Live-Online: Building Data Analytics Solutions Using Amazon Redshift

Der Kurs konzentriert sich auf die Komponenten der Datenerfassung, -aufnahme, -katalogisierung, -speicherung und -verarbeitung der Analysepipeline. Du lernst, Amazon Redshift in einen Data Lake zu integrieren, um sowohl Analyse- als auch maschinelle Lernarbeitslasten zu unterstützen. Du wirst auch lernen, die besten Praktiken für Sicherheit, Leistung und Kostenmanagement auf den Betrieb von Amazon Redshift anzuwenden.

Modul A: Überblick über Datenanalyse und die Datenpipeline

• Anwendungsfälle der Datenanalyse 
• Verwendung der Datenpipeline für die Datenanalyse

Modul 1: Verwendung von Amazon Redshift in der Datenanalyse-Pipeline

• Warum Amazon Redshift für Data Warehousing?
• Überblick über Amazon Redshift

Modul 2: Einführung in Amazon Redshift

• Architektur von Amazon Redshift
• Interaktive Demo 1: Rundgang durch die Amazon Redshift-Konsole
• Amazon Redshift-Funktionen
• Übung 1:Laden und Abfragen von Daten in einem Amazon Redshift-Cluster

Modul 3: Ingestion und Speicherung

• Datenübernahme
• Interaktive Demo 2: Verbinden deines Amazon Redshift-Clusters mit einem Jupyter-Notebook mit Daten-API 
• Datenverteilung und -speicherung
• Interaktive Demo 3: Analysieren semi-strukturierter Daten mit dem Datentyp SUPER
• Abfrage von Daten in Amazon Redshift
• Übung 2:Datenanalyse mit Amazon Redshift Spectrum

Modul 4: Verarbeiten und Optimieren von Daten

• Datentransformation
• Erweiterte Abfragen
• Praxisübung 3: Datentransformation und -abfrage in Amazon Redshift
• Verwaltung von Ressourcen
• Interaktive Demo 4: Anwendung von gemischtem Workload-Management auf Amazon Redshift
• Automatisierung und Optimierung
• Interaktive Demo 5: Größenänderung des Amazon Redshift-Clusters vom dc2.large zum ra3.xlplus-Cluster

Modul 5: Sicherheit und Überwachung von Amazon Redshift-Clustern

• Absicherung des Amazon Redshift-Clusters
• Überwachung und Fehlersuche bei Amazon Redshift-Clustern

Modul 6: Entwerfen von Data Warehouse-Analytiklösungen

• Überprüfung von Data-Warehouse-Anwendungsfällen
• Aktivität: Entwerfen eines Data-Warehouse-Analyse-Workflows

Modul B: Entwickeln moderner Datenarchitekturen auf AWS

• Moderne Datenarchitekturen

• Vergleich der 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
• Auswählen und Bereitstellen geeigneter Optionen für die Aufnahme, Umwandlung und Speicherung von Daten 
• Auswahl der geeigneten Instanz- und Knotentypen, Cluster, automatischen 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
• Sicherung 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

Dieser Kurs richtet sich an folgende Jobrollen:

• Data Analytics