Skip to main content

Building Batch Data Analytics Solutions on AWS

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

Building Batch Data Analytics Solutions on AWS

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

In this course, you will learn to build batch data analytics solutions using Amazon EMR, an enterprise-grade Apache Spark and Apache Hadoop managed service. You will learn how Amazon EMR integrates with open-source projects such as Apache Hive, Hue, and HBase, and with AWS services such as AWS Glue and AWS Lake Formation. The course addresses data collection, ingestion, cataloging, storage, and processing components in the context of Spark and Hadoop. You will learn to use EMR Notebooks to support both analytics and machine learning workloads. You will also learn to apply security, performance, and cost management best practices to the operation of Amazon EMR.

Kursziele

Was Sie in diesem Kurs lernen:

  • Compare the features and benefits of data warehouses, data lakes, and modern data architectures
  • Design and implement a batch data analytics solution
  • Identify and apply appropriate techniques, including compression, to optimize data storage
  • Select and deploy appropriate options to ingest, transform, and store data
  • Choose the appropriate instance and node types, clusters, auto scaling, and network topology for a particular business use case
  • Understand how data storage and processing affect the analysis and visualization mechanisms needed to gain actionable business insights
  • Secure data at rest and in transit
  • Monitor analytics workloads to identify and remediate problems
  • Apply cost management best practices

Zielgruppe

Dieser Kurs ist konzipiert für:

  • Data platform engineers
  • Architects and operators who build and manage data analytics pipelines

Voraussetzungen

Wir empfehlen, dass die Teilnehmer dieses Kurses über folgende Kenntnisse verfügen:

Lehrmethode

Dieser Kurs setzt sich zusammen aus:

  • Schulung mit Kursleiter
  • Praktische Übungen

Kursdauer / Preis

  • 1 Tag / € 795,00 zzgl. Mwst. pro Person

Kursinhalt

Module A: Overview of Data Analytics and the Data Pipeline

  • Data analytics use cases
  • Using the data pipeline for analytics

Module 1: Introduction to Amazon EMR

  • Using Amazon EMR in analytics solutions
  • Amazon EMR cluster architecture
  • Interactive Demo 1: Launching an Amazon EMR cluster
  • Cost management strategies

Module 2: Data Analytics Pipeline Using Amazon EMR: Ingestion and Storage

  • Storage optimization with Amazon EMR
  • Data ingestion techniques

Module 3: High-Performance Batch Data Analytics Using Apache Spark on Amazon EMR

  • Apache Spark on Amazon EMR use cases
  • Why Apache Spark on Amazon EMR
  • Spark concepts
  • Interactive Demo 2: Connect to an EMR cluster and perform Scala commands using the Spark shell
  • Transformation, processing, and analytics
  • Using notebooks with Amazon EMR
  • Practice Lab 1: Low-latency data analytics using Apache Spark on Amazon EMR

Module 4: Processing and Analyzing Batch Data with Amazon EMR and Apache Hive

  • Using Amazon EMR with Hive to process batch data
  • Transformation, processing, and analytics
  • Practice Lab 2: Batch data processing using Amazon EMR with Hive
  • Introduction to Apache HBase on Amazon EMR

Module 5: Serverless Data Processing

  • Serverless data processing, transformation, and analytics
  • Using AWS Glue with Amazon EMR workloads
  • Practice Lab 3: Orchestrate data processing in Spark using AWS Step Functions

Module 6: Security and Monitoring of Amazon EMR Clusters

  • Securing EMR clusters
  • Interactive Demo 3: Client-side encryption with EMRFS
  • Monitoring and troubleshooting Amazon EMR clusters
  • Demo: Reviewing Apache Spark cluster history

Module 7: Designing Batch Data Analytics Solutions

  • Batch data analytics use cases
  • Activity: Designing a batch data analytics workflow

Module B: Developing Modern Data Architectures on AWS

  •  Modern data architectures

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.

AWS Security Essentials

Geschrieben von wamrhein am . Veröffentlicht in AWS Training, Training.

