Data Engineering on Microsoft Azure (DP-203) Zelfstudiepakket

In dit zelfstudiepakket zit het officiële cursusmateriaal, een labomgeving, MeasureUp-oefenexamen en een Microsoft-examenvoucher. Je hebt 180 dagen toegang tot de labomgeving.

  • Aan de slag!
  • Offerte aanvragen

    "*" geeft vereiste velden aan

    Offerte aanvraag training
    Vul hier al je gegevens in waarvoor je een offerte wilt ontvangen.
    Vul hier jouw naam in*
    Vermeld eventuele specifieke wensen en het aantal deelnemers.
    Wij zijn dé IT-opleider van het noorden
    • Train bij ons in Drachten of op jouw eigen locatie.
    • Klanten geven ons een 9.2
    • Erkende trainers.
    • Ontvang een certificaat na deelname!

    Kom je er niet uit?
    Laat ons je helpen!

    Contact opnemen

    Foto van medewerker van Startel (Eliano Patty).
    x

Direct aan de slag!

  • Studeer in je eigen tijd en tempo
  • 365 Dagen toegang
  • Taal: Engels

€525,- Excl. BTW

Algemene omschrijving

In dit zelfstudiepakket zit het officiële cursusmateriaal, een labomgeving, MeasureUp-oefenexamen en een Microsoft-examenvoucher. Je hebt 180 dagen toegang tot de labomgeving. Bij deze labs kun je de modules slechts één keer uitvoeren. Begin pas aan een module als je voldoende tijd hebt om de labopdracht af te maken.

In deze training leert de cursist over data engineering in verband met het werken met batch en real-time analytische oplossingen met gebruik van Azure data platform technologieën. Cursisten beginnen met het leren van de kern compute en gegevenstechnologieën die worden gebruikt bij het bouwen van een analytische oplossing.

De cursisten leren hoe ze interactief gegevens kunnen onderzoeken die zich bevinden in bestanden in een data lake. Ze leren de diverse inlaadtechnieken die kunnen worden gebruikt om gegevens te laden met gebruik van de Apache Spark mogelijkheden uit Azure Synapse Analytics of Azure Databricks, of hoe gegevens in te laden met gebruik van Azure Data Factory of Azure Synapse pipelines. De cursist leert ook de diverse manieren die er zijn voor het transformeren van gegevens met dezelfde technologieën die gebruikt worden om data te laden. Ze leren het belang van implementeren van security om te waarborgen dat gegevens zijn beveiligd, zowel als deze in rust zijn of in beweging (‘at rest or in transit’). De cursist kan laten zien hoe een real-time analytisch syteem kan worden gemaakt voor het real-time maken van analytische oplossingen.

Doelgroep

De primaire doelgroep voor deze training bestaat uit data professionals, data architecten, en business intelligence professionals die meer willen leren over data engineering en het bouwen van analytische oplossingen met gebruik van data platform technologieën van Microsoft Azure. Een andere doelgroep voor deze training zijn data analisten en data scientists die werken met de analytische oplossingen van Microsoft Azure.

Leerdoelen

  • Onderzoeken van compute en data opties voor data engineering werkzaamheden in Azure
  • Runnen van interactieve queries met gebruik van serverless SQL pools
  • Gegevensonderzoek en -transformatie in Azure Databricks
  • Onderzoeken, transformeren, en laden van gegevens in het Data Warehouse met behulp van Apache Spark
  • Ingesten en laden van gegevens in het Data Warehouse
  • Transformeren van gegevens met Azure Data Factory of Azure Synapse Pipelines
  • Integreren van gegevens uit Notebooks met Azure Data Factory of Azure Synapse Link
  • Uitvoeren van Hybrid Transactional Analytical Processing (HTAP) met Azure Synapse Link
  • End-to-end beveiliging toepassen met Azure Synapse Analytics
  • Real-time Stream Processing toepassen met Stream Analytics
  • Een Stream Processing oplossing creëren met Event Hubs en Azure Databricks

Voorkennis

Om deze training succesvol te doorlopen moet de cursist kennis hebben van cloud computing en begrip van gegevensconcepten, en professionele ervaring met gegevensoplossingen.

