Skip to main content

Exam Prep: AWS Certified AI Practitioner

Geschrieben von Gemma Corrado am . Veröffentlicht in AWS Training, Training.





Exam Prep: AWS Certified AI Practitioner

aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

BESCHREIBUNG

Der Kurs Exam Prep: AWS Certified AI Practitioner bereitet Sie umfassend auf die Prüfung zum AWS Certified AI Practitioner vor. Sie erhalten einen tiefgehenden Einblick in alle relevanten Themenbereiche der Prüfung und lernen, wie diese mit der Entwicklung von KI- und Machine-Learning-Lösungen auf der AWS-Plattform zusammenhängen. Durch ausführliche Erklärungen und das Durcharbeiten prüfungsähnlicher Fragen festigen Sie Ihr Wissen, decken Wissenslücken auf und entwickeln effektive Strategien zur Bearbeitung der Prüfungsfragen. Die Analyse von Musterfragen hilft Ihnen dabei, falsche Antworten zu erkennen und Ihren Umgang mit der Prüfung weiter zu verbessern. Am Ende des Kurses verfügen Sie über ein solides Verständnis der Konzepte und praktischen Anwendungen, die in der Prüfung zum AWS Certified AI Practitioner abgefragt werden.

Kursziele

In diesem Kurs lernen Sie:

  • Den Prüfungsumfang und die Inhalte der AWS Certified AI Practitioner Prüfung einzuschätzen.
  • Prüfungsfragen im Stil der echten Prüfung zu üben und Ihre Vorbereitungsstrategie zu bewerten.
  • Anwendungsfälle zu analysieren und voneinander zu unterscheiden.

ZIELGRUPPE

Dieser Kurs ist konzipiert für:

  • Personen, die sich auf die AWS Certified AI Practitioner Prüfung vorbereiten.

Voraussetzungen

Für die Teilnahme am Kurs sind keine speziellen Trainings vorab erforderlich. Für die Prüfungsvorbereitung wird jedoch folgendes Wissen empfohlen:

Empfohlenes AWS-Wissen:

  • Grundkenntnisse der wichtigsten AWS-Services (z. B. Amazon EC2, Amazon S3, AWS Lambda, Amazon SageMaker AI) sowie deren typische Anwendungsfälle
  • Erste Erfahrungen (bis zu 6 Monate) mit KI- und ML-Technologien auf AWS
  • Vertrautheit mit KI- und ML-Lösungen auf AWS
  • Kenntnisse des AWS Shared Responsibility Models im Hinblick auf Sicherheit und Compliance
  • Grundverständnis von AWS Identity and Access Management (IAM) zur Absicherung und Steuerung des Zugriffs auf AWS-Ressourcen
  • Grundkenntnisse der AWS-Globalinfrastruktur, einschließlich AWS-Regionen, Availability Zones und Edge-Standorten
  • Vertrautheit mit AWS-Preismodellen

Empfohlene (aber nicht verpflichtende) Vorbereitungskurse:

Die folgenden (englischsprachigen) Online-Kurse mit jeweils kurzer Dauer werden zur Unterstützung empfohlen:

  • Fundamentals of Machine Learning and Artificial Intelligence (1 Stunde)
  • Exploring Artificial Intelligence Use Cases and Applications (1 Stunde)
  • Responsible Artificial Intelligence Practices (1 Stunde)
  • Developing Machine Learning Solutions (1 Stunde)
  • Developing Generative Artificial Intelligence Solutions (1 Stunde)
  • Essentials of Prompt Engineering (1 Stunde)
  • Optimizing Foundation Models (1 Stunde)
  • Security, Compliance, and Governance for AI Solutions (1 Stunde)
  • Generative AI for Executives (15 Minuten)
  • Amazon Q Business Getting Started (45 Minuten)
  • Amazon Bedrock Getting Started (1 Stunde)
  • Getting Started with Amazon Comprehend: Custom Classification (1 Stunde 15 Minuten)
  • Build a Question-Answering Bot Using Generative AI (1 Stunde 30 Minuten)

LEHRMETHODE

Dieser Kurs setzt sich zusammen aus:

  • Themenübersichtspräsentationen
  • Prüfungsähnliche Fragen
  • Praxisbeispiele
  • Gruppen- und Diskussionsaktivitäten