  • Aws Advanced Training Partner

  • Aws Premium Consuting Partner

AWS Security Essentials

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

In AWS Security Essentials lernen Sie grundlegende AWS Cloud-Sicherheitskonzepte kennen, einschließlich AWS-Zugriffskontrolle, Datenverschlüsselungsmethoden und wie der Netzwerkzugriff auf Ihre AWS-Infrastruktur gesichert werden kann. Basierend auf dem gemeinsamen AWS-Sicherheitsmodell erfahren Sie in diesem Kurs, an welcher Stelle in der AWS Cloud Sie für die Implementierung der Sicherheit verantwortlich sind. Außerdem erfahren Sie, welche sicherheitsbezogenen Services Ihnen zur Verfügung stehen und warum und wie die Sicherheitsservices dazu beitragen können, die Sicherheitsanforderungen Ihres Unternehmens zu erfüllen.

Kursziele

Was Sie in diesem Kurs lernen:

  • Die Vorteile und die Zuständigkeiten, die in puncto Sicherheit mit der Verwendung der AWS Cloud einhergehen
  • Zugriffskontrolle und Verwaltungsfunktionen für AWS
  • Unterschiedliche Datenverschlüsselungsmethoden zum Sichern sensibler Daten
  • Wie Sie den Netzzugang zu Ihren AWS-Ressourcen sichern

Zielgruppe

Dieser Kurs ist konzipiert für:

  • IT-Fachleute, die sich für Cloud-Sicherheitsverfahren interessieren
  • Sicherheitsexperten, die bisher nur über geringere praktische Erfahrung mit AWS verfügen

Voraussetzungen

Wir empfehlen, dass die Teilnehmer dieses Kurses über folgendes Wissen verfügen:

  • Kenntnisse über IT-Sicherheitspraktiken und Infrastrukturkonzepte
  • Verständnis von Cloud Computing-Konzepten

Lehrmethode

Dieser Kurs setzt sich zusammen aus:

  • Schulung mit Kursleiter
  • Praktische Übungen

Kursdauer / Preis

  • 1 Tag
  • € 895,00 zzgl. Mwst. pro Person (DE)
  • CHF 900,00 zzgl. Mwst. pro Person (CH)

Kursinhalt

Tag 1

  • Modul 1: Sicherheit in AWS
    • Grundsätze des Sicherheitsdesigns in der AWS-Cloud
    • AWS-Modell der geteilten Verantwortung
  • Modul 2: Sicherheit in der Cloud
    • Globale AWS-Infrastruktur
    • Sicherheit im Rechenzentrum
    • Einhaltung von Compliance und Governance
  • Modul 3: Sicherheit IN der Cloud – Teil 1
    • Identitäts- und Zugriffsmanagement
    • Grundlagen des Datenschutzes
    • Übung 01 – Einführung in Sicherheitsrichtlinien
  • Modul 4: Sicherheit IN der Cloud – Teil 2
    • Absicherung Ihrer Infrastruktur
    • Überwachung und Detective Controls
    • Übung 02 – Absicherung von VPC-Ressourcen mit Sicherheitsgruppen
  • Modul 5: Sicherheit IN der Cloud – Teil 3
    • DDoS-Abwehr
    • Grundlagen der Reaktion auf Vorfälle
    • Übung 03 – Behebung von Problemen mit AWS Config Conformance Packs
  • Modul 5: Überblick über das AWS Well-Architected-Tool

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

Building Data Analytics Solutions Using Amazon Redshift

Geschrieben von wamrhein am . Veröffentlicht in AWS Training, Training.

Building Data Analytics Solutions Using Amazon Redshift

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

In diesem Kurs erstellen Sie eine Datenanalyselösung mit Amazon Redshift, einem Cloud-Data-Warehouse-Dienst. Der Kurs konzentriert sich auf die Datenerfassungs-, Aufnahme-, Katalogisierungs-, Speicherungs- und Verarbeitungskomponenten der Analysepipeline. Sie lernen, Amazon Redshift in einen Data Lake zu integrieren, um sowohl Analyse- als auch Machine-Learning-Workloads zu unterstützen. Sie erfahren auch, wie Sie Best Practices für Sicherheit, Leistung und Kostenmanagement auf den Betrieb von Amazon Redshift anwenden.

