DP-203T00: Data Engineering on Microsoft Azure

Das Training konzentriert sich auf die Vermittlung von Fähigkeiten und Kenntnissen, die notwendig sind, um Datenlösungen auf Azure zu entwerfen und zu implementieren. Teilnehmer lernen, wie sie Daten mit Azure Data Factory, Azure Databricks, Azure Synapse Analytics und anderen Azure-Diensten integrieren, speichern, verarbeiten und analysieren. Der Kurs zielt darauf ab, Daten-Ingenieure mit den besten Praktiken und Mustern für den Bau zuverlässiger, skalierbarer Datenverarbeitungs- und Speicherlösungen auf Azure auszustatten.

Achtung, dieses Training wird zum 31.05.2025 von Microsoft eingestellt! Microsoft empfiehlt als Nachfolgekurs DP-700T00: Microsoft Fabric Data Engineer.
Jetzt beraten lassen

Physisch oder virtuell?

Nehmen Sie an einem unserer Standorte Frankfurt, München und Wien oder virtuell an unseren Klassenraumtrainings teil. Unter “Termin buchen” werden Ihnen alle Optionen angezeigt, zuerst sortiert nach Standort, dann nach Datum.

Die Hauptzielgruppe für diesen Training sind Datenexperten, Datenarchitekten und Business Intelligence-Experten, die sich über Datentechnik und das Erstellen von Analyselösungen mithilfe der Datenplattformtechnologien in Microsoft Azure informieren möchten. Die sekundäre Zielgruppe für diesen Training umfasst Data Analysten und wissenschaftliche Fachkräfte für Daten, die auf Microsoft Azure basierende Analyselösungen nutzen.
Die Kenntnisse zu Cloud Computing und Kerndatenkonzepten sowie Berufserfahrung mit Datenlösungen sind notwendig.

Wichtige Information

Dieses Training behandelt prüfungsrelevante Themen zum Examen: Microsoft Certified: Azure Data Engineer Associate

Was werden Sie in diesem Training erlernen?

In diesem Training erfahren die Trainingsteilnehmer, wie sie Datentechnikworkloads in Microsoft Azure implementieren und verwalten, indem sie unter anderem Azure-Dienste wie Azure Synapse Analytics, Azure Data Lake Storage Gen2, Azure Stream Analytics, Azure Databricks verwenden. Der Kurs fokussiert sich auf allgemeine Datentechnikaufgaben wie das Orchestrieren von Datenübertragungs- und Transformationspipelines, das Arbeiten mit Datendateien in einem Data Lake, das Erstellen und Laden relationaler Data Warehouses, das Erfassen und Aggregieren von Datenströmen in Echtzeit sowie das Nachverfolgen von Datenressourcen und -herkunft.