KURSDAUER / PREIS

  • 1 Tag
  • € 775,00 zzgl. Mwst. pro Person (DE)

KURSINHALT

Tag 1

  • Bereich 1: Grundlagen von Künstlicher Intelligenz (KI) und Machine Learning (ML)
    • Grundlegende Konzepte und Begriffe der KI erklären
    • Praxisnahe Anwendungsfälle für KI identifizieren
    • Den Lebenszyklus der ML-Entwicklung beschreiben
  • Bereich 2: Grundlagen der Generativen KI
    • Grundkonzepte der generativen KI erklären
    • Fähigkeiten und Grenzen der generativen KI zur Lösung geschäftlicher Herausforderungen verstehen
    • AWS-Infrastruktur und -Technologien zum Aufbau generativer KI-Anwendungen beschreiben
  • Bereich 3: Anwendungen von Foundation Models (Grundlagenmodellen)
    • Gestaltungsaspekte bei Anwendungen mit Foundation Models beschreiben
    • Effektive Techniken des Prompt Engineerings auswählen
    • Trainings- und Feinabstimmungsprozesse (Fine-Tuning) von Foundation Models beschreiben
    • Methoden zur Bewertung der Leistungsfähigkeit von Foundation Models beschreiben
  • Bereich 4: Leitlinien für verantwortungsvolle KI
    • Die Entwicklung verantwortungsvoller KI-Systeme erklären
    • Die Bedeutung transparenter und erklärbarer Modelle erkennen
  • Bereich 5: Sicherheit, Compliance und Governance für KI-Lösungen
    • Methoden zur Absicherung von KI-Systemen erklären
    • Vorschriften zu Governance und Compliance für KI-Systeme erkennen

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

Neue Termine in Planung!

Weiterlesen

Exam Prep: AWS Certified Machine Learning Engineer – Associate

Geschrieben von Gemma Corrado am . Veröffentlicht in AWS Training, Training.





Exam Prep: AWS Certified Machine Learning Engineer – Associate

aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

BESCHREIBUNG

Der Kurs Exam Prep: AWS Certified Machine Learning Engineer – Associate bereitet Sie umfassend auf die Prüfung zum AWS Certified Machine Learning Engineer – Associate  vor, indem er die wichtigsten Themenbereiche detailliert behandelt. Sie erhalten Einblicke in die zentralen Inhalte der Prüfung und erfahren, wie diese mit der Entwicklung von KI- und ML-Lösungen auf der AWS-Plattform zusammenhängen. Durch ausführliche Erklärungen und das Durcharbeiten von prüfungsähnlichen Fragen festigen Sie Ihr Wissen, erkennen Wissenslücken und erlernen effektive Strategien zum Beantworten der Fragen. Der Kurs beinhaltet auch die Bearbeitung von Musterprüfungsfragen, um Sie dabei zu unterstützen, falsche Antworten zu erkennen und Ihre Prüfungskompetenz zu verbessern. Am Ende des Kurses verfügen Sie über ein fundiertes Verständnis der Konzepte und praktischen Anwendungen, die in der AWS Certified Machine Learning Engineer – Associate Prüfung abgefragt werden.

Kursziele

In diesem Kurs lernen Sie:

  • Den Prüfungsumfang und die Inhalte der AWS Certified Machine Learning Engineer – Associate Prüfung einzuschätzen.
  • Prüfungsfragen im Stil der echten Prüfung zu üben und Ihre Vorbereitungsstrategie zu bewerten.
  • Anwendungsfälle zu analysieren und voneinander zu unterscheiden.

ZIELGRUPPE

Dieser Kurs ist konzipiert für:

  • Personen, die sich auf die AWS Certified Machine Learning Engineer – Associate Prüfung vorbereiten.