Kursziele

Was Sie in diesem Kurs lernen:

  • Vergleichen Sie die Funktionen und Vorteile von Data Warehouses, Data Lakes und modernen Datenarchitekturen
  • Entwerfen und Implementieren einer Data Warehouse-Analyselösung
  • Identifizieren und Anwenden geeigneter Techniken, einschließlich Komprimierung, zur Optimierung der Datenspeicherung
  • Auswahl und Einsatz geeigneter Optionen für die Aufnahme, Umwandlung und Speicherung von Daten
  • Auswahl geeigneter Instanz- und Knotentypen, Cluster, automatischer Skalierung und Netzwerktopologie für einen bestimmten geschäftlichen Anwendungsfall
  • Verstehen, wie sich die Datenspeicherung und -verarbeitung auf die Analyse- und Visualisierungsmechanismen auswirkt, die erforderlich sind, um verwertbare Geschäftseinblicke zu gewinnen
  • Sichern von Daten im Ruhezustand und bei der Übertragung
  • Überwachung von Analyse-Workloads, um Probleme zu erkennen und zu beheben
  • Anwendung von Best Practices für das Kostenmanagement

Zielgruppe

Dieser Kurs ist konzipiert für:

  • Data Warehouse Engineers
  • Data Platform Engineers
  • Architects und Operators, die Datenanalyse-Pipelines erstellen und verwalten.

Voraussetzungen

Wir empfehlen, dass die Teilnehmer dieses Kurses über folgende Kenntnisse verfügen:

  • Es sind keine Vorkenntnisse aus IT oder Cloud erforderlich

Lehrmethode

Dieser Kurs setzt sich zusammen aus:

  • Schulung mit Kursleiter
  • Praktische Übungen

Kursdauer / Preis

  • 1 Tag / € 750,00 zzgl. Mwst. pro Person

Kursinhalt

Module A: Overview of Data Analytics and the Data Pipeline

  • Data analytics use cases
  • Using the data pipeline for analytics

Module 1: Using Amazon Redshift in the Data Analytics Pipeline

  •  Why Amazon Redshift for data warehousing?
  • Overview of Amazon Redshift

Module 2: Introduction to Amazon Redshift

  • Amazon Redshift architecture
  • Interactive Demo 1: Touring the Amazon Redshift console
  • Amazon Redshift features
  • Practice Lab 1: Load and query data in an Amazon Redshift cluster

Module 3: Ingestion and Storage

  • Ingestion
  • Interactive Demo 2: Connecting your Amazon Redshift cluster using a Jupyter notebook with Data API
  • Data distribution and storage Interactive Demo 3: Analyzing semi-structured data using the SUPER data type
  • Querying data in Amazon Redshift
  • Practice Lab 2: Data analytics using Amazon Redshift Spectrum

Module 4: Processing and Optimizing Data

  • Data transformation
  • Advanced querying Practice Lab 3: Data transformation and querying in Amazon Redshift
  • Resource management
  • Interactive Demo 4: Applying mixed workload management on Amazon Redshift
  • Automation and optimization
  • Interactive demo 5: Amazon Redshift cluster resizing from the dc2.large to ra3.xlplus cluster

Module 5: Security and Monitoring of Amazon Redshift Clusters

  • Securing the Amazon Redshift cluster
  • Monitoring and troubleshooting Amazon Redshift clusters

Module 6: Designing Data Warehouse Analytics Solutions

  • Data warehouse use case review
  • Activity: Designing a data warehouse analytics workflow

Module B: Developing Modern Data Architectures on AWS

  • Modern data architectures

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.

MLOps Engineering on AWS

Geschrieben von wamrhein am . Veröffentlicht in AWS Training, Training.

