| Kursbeschreibung (description): |
In diesem Kurs AW271 Building Data Analytics Solutions using Amazon Redshift entwickeln Sie eine Data-Analytics-Lösung mit Amazon Redshift, einem Cloud Data Warehouse Service. Der Kurs AW271 Building Data Analytics Solutions using Amazon Redshift konzentriert sich auf die Komponenten der Analytics-Pipeline zur Datenerfassung, -aufnahme, -katalogisierung, -speicherung und -verarbeitung. Sie lernen, Amazon Redshift mit einem Data Lake zu integrieren, um sowohl Analytics- als auch Machine-Learning-Workloads zu unterstützen. Außerdem lernen Sie, Best Practices für Sicherheit, Performance und Kostenmanagement beim Betrieb von Amazon Redshift anzuwenden.
Dieser Kurs AW271 Building Data Analytics Solutions using Amazon Redshift umfasst Präsentationen, interaktive Demos, praktische Übungen (Labs), Diskussionen und Kursaktivitäten.
|
|
| Zielgruppe (target group): |
Der Kurs AW271 Building Data Analytics Solutions using Amazon Redshift richtet sich an:
- Data Warehouse Engineers
- Data Platform Engineers
- Architekten und Betreiber, die Data-Analytics-Pipelines erstellen und betreiben
|
|
| Voraussetzungen (requirements): |
Um an dem Kurs AW271 Building Data Analytics Solutions using Amazon Redshift bei qSkills teilnehmen zu können, sollten Sie die folgenden AWS-Trainings besucht haben:
Teilnehmer mit mindestens einjähriger Erfahrung im Management von Data Warehouses profitieren besonders von diesem Kurs.
|
|
| Ziele (objectives): |
In diesem Kurs AW271 Building Data Analytics Solutions using Amazon Redshift lernen Sie:
- Die Funktionen und Vorteile von Data Warehouses, Data Lakes und modernen Datenarchitekturen zu vergleichen
- Eine Data-Warehouse-Analytics-Lösung zu entwerfen und zu implementieren
- Geeignete Techniken – einschließlich Komprimierung – zur Optimierung der Datenspeicherung zu identifizieren und anzuwenden
- Geeignete Optionen zur Datenaufnahme, -transformation und -speicherung auszuwählen und bereitzustellen
- Die passenden Instanz- und Knotentypen, Cluster, Auto Scaling-Mechanismen und Netzwerktopologien für einen bestimmten geschäftlichen Anwendungsfall auszuwählen
- Zu verstehen, wie Datenspeicherung und -verarbeitung Analyse- und Visualisierungsmechanismen beeinflussen, die zur Gewinnung geschäftsrelevanter Erkenntnisse erforderlich sind
- Daten im Ruhezustand und bei der Übertragung zu schützen
- Analytics-Workloads zu überwachen, um Probleme zu identifizieren und zu beheben
- Best Practices im Kostenmanagement anzuwenden
|
|
| Preis und Dauer (price and duration): |
Dauer (duration): 1 Tag
Preis (price): 750,- Euro zzgl. MwSt.
Eine Druckansicht dieses Workshops finden Sie hier.
|
|
| Termine (dates): |
Termine auf Anfrage.
Falls Sie einen Terminwunsch für diesen Workshop haben, werden wir dies gerne für Sie prüfen!
|
|
|
| Inhalte (agenda): |
- Überblick über Data Analytics und die Datenpipeline
- Anwendungsfälle für Data Analytics
- Nutzung der Datenpipeline für Analytics
- Einsatz von Amazon Redshift in der Data-Analytics-Pipeline
- Warum Amazon Redshift für Data Warehousing?
- Überblick über Amazon Redshift
- Einführung in Amazon Redshift
- Architektur von Amazon Redshift
- Interaktive Demo 1: Rundgang durch die Amazon Redshift-Konsole
- Funktionen von Amazon Redshift
- Practice Lab 1: Daten in einen Amazon Redshift-Cluster laden und abfragen
- Datenaufnahme und -speicherung
- Datenaufnahme
- Interaktive Demo 2: Verbindung zum Amazon Redshift-Cluster über ein Jupyter-Notebook mit der Data API
- Datenverteilung und -speicherung
- Interaktive Demo 3: Analyse semi-strukturierter Daten mit dem Datentyp SUPER
- Datenabfragen in Amazon Redshift
- Practice Lab 2: Data Analytics mit Amazon Redshift Spectrum
- Datenverarbeitung und -optimierung
- Datentransformation
- Erweiterte Abfragen
- Practice Lab 3: Datentransformation und Abfragen in Amazon Redshift
- Ressourcenmanagement
- Interaktive Demo 4: Anwendung von gemischtem Workload-Management in Amazon Redshift
- Automatisierung und Optimierung
- Interaktive Demo 5: Amazon Redshift-Cluster-Resize von dc2.large zu ra3.xlplus
- Sicherheit und Monitoring von Amazon Redshift-Clustern
- Absicherung des Amazon Redshift-Clusters
- Überwachung und Fehlerbehebung bei Amazon Redshift-Clustern
- Design von Data-Warehouse-Analytics-Lösungen
- Überprüfung von Data-Warehouse-Anwendungsfällen
- Activity: Design eines Data-Warehouse-Analytics-Workflows
- Entwicklung moderner Datenarchitekturen auf AWS
- Moderne Datenarchitekturen
|
|
|
