AWS Certified Cloud Practitioner kann von jedem erreicht werden, der über grundlegende Kenntnisse der AWS-Plattform verfügt. Wir empfehlen, dass Sie über die folgenden Dinge verfügen, bevor Sie diese Prüfung ablegen:
Sechs Monate Erfahrung mit der AWS Cloud
Über grundlegende Kenntnisse der IT-Services und deren Verwendung in der AWS-Cloud-Plattform verfügen
Kenntnisse über Kern-AWS-Services und Anwendungsfälle, Rechnungs- und Preis-Modelle, Sicherheitskonzepte und wie die Clouds sich auf Ihr Unternehmen auswirken
Voraussetzungen
Sie müssen die AWS-Certified-Cloud-Practitioner-Prüfung ablegen und bestehen, um diese Zertifizierung zu erlangen. Diese Prüfung verfügt über eine Kombination von zwei Frage-Formaten: Multiple-Choice und mehrere Antworten. Weitere Informationen hierzu, wie die detaillierte Beschreibung des Prüfungsinhalts, finden Sie im Prüfungsleitfaden.
AWS-Zertifizierungen sind drei Jahre lang gültig. Wenn Sie Ihren AWS-Zertifizierungsstatus beibehalten möchten, müssen Sie regelmäßig Ihr Fachwissen im Rahmen einer erneuten Zertifizierung unter Beweis stellen. Eine erneute Zertifizierung stärkt den Gesamtwert Ihrer AWS-Zertifizierung und zeigt Kunden und Arbeitgebern, dass Ihr Nachweis aktuelles AWS-Wissen, entsprechende Kompetenzen und bewährte Methoden von AWS umfasst.
Erneute Zertifizierung für Foundational-Zertifizierungen
Legen Sie die Prüfung „Cloud Practitioner“ ab
Sie können die aktuelle Prüfung zum AWS Certified Cloud Pracitioner zur erneuten Zertifizierung ablegen. Sie können Ihren 50%-Rabattgutschein aus dem Abschnitt Vorteile Ihres AWS-Zertifizierungskontos zur erneuten Zertifizierung verwenden oder es für alle zukünftigen Zertifizierungsprüfungen verwenden, die Sie ablegen möchten.
Erhalten Sie eine Associate oder Professional-Zertifizierung
Sie können die Bedingung zur erneuten Zertifizierung mit dem Ablegen jedweder Associate- oder Professional-Prüfung erfüllen.
Building Streaming 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 streaming data analytics solutions using AWS services, including Amazon Kinesis and Amazon Managed Streaming for Apache Kafka (Amazon MSK). Amazon Kinesis is a massively scalable and durable real-time data streaming service. Amazon MSK offers a secure, fully managed, and highly available Apache Kafka service. You will learn how Amazon Kinesis and Amazon MSK integrate with AWS services such as AWS Glue and AWS Lambda. The course addresses the streaming data ingestion, stream storage, and stream processing components of the data analytics pipeline. You will also learn to apply security, performance, and cost management best practices to the operation of Kinesis and Amazon MSK.
Kursziele
Was Sie in diesem Kurs lernen:
Understand the features and benefits of a modern data architecture. Learn how AWS streaming services fit into a modern data architecture
Design and implement a streaming data analytics solution
Identify and apply appropriate techniques, such as compression, sharding, and partitioning, to optimize data storage
Select and deploy appropriate options to ingest, transform, and store real-time and near real-time data
Choose the appropriate streams, clusters, topics, scaling approach, 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 streaming 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 engineers and architects
Developers who want to build and manage real-time applications and streaming data analytics solutions
Voraussetzungen
We recommend that attendees of this course have:
At least one year of data analytics experience or direct experience building real-time applications or streaming analytics solutions. We suggest the Streaming Data Solutions on AWS whitepaper for
those that need a refresher on streaming concepts.
Module A: Overview of Data Analytics and the Data Pipeline
Data analytics use cases
Using the data pipeline for analytics
Module 1: Using Streaming Services in the Data Analytics Pipeline
The importance of streaming data analytics
The streaming data analytics pipeline
Streaming concepts
Module 2: Introduction to AWS Streaming Services
Streaming data services in AWS
Amazon Kinesis in analytics solutions
Demonstration: Explore Amazon Kinesis Data Streams
Practice Lab: Setting up a streaming delivery pipeline with Amazon Kinesis
Using Amazon Kinesis Data Analytics
Introduction to Amazon MSK
Overview of Spark Streaming
Module 3: Using Amazon Kinesis for Real-time Data Analytics
Exploring Amazon Kinesis using a clickstream workload
Creating Kinesis data and delivery streams
Demonstration: Understanding producers and consumers
Building stream producers
Building stream consumers
Building and deploying Flink applications in Kinesis Data Analytics
Demonstration: Explore Zeppelin notebooks for Kinesis Data Analytics
Practice Lab: Streaming analytics with Amazon Kinesis Data Analytics and Apache Flink
Module 4: Securing, Monitoring, and Optimizing Amazon Kinesis
Optimize Amazon Kinesis to gain actionable business insights
Security and monitoring best practices
Module 5: Using Amazon MSK in Streaming Data Analytics Solutions
Use cases for Amazon MSK
Creating MSK clusters
Demonstration: Provisioning an MSK Cluster
Ingesting data into Amazon MSK
Practice Lab: Introduction to access control with Amazon MSK
Transforming and processing in Amazon MSK
Module 6: Securing, Monitoring, and Optimizing Amazon MSK
Optimizing Amazon MSK
Demonstration: Scaling up Amazon MSK storage
Practice Lab: Amazon MSK streaming pipeline and application deployment
Security and monitoring
Demonstration: Monitoring an MSK cluster
Module 7: Designing Streaming Data Analytics Solutions
Use case review
Class Exercise: Designing a streaming 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.
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:
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.
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.
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:
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.
Sie sehen gerade einen Platzhalterinhalt von HubSpot. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Sie sehen gerade einen Platzhalterinhalt von Hubspot Embedded Content. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Sie sehen gerade einen Platzhalterinhalt von HubSpot. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Sie sehen gerade einen Platzhalterinhalt von Hubspot Meetings. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Sie sehen gerade einen Platzhalterinhalt von reCAPTCHA. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Sie sehen gerade einen Platzhalterinhalt von Turnstile. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
