Azure for Data Engineer

• Doświadczenie z podstawową analizą danych (np. Excel)
• Ogólne zrozumienie koncepcji chmury (np. AWS)

Publiczność

• Inżynierowie Database
• Programiści

Analiza danych odnosi się do procesu pozyskiwania, czyszczenia i analizowania danych, często w sposób wizualny, w celu uzyskania wglądu w lepsze podejmowanie decyzji. Coraz więcej danych jest przechowywanych w bazach danych w chmurze, dlatego ważne jest, aby mieć strategię rozumienia, zarządzania i uzyskiwania dostępu do takich danych. Jednym z popularnych narzędzi do uzyskiwania dostępu do danych i ich wizualizacji jest Power Bi.

To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla osób technicznych, które chcą uzyskać praktyczne zrozumienie dostępnych rozwiązań chmurowych, procesów analizy danych potrzebnych do pracy z danymi w chmurze oraz praktyczną praktykę stosowania narzędzi takich jak Power BI do analizy danych.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Instalacja i konfiguracja Power BI.
• Ocena różnych rozwiązań w zakresie danych oferowanych przez dostawców usług w chmurze, takich jak Azure.
• Zrozumienie różnych struktur, podejść do modelowania i projektów hurtowni danych używanych do przechowywania, zarządzania i uzyskiwania dostępu Big Data.
• Stosowanie narzędzi i technik do czyszczenia danych w ramach przygotowań do analizy.
• Tworzenie rozwiązań do raportowania i analizy danych w oparciu o dane lokalne i chmurowe.
• Integracja rozwiązań do analizy danych z hurtownią danych.
• Ograniczanie ryzyka związanego z bezpieczeństwem danych i zapewnianie prywatności danych.

Format kursu

• Interaktywny wykład i dyskusja.
• Dużo ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym.

1 Azure dla inżyniera danych

• Wyjaśnienie ewoluującego świata danych
• Przegląd usług na platformie Azure Data Platform
• Identyfikacja zadań wykonywanych przez inżyniera danych
• Opisanie przypadków użycia chmury w studium przypadku
• Zidentyfikuj ewoluujący świat danych
• Określanie usług platformy danych Azure
• Identyfikacja zadań do wykonania przez inżyniera danych
• Sfinalizowanie rezultatów inżynierii danych

2 Praca z przechowywaniem danych

• Wybór podejścia do przechowywania danych w Azure.
• Utwórz konto magazynu Azure
• Wyjaśnienie magazynu Azure Data Lake
• Prześlij dane do Azure Data Lake
• Laboratorium: Praca z magazynem danych
• Wybierz podejście do przechowywania danych w Azure.
• Utwórz konto magazynu
• Wyjaśnienie magazynu Data Lake
• Przesyłanie danych do magazynu Data Lake

3) Umożliwienie pracy zespołowej Data Science z Azure Databricks

• Wyjaśnij Azure Databricks
• Praca z Azure Databricks
• Odczytywanie danych za pomocą Azure Databricks
• Wykonywanie transformacji z Azure Databricks
• Laboratorium: Umożliwianie pracy zespołowej Data Science z Azure Databricks
• Wyjaśnij Azure Databricks
• Praca z Azure Databricks
• Odczytywanie danych z Azure Databricks
• Wykonywanie transformacji z Azure Databricks

4. Tworzenie globalnie rozproszonych Database baz danych z Cosmos DB

• Tworzenie Azure Cosmos DB bazy danych zbudowanej do skalowania
• Wstawianie i przeszukiwanie danych w bazie danych Azure Cosmos DB
• Zbuduj aplikację .NET Core dla Cosmos DB w Visual Studio Code.
• Dystrybuuj dane globalnie za pomocą Azure Cosmos DB
• Laboratorium: Tworzenie globalnie rozproszonych Database baz danych z Cosmos DB
• Tworzenie Azure Cosmos DB
• Wstawianie i odpytywanie danych w Azure Cosmos DB
• Tworzenie aplikacji .Net Core dla Azure Cosmos DB przy użyciu VS Code
• Globalna dystrybucja danych za pomocą Azure Cosmos DB

5 Praca z relacyjnymi magazynami danych w chmurze

• Użyj Azure SQL Database
• Opisać Azure SQL Data Warehouse
• Tworzenie i odpytywanie Azure SQL Data Warehouse
• Używanie PolyBase do ładowania danych do Azure SQL Data Warehouse
• Laboratorium: Praca z relacyjnymi magazynami danych w chmurze
• Użyj Azure SQL Database
• Describe Azure SQL Data Warehouse
• Tworzenie i wysyłanie zapytań do Azure SQL Data Warehouse
• Używanie PolyBase do ładowania danych do Azure SQL Data Warehouse

6. Wykonywanie analiz w czasie rzeczywistym za pomocą Stream Analytics

• Wyjaśnienie strumieni danych i przetwarzania zdarzeń
• Pozyskiwanie danych za pomocą koncentratorów zdarzeń
• Przetwarzanie danych za pomocą zadań Stream Analytics
• Laboratorium: Wykonywanie analiz w czasie rzeczywistym za pomocą Stream Analytics
• Wyjaśnienie strumieni danych i przetwarzania zdarzeń
• Pozyskiwanie danych za pomocą koncentratorów zdarzeń
• Przetwarzanie danych za pomocą zadań Stream Analytics

7 Organizowanie przepływu danych za pomocą Azure Data Factory

• Wyjaśnij, jak działa Azure Data Factory
• Komponenty Azure Data Factory
• Fabryka danych Azure i Databricks.
• Laboratorium: Organizowanie przepływu danych za pomocą Azure Data Factory
• Wyjaśnij, jak działa Fabryka danych
• Składniki Azure Data Factory
• Fabryka danych Azure i Databricks

8) Zabezpieczanie platform danych [770

• Wprowadzenie do bezpieczeństwa
• Kluczowe składniki zabezpieczeń
• Zabezpieczanie kont magazynu i magazynu Data Lake
• Zabezpieczanie magazynów danych
• Zabezpieczanie danych przesyłanych strumieniowo
• Laboratorium: Zabezpieczanie platform danych Azure
• Wprowadzenie do zabezpieczeń
• Kluczowe składniki zabezpieczeń
• Zabezpieczanie kont magazynu i magazynu Data Lake
• Zabezpieczanie magazynów danych
• Zabezpieczanie danych przesyłanych strumieniowo

9 Monitorowanie i rozwiązywanie problemów z przechowywaniem i przetwarzaniem danych

• Wyjaśnienie dostępnych funkcji monitorowania
• Rozwiązywanie typowych problemów związanych z przechowywaniem danych
• Rozwiązywanie typowych problemów z przetwarzaniem danych
• Zarządzanie odzyskiwaniem danych po awarii
• Laboratorium: Monitorowanie i rozwiązywanie problemów z przechowywaniem i przetwarzaniem danych
• Wyjaśnienie dostępnych funkcji monitorowania
• Rozwiązywanie typowych problemów z przechowywaniem danych
• Rozwiązywanie typowych problemów z przetwarzaniem danych
• Zarządzanie odzyskiwaniem po awarii