Voraussetzungen

Für die Teilnahme am Kurs sind keine speziellen Trainings vorab erforderlich. Für die Prüfungsvorbereitung wird jedoch folgendes Wissen empfohlen:

Allgemeine IT-Kenntnisse:

  • Etwa 1 Jahr Berufserfahrung in verwandten Rollen, z. B. als Backend-Softwareentwickler, DevOps-Entwickler, Data Engineer oder Data Scientist.
  • Grundverständnis gängiger ML-Algorithmen und deren Anwendungsfälle.
  • Grundlagen im Bereich Data Engineering, einschließlich gängiger Datenformate, Datenaufnahme (Ingestion) und Datenumwandlung für ML-Datenpipelines.
  • Kenntnisse im Abfragen und Transformieren von Daten.
  • Kenntnisse zu bewährten Praktiken der Softwareentwicklung für modulare, wiederverwendbare Code-Entwicklung, Deployment und Debugging.
  • Vertrautheit mit der Bereitstellung und Überwachung von ML-Ressourcen in der Cloud und vor Ort.
  • Erfahrung mit Continuous Integration und Continuous Delivery (CI/CD)-Pipelines sowie Infrastructure as Code (IaC).
  • Erfahrung mit Code-Repositories für Versionskontrolle und CI/CD.

Empfohlenes AWS-Wissen:

  • Etwa 1 Jahr Erfahrung im Umgang mit Amazon SageMaker AI und weiteren AWS-Diensten im Bereich ML-Engineering.
  • Kenntnisse über Amazon SageMaker und Algorithmen für Modellaufbau und -bereitstellung.
  • Wissen über AWS-Datenspeicher- und -verarbeitungsdienste zur Datenaufbereitung für Modellierung.
  • Vertrautheit mit dem Deployment von Anwendungen und Infrastruktur auf AWS.
  • Kenntnisse zu Monitoring-Tools für Logging und Fehlerbehebung in ML-Systemen.
  • Kenntnisse über AWS-Dienste zur Automatisierung und Orchestrierung von CI/CD-Pipelines.
  • Verständnis für AWS-Sicherheitspraktiken in Bezug auf Identitäts- und Zugriffsmanagement, Verschlüsselung und Datenschutz.

LEHRMETHODE

Dieser Kurs setzt sich zusammen aus:

  • Themenübersichtspräsentationen
  • Prüfungsähnliche Fragen
  • Praxisbeispiele
  • Gruppen- und Diskussionsaktivitäten

KURSDAUER / PREIS

  • 1 Tag
  • € 775,00 zzgl. Mwst. pro Person (DE)

KURSINHALT

Tag 1

  • Bereich 1: Datenaufbereitung für Machine Learning (ML)
    • Daten erfassen und speichern
    • Daten transformieren und Feature Engineering durchführen
    • Datenintegrität sicherstellen und Daten für das Modelltraining vorbereiten
  • Bereich 2: Entwicklung von ML-Modellen
    • Modellierungsansatz auswählen
    • Modelle trainieren und optimieren
    • Modellleistung analysieren
  • Bereich 3: Bereitstellung und Orchestrierung von ML-Workflows
    • Bereitstellungsinfrastruktur basierend auf bestehender Architektur und Anforderungen auswählen
    • Infrastruktur gemäß bestehender Architektur und Anforderungen erstellen und skripten
    • Automatisierte Orchestrierungstools zur Einrichtung von Continuous Integration/Continuous Delivery (CI/CD)-Pipelines einsetzen
  • Bereich 4: Überwachung, Wartung und Sicherheit von ML-Lösungen
    • Modellinterferenzen überwachen
    • Infrastrukturkosten überwachen und optimieren
    • AWS-Ressourcen absichern

    WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

    Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
    Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

    Neue Termine in Planung!

    Weiterlesen

    Machine Learning Engineering on AWS

    Geschrieben von Gemma Corrado am . Veröffentlicht in AWS Training, Training.

    • Aws Advanced Training Partner

    • Aws Premium Consuting Partner

    Machine Learning Engineering on AWS

    aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

    BESCHREIBUNG

    Der Kurs Machine Learning Engineering on AWS ist ein dreitägiger Kurs, der sich an Fachkräfte im Bereich Machine Learning (ML) richtet, die lernen möchten, ML-Lösungen auf AWS zu entwickeln und produktiv einzusetzen. Die Teilnehmenden erwerben, durch eine ausgewogene Mischung aus Theorie, praktischen Übungen und Gruppenaktivitäten, fundierte Kenntnisse über die Entwicklung, Bereitstellung, Orchestrierung und Operationalisierung von skalierbaren ML-Lösungen. Die Kursteilnehmer arbeiten mit AWS-Diensten wie Amazon SageMaker sowie Analyse-Tools wie Amazon EMR, um robuste, skalierbare und produktionsreife Machine-Learning-Anwendungen praxisnah zu entwickeln.