Specifiek afgeronde trainingen:

Onderwerpen

Module 1: Explore compute and storage options for data engineering workloads

This module provides an overview of the Azure compute and storage technology options that are available to data engineers building analytical workloads. This module teaches ways to structure the data lake, and to optimize the files for exploration, streaming, and batch workloads. The student will learn how to organize the data lake into levels of data refinement as they transform files through batch and stream processing. Then they will learn how to create indexes on their datasets, such as CSV, JSON, and Parquet files, and use them for potential query and workload acceleration.

Lessons

  • Introduction to Azure Synapse Analytics
  • Describe Azure Databricks
  • Introduction to Azure Data Lake storage
  • Describe Delta Lake architecture
  • Work with data streams by using Azure Stream Analytics

Lab : Explore compute and storage options for data engineering workloads

  • Combine streaming and batch processing with a single pipeline
  • Organize the data lake into levels of file transformation
  • Index data lake storage for query and workload acceleration

After completing this module, students will be able to:

  • Describe Azure Synapse Analytics
  • Describe Azure Databricks
  • Describe Azure Data Lake storage
  • Describe Delta Lake architecture
  • Describe Azure Stream Analytics

Module 2: Run interactive queries using Azure Synapse Analytics serverless SQL pools

In this module, students will learn how to work with files stored in the data lake and external file sources, through T-SQL statements executed by a serverless SQL pool in Azure Synapse Analytics. Students will query Parquet files stored in a data lake, as well as CSV files stored in an external data store. Next, they will create Azure Active Directory security groups and enforce access to files in the data lake through Role-Based Access Control (RBAC) and Access Control Lists (ACLs).

Lessons

  • Explore Azure Synapse serverless SQL pools capabilities
  • Query data in the lake using Azure Synapse serverless SQL pools
  • Create metadata objects in Azure Synapse serverless SQL pools
  • Secure data and manage users in Azure Synapse serverless SQL pools

Lab : Run interactive queries using serverless SQL pools

  • Query Parquet data with serverless SQL pools
  • Create external tables for Parquet and CSV files
  • Create views with serverless SQL pools
  • Secure access to data in a data lake when using serverless SQL pools
  • Configure data lake security using Role-Based Access Control (RBAC) and Access Control List

After completing this module, students will be able to:

  • Understand Azure Synapse serverless SQL pools capabilities
  • Query data in the lake using Azure Synapse serverless SQL pools
  • Create metadata objects in Azure Synapse serverless SQL pools
  • Secure data and manage users in Azure Synapse serverless SQL pools

Module 3: Data exploration and transformation in Azure Databricks

This module teaches how to use various Apache Spark DataFrame methods to explore and transform data in Azure Databricks. The student will learn how to perform standard DataFrame methods to explore and transform data. They will also learn how to perform more advanced tasks, such as removing duplicate data, manipulate date/time values, rename columns, and aggregate data.

Lessons

  • Describe Azure Databricks
  • Read and write data in Azure Databricks
  • Work with DataFrames in Azure Databricks
  • Work with DataFrames advanced methods in Azure Databricks

Lab : Data Exploration and Transformation in Azure Databricks

  • Use DataFrames in Azure Databricks to explore and filter data
  • Cache a DataFrame for faster subsequent queries
  • Remove duplicate data
  • Manipulate date/time values
  • Remove and rename DataFrame columns
  • Aggregate data stored in a DataFrame

After completing this module, students will be able to:

  • Describe Azure Databricks
  • Read and write data in Azure Databricks
  • Work with DataFrames in Azure Databricks
  • Work with DataFrames advanced methods in Azure Databricks

Module 4: Explore, transform, and load data into the Data Warehouse using Apache Spark

This module teaches how to explore data stored in a data lake, transform the data, and load data into a relational data store. The student will explore Parquet and JSON files and use techniques to query and transform JSON files with hierarchical structures. Then the student will use Apache Spark to load data into the data warehouse and join Parquet data in the data lake with data in the dedicated SQL pool.