MLOps Engineering on AWS

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

Dieser Kurs MLOps Engineering on AWS baut auf der in der Softwareentwicklung vorherrschenden DevOps-Praxis auf und erweitert sie, um Modelle für maschinelles Lernen (ML) zu erstellen, zu trainieren und bereitzustellen. Die Bedeutung von Daten, Modellen und Code für erfolgreiche ML-Bereitstellungen wird vermittelt. Im Kurs wird der Einsatz von Tools, Automatisierung, Prozessen und Teamwork demonstriert, um die Herausforderungen zu bewältigen, die mit Übergaben zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und dem Betrieb verbunden sind. Die Verwendung von Werkzeugen und Prozessen zur Überwachung und Ergreifung von Maßnahmen wird diskutiert, wenn die Modellvorhersage in der Produktion von vereinbarten Leistungskennzahlen abweicht.

Der Dozent ermutigt die Teilnehmer dieses Kurses, einen MLOps-Aktionsplan für ihre Organisation durch tägliche Reflexion der Unterrichts- und Laborinhalte sowie durch Gespräche mit Kollegen und Dozenten zu erstellen.

Kursziele

Was Sie in diesem Kurs lernen:

  • Beschreiben Sie die Abläufe des maschinellen Lernens
  • Verstehen der Hauptunterschiede zwischen DevOps und MLOps
  • Beschreiben Sie den Arbeitsablauf beim maschinellen Lernen
  • Erörterung der Bedeutung der Kommunikation in MLOps
  • Erläutern der End-to-End-Optionen für die Automatisierung von ML-Arbeitsabläufen
  • Auflisten der wichtigsten Amazon SageMaker-Funktionen für die MLOps-Automatisierung
  • Erstellen eines automatisierten ML-Prozesses, der Modelle erstellt, trainiert, testet und einsetzt
  • Erstellen eines automatisierten ML-Prozesses, der das Modell aufgrund von Änderungen am Modellcode neu trainiert
  • Identifizierung von Elementen und wichtigen Schritten während des Deployment
  • Beschreiben Sie die Elemente, die in einem Modellpaket enthalten sein können, und ihre Verwendung beim Training oder bei der Inferenz
  • Erkennen der Amazon SageMaker-Optionen für die Auswahl von Modellen für den Einsatz, einschließlich der Unterstützung für ML-Frameworks und eingebaute Algorithmen oder Bring-your-own-Modelle
  • Unterscheidung der Skalierung beim maschinellen Lernen von der Skalierung bei anderen Anwendungen
  • Bestimmen Sie, wann Sie verschiedene Ansätze zur Inferenz verwenden sollten
  • Diskussion von Einsatzstrategien, Vorteilen, Herausforderungen und typischen Anwendungsfällen
  • Beschreiben Sie die Herausforderungen bei der Bereitstellung von maschinellem Lernen für Edge-Geräte
  • Erkennen wichtiger Amazon SageMaker-Funktionen, die für das Deployen und die Inferenz relevant sind
  • Beschreiben Sie, warum Monitoring wichtig ist

Zielgruppe

Dieser Kurs ist konzipiert für:

  • DevOps Engineers
  • ML Engineers
  • Entwickler/Betriebe mit Verantwortung für die Operationalisierung von ML-Modellen

Voraussetzungen

Wir empfehlen, dass die Teilnehmer dieses Kurses über folgende Kenntnisse verfügen:

Lehrmethode

Dieser Kurs setzt sich zusammen aus:

  • Schulung mit Kursleiter
  • Praktische Übungen

Kursdauer / Preis

  • 3 Tage / € 2.685,00 zzgl. Mwst. pro Person

Kursinhalt

Modul 1: Sicherheit in AWS

  • Operationen des maschinellen Lernens
  • Die Ziele von MLOps
  • Kommunikation
  • Von DevOps zu MLOps
  • ML Workflow
  • Scope
  • MLOps Ansicht des ML Workflows
  • MLOps Beispiele

