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

Target Groups:

Die primäre Zielgruppe für diesen Kurs sind Datenfachleute, Datenarchitekten und Experten für Geschäftsintelligenz, die mehr über Daten-Engineering und das Erstellen von Analyselösungen mit Hilfe von Datenplattformtechnologien in Microsoft Azure erfahren möchten. Die sekundäre Zielgruppe für diesen Kurs sind Datenanalysten und Datenwissenschaftler, die mit auf Microsoft Azure basierenden Analyselösungen arbeiten.

Professional Requirements:

Kenntnissen in Cloud Computing und Kerndatenkonzepten sowie Berufserfahrung mit Datenlösungen.

Technical Requirements:

Keine besonderen Anforderungen.

Classification of the Federal Employment Agency:

• C 1440-15 IT-Service-Management, IT Infrastructure Library (ITIL)

Contents

- Modul 1: Erkunden von Compute- und Speicheroptionen für Datentechnikworkloads
- - Einführung in Azure Synapse Analytics
- - Beschreiben von Azure Databricks
- - Einführung in Azure Data Lake Storage
- - Beschreiben der Delta Lake-Architektur
- - Arbeiten mit Datenströmen mithilfe von Azure Stream Analytics
- Modul 2: Ausführen interaktiver Abfragen mithilfe von serverlosen SQL-Pools von Azure Synapse Analytics
- - Kennenlernen von serverlosen SQL-Pool-Funktionen in Azure Synapse
- - Abfragen von Daten im Lake mit serverlosen SQL-Pools von Azure Synapse
- - Erstellen von Metadatenobjekten in serverlosen SQL-Pools von Azure Synapse
- - Schützen von Daten und Verwalten von Benutzern in serverlosen SQL-Pools von Azure Synapse
- Modul 3: Datenuntersuchung und -transformation in Azure Databricks
- - Beschreiben von Azure Databricks
- - Lesen und Schreiben von Daten in Azure Databricks
- - Arbeiten mit DataFrames in Azure Databricks
- - Arbeiten mit erweiterten Methoden für Dataframes in Azure Databricks
- Modul 4: Untersuchen, Transformieren und Laden von Daten im Data Warehouse mithilfe von Apache Spark
- - Grundlegendes zu Big-Data-Entwicklung 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
- - Integrieren von SQL- und Apache Spark-Pools in Azure Synapse Analytics
- Modul 5: Erfassen und Laden von Daten im Data Warehouse
- - Verwenden von bewährten Methoden zum Laden von Daten in Azure Synapse Analytics
- - Datenerfassung im Petabytebereich mit Azure Data Factory
- Modul 6: Transformieren von Daten mit Azure Data Factory oder Azure Synapse-Pipelines
- - Datenintegration mit Azure Data Factory oder Azure Synapse-Pipelines
- - Transformation ohne Code im großen Stil mit Azure Data Factory oder Azure Synapse-Pipelines
- Modul 7: Orchestrieren der Datenverschiebung und -transformation in Azure Synapse-Pipelines
- - Orchestrieren der Datenverschiebung und -transformation in Azure Data Factory
- Modul 8: End-to-End-Sicherheit mit Azure Synapse Analytics
- - Schützen einer Data Warehouse-Datenbank in Azure Synapse Analytics
- - Konfigurieren und Verwalten von Geheimnissen in Azure Key Vault
- - Implementieren von Compliancekontrollen für vertrauliche Daten
- Modul 9: Unterstützen von Hybrid Transactional Analytical Processing (HTAP) mit Azure Synapse Link
- - Entwerfen der hybriden transaktionalen und analytischen Verarbeitung mithilfe von Azure Synapse Analytics
- - Konfigurieren 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: Streamverarbeitung in Echtzeit mit Stream Analytics
- - Aktivieren von zuverlässigem Messaging für Big Data-Anwendungen mithilfe von Azure Event Hubs
- - Arbeiten 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
- - Verarbeiten von Streamingdaten mit Structured Streaming in Azure Databricks