfelder, Dimensionen einer BI Architektur
Grundlagen Business Intelligence, OLAP, OLTP, Aufgaben der Data Engineers
Data Warehousing (DWH): Umgang und Verarbeitung von strukturierten, semi-strukturierten und unstrukturierten Daten

Anforderungsmanagement (ca. 2 Tage)
Aufgaben, Ziele und Vorgehensweise in der Anforderungsanalyse
Datenmodellierung, Einführung/Modellierung mit ERM
Einführung/Modellierung in der UML
· Klassendiagramme
· Use-Case Analyse
· Aktivitätsdiagramme

Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI-Technologien im beruflichen Umfeld
Anwendungsmöglichkeiten und Praxis-Übungen

Datenbanken (ca. 3 Tage)
Grundlagen von Datenbanksystemen
Architektur von Datenbankmanagementsystemen
Anwendung RDBMS
Umsetzung Datenmodell in RDBMS, Normalformen
Praktische und theoretische Einführung in SQL
Grenzen von Relationalen Datenbanken, csv, json

Data Warehouse (ca. 4 Tage)
Star Schema
Datenmodellierung
Erstellung Star Schema in RDBMS
Snowflake Schema, Grundlagen, Datenmodellierung
Erstellung Snowflake Schema in RDBMS
Galaxy Schema: Grundlagen, Datenmodellierung
Slowly Changing Dimension Tables Typ 1 bis 5 – Restating, Stacking, Reorganizing, mini Dimension und Typ 5
Einführung in normal, causal, mini und monster, heterogeneous und sub Dimensions
Vergleich von state und transaction oriented
Faktentabellen, Density und Storage vom DWH

ETL (ca. 4 Tage)
Data Cleansing
· Null Values
· Aufbereitung von Daten
· Harmonisierung von Daten
· Anwendung von Regular Expressions
Data Understanding
· Datenvalidierung
· Statistische Datenanalyse
Datenschutz, Datensicherheit
Praktischer Aufbau von ETL-Strecken
Data Vault 2.0, Grundlagen, Hubs, Links, Satellites, Hash Key, Hash Diff.
Data Vault Datenmodellierung
Praktischer Aufbau eines Data Vault Modells – Raw Vault, Praktische Umsetzung von Hash-Verfahren

Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse

Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.

Bildungsziel

Nach diesem Lehrgang verfügst du über fundiertes Wissen in der Azure-Konfiguration und -verwaltung. Python- und SQL-Kenntnisse vervollständigen dein Profil und du kannst diese mit den Aufgaben von Data Engineers verknüpfen.