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.