Agenda

Introduction to data engineering on Azure
What is data engineering
Important data engineering concepts
Data engineering in Microsoft Azure
Introduction to Azure Data Lake Storage Gen2
Understand Azure Data Lake Storage Gen
Enable Azure Data Lake Storage Gen2 in Azure Storage
Use Azure Data Lake Storage Gen2 in data analytics workloads
Understand the stages for processing big data
Compare Azure Data Lake Store to Azure Blob storage
Introduction to Azure Synapse Analytics
When to use Azure Synapse Analytics
What is Azure Synapse Analytics
How Azure Synapse Analytics works
Use Azure Synapse serverless SQL pool to query files in a data lake
Create external database objects
Query files using a serverless SQL pool
Understand Azure Synapse serverless SQL pool capabilities and use cases
Use Azure Synapse serverless SQL pools to transform data in a data lake
Transform data files with the CREATE EXTERNAL TABLE AS SELECT statement
Encapsulate data transformations in a stored procedure
Include a data transformation stored procedure in a pipeline
Create a lake database in Azure Synapse Analytics
Create a lake database
Explore database templates
Understand lake database concepts
Use a lake database
Analyze data with Apache Spark in Azure Synapse Analytics
Get to know Apache Spark
Analyze data with Spark
Use Spark in Azure Synapse Analytics
Visualize data with Spark
Transform data with Spark in Azure Synapse Analytics
Transform data with SQL
Partition data files
Modify and save dataframes
Use Delta Lake in Azure Synapse Analytics
Use Delta Lake with streaming data
Understand Delta Lake
Create Delta Lake tables
Create catalog tables
Use Delta Lake in a SQL pool
Analyze data in a relational data warehouse
Query a data warehouse
Load data warehouse tables
Create data warehouse tables
Design a data warehouse schema
Load data into a relational data warehouse
Load staging tables
Load time dimension tables
Load dimension tables
Perform post load optimization
Load fact tables
Load slowly changing dimensions
Build a data pipeline in Azure Synapse Analytics
Define data flows
Understand pipelines in Azure Synapse Analytics
Create a pipeline in Azure Synapse Studio
Run a pipeline
Use Spark Notebooks in an Azure Synapse Pipeline
Use parameters in a notebook
Use a Synapse notebook activity in a pipeline
Understand Synapse Notebooks and Pipelines
Plan hybrid transactional and analytical processing using Azure Synapse Analytics
Describe Azure Synapse Link
Understand hybrid transactional and analytical processing patterns
Implement Azure Synapse Link with Azure Cosmos DB
Query Cosmos DB with Synapse SQL
Query Cosmos DB data with Spark
Create a linked service for Cosmos DB
Create an analytical store enabled container
Enable Cosmos DB account to use Azure Synapse Link
Implement Azure Synapse Link for SQL
What is Azure Synapse Link for SQL?
Configure Azure Synapse Link for Azure SQL Database
Configure Azure Synapse Link for SQL Server 2022
Get started with Azure Stream Analytics
Understand window functions
Understand event processing
Understand data streams
Ingest streaming data using Azure Stream Analytics and Azure Synapse Analytics
Stream ingestion scenarios
Configure inputs and outputs
Define a query to select, filter, and aggregate data
Run a job to ingest data
Visualize real-time data with Azure Stream Analytics and Power BI
Use a Power BI output in Azure Stream Analytics
Create a query for real-time visualization
Create real-time data visualizations in Power BI
Introduction to Microsoft Purview
When to use Microsoft Purview
How Microsoft Purview works
What is Microsoft Purview?
Integrate Microsoft Purview and Azure Synapse Analytics
Catalog Azure Synapse Analytics data assets in Microsoft Purview
Connect Microsoft Purview to an Azure Synapse Analytics workspace
Search a Purview catalog in Synapse Studio
Track data lineage in pipelines
Explore Azure Databricks
Identify Azure Databricks workloads
Understand key concepts
Get started with Azure Databricks
Use Apache Spark in Azure Databricks
Create a Spark cluster
Use Spark in notebooks
Use Spark to work with data files
Visualize data
Get to know Spark
Run Azure Databricks Notebooks with Azure Data Factory
Use parameters in a notebook
Use a Notebook activity in a pipeline
Create a linked service for Azure Databricks
Understand Azure Databricks notebooks and pipelines
  • Group Exercise: Review Architecting on AWS core best practices
  • Lab 1: Securing Amazon S3 VPC Endpoint Communications
  • Group Exercise: Review Architecting on AWS core best practices
  • AWS Organizations for multi-account access and permissions
  • AWS SSO to simplify access and authentication across AWS accounts and third-party services
  • AWS Control Tower
  • Permissions, access, and authentication
  • Group Exercise: Review Architecting on AWS core best practices
  • Lab 1: Securing Amazon S3 VPC Endpoint Communications
  • Group Exercise: Review Architecting on AWS core best practices
  • Lab 1: Securing Amazon S3 VPC Endpoint Communications

Dein Training im Überblick

Dauer 4
Trainingssprache Deutsch
Trainingsart brainyCLASS (offen)

2.535,00 €

Startdatum und Ort wählen

Terminübersicht