Modul 2: Entwicklung von MLOPs

  • Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
  • MLOps Sicherheit
  • Automatisierung
  • Apache Airflow
  • Kubernetes Integration für MLOps
  • Amazon SageMaker für MLOps
  • Übung: Bringen Sie Ihren eigenen Algorithmus in eine MLOps-Pipeline ein
  • Demonstration: Amazon SageMaker
  • Übung: Programmieren und Bereitstellen Ihres ML-Modells mit AWS CodeBuild
  • Übung: MLOps Aktionsplan Arbeitsmappe

Modul 3: MLOPs Deployment

  • Einführung in die Deployment-Operationen
  • Model Packaging
  • Inferenz
  • Übung: Ihr Modell in die Produktion überführen
  • SageMaker Produktionsvarianten
  • Deployment Strategien
  • Deploying direkt am Entstehungsort der Daten
  • Übung: Durchführung von A/B-Tests
  • Übung: MLOps Aktionsplan Arbeitsmappe

Modul 4: Monitoring und Betrieb des Modells

  • Übung: Fehlerbehebung in der Pipeline
  • Die Wichtigkeit von Monitoring
  • Monitoring durch Design
  • Labor: Ihr ML-Modell überwachen
  • Human-in-the-loop
  • Amazon SageMaker Model Monitor
  • Demonstration: Amazon SageMaker Pipelines, Model Monitor, Model Registry und Feature Store
  • Lösen von Problemen
  • Übung: MLOps Aktionsplan Arbeitsmappe

Modul 5: Nachbereitung

  • Kursrückblick
  • Übung: MLOps Aktionsplan Arbeitsmappe
  • Nachbereitung

 

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.

AWS Well-Architected Best Practices

Geschrieben von wamrhein am . Veröffentlicht in AWS Training, Training.

AWS Well-Architected Best Practices

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

Das Well-Architected Framework ermöglicht es Ihnen, auf Cloud-native Weise fundierte Entscheidungen über die Architekturen Ihrer Kunden zu treffen und die Auswirkungen getroffener Designentscheidungen zu verstehen. Durch die Verwendung des Well-Architected Framework werden Sie die Risiken in Ihrer Architektur und Möglichkeiten zu ihrer Minderung verstehen.

Dieser Kurs bietet einen tiefen Einblick in das AWS Well-Architected Framework und seine fünf Säulen. Er auch den Well-Architected-Prüfprozess und die Verwendung des AWS Well-Architected-Tools zum Abschließen von Reviews.

Kursziele

Was Sie in diesem Kurs lernen:

  • Identifizierung der Merkmale des Well-Architected Framework, der Gestaltungsprinzipien, der Gestaltungssäulen und der gemeinsamen Anwendungen
  • Anwendung der Designprinzipien, Schlüsseldienste und Best Practices für jede Säule des Well-Architected Frameworks
  • Verwendung des Well-Architected Tools zur Durchführung von Well-Architected Reviews

Zielgruppe

Dieser Kurs ist konzipiert für:

  • Dieser Kurs richtet sich an technische Fachleute, die an der Architektur, Erstellung und dem Betrieb von AWS-Lösungen beteiligt sind.

Voraussetzungen

Wir empfehlen, dass die Teilnehmer dieses Kurses über folgende Kenntnisse verfügen:

Lehrmethode

Dieser Kurs setzt sich zusammen aus:

  • Schulung mit Kursleiter
  • Praktische Übungen

Kursdauer / Preis

  • 1 Tag / € 750,00 zzgl. Mwst. pro Person

Kursinhalt

MODUL 1: WELL-ARCHITECTED EINFÜHRUNG

  • Geschichte von Well-Architected
  • Ziele von Well-Architected
  • Was ist das AWS Well-Architected Framework?
  • Das AWS Well-Architected Tool

MODUL 2: GESTALTUNGSPRINZIPIEN

  • Operational Excellence
  • Übung 1: Operational Excellence
  • Reliability
  • Übung 2: Reliability
  • Security
  • Übung 3: Security
  • Performance Efficiency
  • Übung 4: Performance Efficiency
  • Cost Optimization
  • Übung 5: Cost Optimization

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.