Lessons

  • Understand big data engineering with Apache Spark in Azure Synapse Analytics
  • Ingest data with Apache Spark notebooks in Azure Synapse Analytics
  • Transform data with DataFrames in Apache Spark Pools in Azure Synapse Analytics
  • Integrate SQL and Apache Spark pools in Azure Synapse Analytics

Lab : Explore, transform, and load data into the Data Warehouse using Apache Spark

  • Perform Data Exploration in Synapse Studio
  • Ingest data with Spark notebooks in Azure Synapse Analytics
  • Transform data with DataFrames in Spark pools in Azure Synapse Analytics
  • Integrate SQL and Spark pools in Azure Synapse Analytics

After completing this module, students will be able to:

  • Describe big data engineering with Apache Spark in Azure Synapse Analytics
  • Ingest data with Apache Spark notebooks in Azure Synapse Analytics
  • Transform data with DataFrames in Apache Spark Pools in Azure Synapse Analytics
  • Integrate SQL and Apache Spark pools in Azure Synapse Analytics

Module 5: Ingest and load data into the data warehouse

This module teaches students how to ingest data into the data warehouse through T-SQL scripts and Synapse Analytics integration pipelines. The student will learn how to load data into Synapse dedicated SQL pools with PolyBase and COPY using T-SQL. The student will also learn how to use workload management along with a Copy activity in a Azure Synapse pipeline for petabyte-scale data ingestion.

Lessons

  • Use data loading best practices in Azure Synapse Analytics
  • Petabyte-scale ingestion with Azure Data Factory

Lab : Ingest and load Data into the Data Warehouse

  • Perform petabyte-scale ingestion with Azure Synapse Pipelines
  • Import data with PolyBase and COPY using T-SQL
  • Use data loading best practices in Azure Synapse Analytics

After completing this module, students will be able to:

  • Use data loading best practices in Azure Synapse Analytics
  • Petabyte-scale ingestion with Azure Data Factory

Module 6: Transform data with Azure Data Factory or Azure Synapse Pipelines

This module teaches students how to build data integration pipelines to ingest from multiple data sources, transform data using mapping data flowss, and perform data movement into one or more data sinks.

Lessons

  • Data integration with Azure Data Factory or Azure Synapse Pipelines
  • Code-free transformation at scale with Azure Data Factory or Azure Synapse Pipelines

Lab : Transform Data with Azure Data Factory or Azure Synapse Pipelines

  • Execute code-free transformations at scale with Azure Synapse Pipelines
  • Create data pipeline to import poorly formatted CSV files
  • Create Mapping Data Flows

After completing this module, students will be able to:

  • Perform data integration with Azure Data Factory
  • Perform code-free transformation at scale with Azure Data Factory

Module 7: Orchestrate data movement and transformation in Azure Synapse Pipelines

In this module, you will learn how to create linked services, and orchestrate data movement and transformation using notebooks in Azure Synapse Pipelines.

Lessons

  • Orchestrate data movement and transformation in Azure Data Factory

Lab : Orchestrate data movement and transformation in Azure Synapse Pipelines

  • Integrate Data from Notebooks with Azure Data Factory or Azure Synapse Pipelines

After completing this module, students will be able to:

  • Orchestrate data movement and transformation in Azure Synapse Pipelines

Module 8: End-to-end security with Azure Synapse Analytics

In this module, students will learn how to secure a Synapse Analytics workspace and its supporting infrastructure. The student will observe the SQL Active Directory Admin, manage IP firewall rules, manage secrets with Azure Key Vault and access those secrets through a Key Vault linked service and pipeline activities. The student will understand how to implement column-level security, row-level security, and dynamic data masking when using dedicated SQL pools.

Lessons

  • Secure a data warehouse in Azure Synapse Analytics
  • Configure and manage secrets in Azure Key Vault
  • Implement compliance controls for sensitive data

Lab : End-to-end security with Azure Synapse Analytics

  • Secure Azure Synapse Analytics supporting infrastructure
  • Secure the Azure Synapse Analytics workspace and managed services
  • Secure Azure Synapse Analytics workspace data

After completing this module, students will be able to:

  • Secure a data warehouse in Azure Synapse Analytics
  • Configure and manage secrets in Azure Key Vault
  • Implement compliance controls for sensitive data

Module 9: Support Hybrid Transactional Analytical Processing (HTAP) with Azure Synapse Link

In this module, students will learn how Azure Synapse Link enables seamless connectivity of an Azure Cosmos DB account to a Synapse workspace. The student will understand how to enable and configure Synapse link, then how to query the Azure Cosmos DB analytical store using Apache Spark and SQL serverless.