    Kursziele

    In diesem Kurs lernen Sie folgendes:

    • Die Grundlagen des Machine Learning sowie dessen Anwendungsmöglichkeiten in der AWS-Cloud
    • Daten mit AWS-Services für ML-Aufgaben zu verarbeiten, umzuwandeln und aufzubereiten
    • Geeignete ML-Algorithmen und Modellierungsansätze entsprechend der Problemstellung und Anforderungen an die Interpretierbarkeit auszuwählen
    • Skalierbare ML-Pipelines mit AWS-Services für Modelltraining, Bereitstellung und Orchestrierung zu entwerfen und umzusetzen
    • Automatisierte Continuous-Integration- und Continuous-Delivery-(CI/CD)-Pipelines für ML-Workflows zu erstellen
    • Geeignete Sicherheitsmaßnahmen für ML-Ressourcen auf AWS
    • Monitoring-Strategien für produktiv eingesetzte ML-Modelle zu implementieren – einschließlich Techniken zur Erkennung von Data Drift

    ZIELGRUPPE

    Dieser Kurs ist konzipiert für:

    • Fachleute, die ML-Modelle auf AWS entwickeln, bereitstellen und betreiben möchten. Dazu zählen sowohl angehende als auch erfahrene Machine Learning Engineers mit begrenzter AWS-Erfahrung.
    • DevOps Engineers
    • Entwickler
    • Systemadministratoren (SysOps Engineers)

    VORAUSSETZUNGEN

    Teilnehmende sollten idealerweise folgende Kenntnisse mitbringen:
    • Grundlegendes Verständnis von Machine Learning
    • Erfahrung mit der Programmiersprache Python und gängigen Data-Science-Bibliotheken wie NumPy, Pandas und Scikit-learn
    • Grundverständnis von Cloud-Computing-Konzepten und erste Erfahrungen mit AWS
    • Erfahrung mit Versionskontrollsystemen wie Git (von Vorteil, aber nicht zwingend erforderlich)

    LEHRMETHODE

    Dieser Kurs setzt sich zusammen aus:

    • Vorträge
    • Demonstrationen
    • Gruppenübungen
    • Praktische Übungen

    KURSDAUER / PREIS

    • 3 Tage
    • € 2.685,00 zzgl. Mwst. pro Person (DE)

    Kursinhalt

    • Tag 1

      • Modul 0: Einführung in den Kurs
        • Überblick über Kursziele, Inhalte und Ablauf
      • Modul 1: Einführung in Machine Learning (ML) auf AWS
        • Grundlagen des Machine Learning
        • Einführung in Amazon SageMaker AI
        • Verantwortungsvolles Machine Learning (Responsible ML)
      • Modul 2: Analyse von Herausforderungen im Machine Learning (ML)
        • Bewertung von geschäftlichen ML-Herausforderungen
        • Ansätze für das Training von ML-Modellen
        • ML-Trainingsalgorithmen
      • Modul 3: Datenverarbeitung für Machine Learning (ML)
        • Datenvorbereitung und Datentypen
        • Explorative Datenanalyse
        • Speicheroptionen auf AWS und Auswahl der passenden Speicherlösung
      • Modul 4: Datentransformation und Feature Engineering
        • Umgang mit fehlerhaften, doppelten und fehlenden Daten
        • Konzepte des Feature Engineerings
        • Methoden zur Merkmalsauswahl (Feature Selection)
        • AWS-Services zur Datentransformation
        • Lab 1: Datenanalyse und -vorbereitung mit Amazon SageMaker Data Wrangler und Amazon EMR
        • Lab 2: Datenverarbeitung mit SageMaker Processing und dem SageMaker Python SDK