Lessons

  • Design hybrid transactional and analytical processing using Azure Synapse Analytics
  • Configure Azure Synapse Link with Azure Cosmos DB
  • Query Azure Cosmos DB with Apache Spark pools
  • Query Azure Cosmos DB with serverless SQL pools

Lab : Support Hybrid Transactional Analytical Processing (HTAP) with Azure Synapse Link

  • Configure Azure Synapse Link with Azure Cosmos DB
  • Query Azure Cosmos DB with Apache Spark for Synapse Analytics
  • Query Azure Cosmos DB with serverless SQL pool for Azure Synapse Analytics

After completing this module, students will be able to:

  • Design hybrid transactional and analytical processing using Azure Synapse Analytics
  • Configure Azure Synapse Link with Azure Cosmos DB
  • Query Azure Cosmos DB with Apache Spark for Azure Synapse Analytics
  • Query Azure Cosmos DB with SQL serverless for Azure Synapse Analytics

Module 10: Real-time Stream Processing with Stream Analytics

In this module, students will learn how to process streaming data with Azure Stream Analytics. The student will ingest vehicle telemetry data into Event Hubs, then process that data in real time, using various windowing functions in Azure Stream Analytics. They will output the data to Azure Synapse Analytics. Finally, the student will learn how to scale the Stream Analytics job to increase throughput.

Lessons

  • Enable reliable messaging for Big Data applications using Azure Event Hubs
  • Work with data streams by using Azure Stream Analytics
  • Ingest data streams with Azure Stream Analytics

Lab : Real-time Stream Processing with Stream Analytics

  • Use Stream Analytics to process real-time data from Event Hubs
  • Use Stream Analytics windowing functions to build aggregates and output to Synapse Analytics
  • Scale the Azure Stream Analytics job to increase throughput through partitioning
  • Repartition the stream input to optimize parallelization

After completing this module, students will be able to:

  • Enable reliable messaging for Big Data applications using Azure Event Hubs
  • Work with data streams by using Azure Stream Analytics
  • Ingest data streams with Azure Stream Analytics

Module 11: Create a Stream Processing Solution with Event Hubs and Azure Databricks

In this module, students will learn how to ingest and process streaming data at scale with Event Hubs and Spark Structured Streaming in Azure Databricks. The student will learn the key features and uses of Structured Streaming. The student will implement sliding windows to aggregate over chunks of data and apply watermarking to remove stale data. Finally, the student will connect to Event Hubs to read and write streams.

Lessons

  • Process streaming data with Azure Databricks structured streaming

Lab : Create a Stream Processing Solution with Event Hubs and Azure Databricks

  • Explore key features and uses of Structured Streaming
  • Stream data from a file and write it out to a distributed file system
  • Use sliding windows to aggregate over chunks of data rather than all data
  • Apply watermarking to remove stale data
  • Connect to Event Hubs read and write streams

After completing this module, students will be able to:

  • Process streaming data with Azure Databricks structured streaming

Trainingsdata en inschrijven

Hieronder is een overzicht te vinden van trainingsmogelijkheden voor de Data Engineering on Microsoft Azure (DP-203) Zelfstudiepakket training, met zowel klassikale als virtuele trainingen. Selecteer de best passende optie en start jouw reis naar succes.

Veelgestelde vragen over het DP-203 zelfstudiepakket

  • Welke leermaterialen zijn inbegrepen in het DP-203 zelfstudiepakket om mijn begrip te versterken?

    In het DP-203 zelfstudiepakket zit het officiële cursusmateriaal, een labomgeving, MeasureUp-oefenexamen en een Microsoft-examenvoucher. Je hebt 180 dagen toegang tot de labomgeving.

  • Hoe draagt het DP-203 zelfstudiepakket bij aan het oplossen van echte data engineering problemen?

    Het DP-203 zelfstudiepakket bevat casestudies en praktijkvoorbeelden die veelvoorkomende uitdagingen in data engineering belichten en oplossingen bieden. Dit helpt je om voorbereid te zijn op het oplossen van soortgelijke problemen in je eigen werk.

Hulp nodig?
Wij helpen je!

Neem contact met ons op

of laat Eliano je terugbellen
Terugbelverzoek
Vul hieronder jouw gegevens in, zodat wij telefonisch contact met je kunnen opnemen.
Vul hieronder aanvullende informatie in over jouw vraag, zodat wij jou zo goed mogelijk kunnen helpen.
Wij zijn dé IT-opleider van het noorden
  • Train bij ons in Drachten of op jouw eigenlocatie.
  • Klanten geven ons een 9.2
  • Erkende trainers.
  • Ontvang een certificaat na deelname!
Foto van medewerker van Startel (Eliano Patty).
x
Foto van medewerker van Startel (Eliano Patty).