    • Tag 2

      • Modul 6: Container
        • Container-Lösungen im Vergleich zu virtuellen Maschinen
        • Vorteile, Komponenten, Lösungsarchitektur und Versionierung von Docker
        • Container-Hosting auf AWS zur Kostensenkung
        • Managed Container Services: Amazon Elastic Container Service (Amazon ECS) und Amazon Elastic Kubernetes Service (Amazon EKS)
        • AWS Fargate
        • Praktisches Labor: Bereitstellen einer Anwendung mit Amazon EKS auf Fargate
      • Modul 7: Continuous Integration/Continuous Delivery (CI/CD)
        • CI/CD-Lösungen und Auswirkungen
        • CI/CD-Automatisierung mit AWS CodePipeline
        • Deployment Modelle
        • AWS CloudFormation StackSets zur Verbesserung des Deployment-Managements
      • Modul 8: Verfügbarkeit und DDoS-Schutz
        • Gängige DDoS-Angriffe
        • AWS WAF
        • AWS WAF Web Access Control Lists (ACLs), Echtzeitmetriken, Logging und Sicherheitsautomatisierung
        • AWS Shield Advanced-Services und AWS DDoS Response Team (DRT)
        • AWS Network Firewall und AWS Firewall Manager zum Schutz von Konten in großem Umfang
      • Modul 9: Sichern von Daten
        • Was Kryptografie ist, warum man sie verwenden sollte und wie man sie verwendet
        • AWS KMS
        • AWS CloudHSM Architektur
        • FIPS 140-2 Level 2 und Level 3 Verschlüsselung
        • Secrets Manager
      • Modul 10: Groß angelegte Datenspeicher
        • Verwaltung von Amazon S3-Datenspeichern einschließlich Speicherklasse, Inventar, Metriken und Richtlinien
        • Data Lake vs. Data Warehouse: Unterschiede, Vorteile und Beispiele
        • AWS Lake Formation Lösungen, Sicherheit und Kontrolle
        • Praktisches Labor: Einrichten eines Data Lake mit Lake Formation

    • Tag 3

      • Modul 11: Umfangreiche Anwendungen
        • Was sind Edge-Services und warum sollten Sie sie nutzen?
        • Verbesserung der Leistung und Risikominimierung mit Amazon CloudFront
        • Lambda@Edge
        • AWS Global Accelerator: IP-Adressen, intelligente Verkehrsverteilung und Zustandsprüfungen
        • Praktisches Labor: Migrieren einer lokalen NFS Share mit AWS DataSync und Storage Gateway
      • Modul 12: Optimierung der Kosten
        • An-/Abschaffungszyklen vor Ort und in der Cloud
        • Cloud-Kostenmanagement-Tools, einschließlich Berichterstattung, Überwachung und Tagging
        • Beispiele und Analysen zu den fünf Säulen der Kostenoptimierung
      • Modul 13: Migration von Workloads
        • Wirtschaftliche Treiber und der Prozess der Migration
        • Erfolgreiche Kundenpraktiken
        • Die 7 Rs zur Migration und Modernisierung
        • Migrationstools und Services von AWS
        • Migration von Datenbanken und großen Datenspeichern
        • AWS Schema Conversion Tool (AWS SCT)
      • Modul 14: Projekte bewerten
        • Verwenden Sie das Online Course Supplement (OCS), um Anwendungsfälle zu überprüfen, Daten zu untersuchen und Fragen zum Architekturentwurf für Transit Gateway, Hybridkonnektivität, Migration und Kostenoptimierung zu beantworten

    WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

    Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
    Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

    Neue Termine in Planung!

    Weiterlesen

    Generative AI Essentials on AWS

    Geschrieben von Gemma Corrado am . Veröffentlicht in AWS Training, Training.


    Generative AI Essentials on AWS

    aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

    BESCHREIBUNG

    In diesem Kurs lernen Sie die grundlegenden Konzepte, Methoden und Strategien für den Einsatz generativer KI kennen. Sie erfahren, in welchen Anwendungsbereichen diese Technologie sinnvoll eingesetzt werden kann, um geschäftliche Herausforderungen zu lösen. Außerdem erhalten Sie praxisnahe Einblicke in die zugrunde liegenden Technologien und deren Anwendung zur Bewältigung realer Problemstellungen. Am Ende des Kurses befassen wir uns mit der Projektplanung und Sie erfahren, wie Sie die Implementierung generativer KI in Ihrem Unternehmen ansprechen können.

    Kursziele

    In diesem Kurs lernen Sie:

    • die Konzepte, Methoden und Strategien generativer KI zusammenzufassen
    • den angemessenen Einsatz von generativer KI und maschinellem Lernen sowie deren Technologien
    • wie generative KI verantwortungsvoll und sicher genutzt werden kann
    • verschiedene Arten generativer KI-Lösungen anhand konkreter Anwendungsfälle zu erkennen
    • die Implementierung und Projektplanung generativer KI Ihrem Unternehmen zu erläutern

    ZIELGRUPPE

    Dieser Kurs ist konzipiert für:

    • Business-Analysten
    • IT- Mitarbeiter
    • Marketing-Fachleute
    • Produkt- oder Projektmanager
    • Geschäftsfeld- oder IT-Manager
    • Vertriebsfachleute

      LEHRMETHODE

      Dieser Kurs setzt sich zusammen aus:

      • Vorträge
      • Demonstrationen
      • Gruppenübungen
      • Praktische Übungen

      KURSDAUER / PREIS

      • 1 Tag
      • € 750,00 zzgl. Mwst. pro Person (DE)

      KURSINHALT

      Tag 1

      • Modul 1: Einführung in die Generative KI
        • Generative KI erklärt
        • Grundlegende Modelle
        • AWS-Services für generative KI
        • Demo: Generative KI-Lösung
      • Modul 2: Untersuchung von Anwendungsfällen für Generative KI
        • Geeignete Anwendungsfälle identifizieren
        • Anwendungen und Anwendungsfälle generativer KI
        • Szenarien für den Einsatz generativer KI 
        • Anwendungsfall für den Kurs
      • Modul 3: Grundlagen des Prompt Engineering
        • Einführung in Prompt Engineering
        • Best Practices bei der Promptentwicklung
        • Fortgeschrittene Strategien für Prompts
        • Modelleinstellungen und Parameter
        • Praktische Übung: Optimierung der Slogan-Generierung mit Amazon Bedrock
      • Modul 4: Grundsätze und Überlegungen zu verantwortungsvoller KI
        • Einführung in verantwortungsvolle KI
        • Zentrale Dimensionen verantwortungsvoller KI
        • Grundüberlegungen zu generativer KI
        • Praktische Übung: Umsetzung verantwortungsvoller KI-Prinzipien mit Amazon Bedrock Guardrails
      • Modul 5: Sicherheit, Governance und Compliance
        • Überblick über Sicherheit
        • Problematische Prompts
        • Sicherheitsdienste für generative KI
        • Governance
        • Compliance
      • Modul 6: Umsetzung von Generative KI-Projekten
        • Einführung – Generative KI-Anwendung
        • Definieren eines Anwendungsfalls
        • Auswahl eines Grundmodells
        • Verbesserung der Leistung
        • Bewertung der Ergebnisse
        • Bereitstellung der Anwendung
        • Demo: Amazon Q Business
      • Modul 7: Integration von Generative KI in den Entwicklungszyklus
        • Einführung
        • Praktische Übung: Capstone – Erstellen eines Projektplans mit Generative KI
      • Modul 8: Abschluss des Kurses
        • Nächste Schritte und zusätzliche Ressourcen
        • Kurszusammenfassung

      WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

      Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
      Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

      Neue Termine in Planung!

      Weiterlesen

      Build Modern Applications with AWS NoSQL Databases

      Geschrieben von Annika Thiemann am . Veröffentlicht in AWS Training, Training.

      • Aws Advanced Training Partner

      • Aws Premium Consuting Partner

      Build Modern Applications with AWS NoSQL Databases

      aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

      BESCHREIBUNG

      Dieser Kurs richtet sich an Developer, Architects und Database Engineers, die Anwendungen erstellen möchten, die komplexe Datencharakteristika und Millisekunden-Latenzen bei ihren Datenbanken erfordern. In diesem Kurs nutzen Sie speziell entwickelte AWS-Datenbanken, um eine typische moderne Anwendung mit vielfältigen Zugriffsmustern und Echtzeit-Skalierungsanforderungen zu erstellen.

      Am Ende des Kurses sollten Sie in der Lage sein, die erweiterten Funktionen von Amazon DynamoDB, Amazon DocumentDB (mit MongoDB-Kompatibilität) und Amazon ElastiCache for Redis zu beschreiben.

      Kursziele

      In diesem Kurs lernen Sie folgendes:

      • Moderne Anwendungen für die Cloud mit AWS speziell entwickelten NoSQL-Datenbanken zu erstellen. 

      • Lösungen zu entwickeln, die AWS-Datenbanken für die Verarbeitung von key-value, document, und in-memory data categories nutzen

      • Geschäftsszenarien zu analysieren und die erweiterten Funktionen von Amazon DynamoDB, Amazon ElastiCache und Amazon DocumentDB anzuwenden, um skalierbare Lösungen zu implementieren.

      • Ereignisgesteuerte Architekturen mithilfe von Change Streams und AWS Lambda zu implementieren. 

      • Zu lernen, wie Sie mit Amazon CodeWhisperer schneller Lösungen entwickeln können.

      ZIELGRUPPE

      Dieser Kurs ist konzipiert für:

      • Database developers

      • Solutions Architects 

      • Database engineers

      VORAUSSETZUNGEN

      Es wird empfohlen, dass die Teilnehmenden dieses Kurses bereits folgende Kenntnisse und Erfahrungen mitbringen: 

      • Vertraut mit Cloud-Computing-Konzepten 

      • Vertraut mit Datenmodellierung für relationale oder NoSQL-Datenbanken 

      • Praktische Erfahrung mit dem Design von Amazon DynamoDB-Tabellen 

      • Praktische Erfahrung mit dem Design von Amazon DocumentDB-Tabellen 

      • Praktische Erfahrung mit ElastiCache for Redis 

      • Vertraut mit AWS Lambda und Amazon API Gateway 

      • Grundkenntnisse in Python-Scripting

      LEHRMETHODE

      Dieser Kurs setzt sich zusammen aus:

      • Präsentationen
      • Praktischen Übungen (Hands-On Labs)
      • Gruppenarbeiten

      KURSDAUER / PREIS

      • 1 Tag
      • € 775,00 zzgl. Mwst. pro Person (DE)

      KURSINHALT

      Modul 1: Analyse von Anwendungsfällen für NoSQL-Datenbanken

      • Überblick über das Geschäft
      • Übersicht über Lösungsmöglichkeiten
      • Portfolio der AWS NoSQL-Datenbanken
      • Entwurfsentscheidungen für moderne Anwendungen

      Modul 2: Fortgeschrittene Konzepte zu Amazon DynamoDB

      • Überprüfung von Geschäftsanwendungen für Amazon Dynamo
      • Analyse von Zugriffsmustern
      • Erstellung des Datenmodells
      • Entwurf für optimale Leistung
      • Entwicklung von ereignisgesteuerten Architekturen mit DynamoDB Streams
      • Guided Tour: Entwurf von Tabellen mit dem NoSQL Workbench für DynamoDB
      • Guided Tour: Nutzung von DynamoDB Streams mit AWS Lambda
      • Hands-on Lab: Implementierung von Fleet- und Trip Data Management mit Amazon DynamoDB Tables, Indexes und Change Streams

      Modul 3: Fortgeschrittene Amazon DocumentDB Concepts

      • Überprüfung von Geschäftsanwendungen für Amazon DocumentDB
      • Analyse von Zugriffsmustern
      • Erstellung des Datenmodells
      • Entwurf für optimale Leistung
      • Verwendung des DocumentDB Aggregation Framework
      • Entwicklung von ereignisgesteuerten Architekturen mit Amazon DocumentDB
      • Geführte Tour: Gestaltung von Dokumenten und Sammlungen
      • Geführte Tour: Aggregation Framework
      • Geführte Tour: Nutzung von Amazon DocumentDB Change Streams mit AWS Lambda
      • Hands-on Lab: Implementierung und Optimierung von Nutzerprofil-Datenmanagement auf Amazon DocumentDB

      Modul 4: Fortgeschrittene Konzepte zu Amazon ElastiCache für Redis

      • Überprüfung von Geschäftsanwendungen für Amazon ElastiCache für Redis
      • Analyse von Zugriffsmustern
      • Erstellung des Datenmodells
      • Verwendung optimaler Datenstrukturen für die Anwendung
      • Guided Tour: Abfragen mit Amazon ElastiCache für Redis nutzen
      • Guided Tour: Native Speicherung und Zugriff auf JSON-Daten mit Amazon ElastiCache für Redis
      • Guided Tour: Nutzung von Amazon ElastiCache für Redis für Ranglisten
      • Hands-on Lab: Implement Geospatial Bike Searches, User Profile Caching, und Leaderboards mit Amazon ElastiCache for Redis

      Modul 5: Kurszusammenfassung

      • Kursüberblick
      • AWS-Zertifizierungslevel
      • Weiterführende Lernmöglichkeiten

      WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

      Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
      Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

      Neue Termine in Planung!

      Weiterlesen