• Homepage
  • >
  • Data Engineering on Microsoft Azure (DP-203)
Data Engineering on Microsoft Azure (DP-203)

Data Engineering on Microsoft Azure (DP-203)

Curusvorm: Klassikaal of virtueel 

Duur: 4 dagen 

Prijs: € 1925

Examen mogelijkheid:  Ja 


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.


Wat leer je?


  • 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



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.


Welke voorkennis heb je nodig?


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:


  • AZ-900 – Azure Fundamentals
  • DP-900 – Microsoft Azure Data Fundamentals


Trainingsvorm

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

Heb je een vraag?

Neem dan contact op met onze klantenservice voor studieadvies of een training op maat.

Data Engineering on Microsoft Azure (DP-203)

Wij proberen je aanvraag zo snel mogelijk te beantwoorden. Meestal zou dat op de dag zelf gebeuren. Om je sneller van dienst te zijn vragen we je telefoonnummer.

Trainingsdata

Heeft je voorkeursdatum geen doorgangsgarantie, neem dan voor de zekerheid contact met ons op. Vaak hebben we een oplossing voor je waarmee je doel gehaald kan worden.

Data Engineering on Microsoft Azure (DP-203)

Wij proberen je aanvraag zo snel mogelijk te beantwoorden. Meestal zou dat op de dag zelf gebeuren. Om je sneller van dienst te zijn vragen we je telefoonnummer.

Startdatum

Trainingsvorm

Locatie

Duur

Prijs

datum:
08 november 2021

Klassikaal

Startel (Drachten)

4 dagen

1,925.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2021-11-1109:0016:00
2021-11-1009:0016:00
2021-11-0909:0016:00
2021-11-0809:0016:00
2021-11-1209:0016:00
datum:
08 november 2021

Virtueel

Virtual

4 dagen

1,925.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2021-11-1109:0016:00
2021-11-1009:0016:00
2021-11-0909:0016:00
2021-11-0809:0016:00
2021-11-1209:0016:00
datum:
15 november 2021

Virtueel, Doorgangsgarantie

Virtual

4 dagen

1,925.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2021-11-1609:0016:00
2021-11-1709:0016:00
2021-11-1809:0016:00
2021-11-1509:0016:00
datum:
15 november 2021

Klassikaal, Doorgangsgarantie

Startel (Drachten)

4 dagen

1,925.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2021-11-1609:0016:00
2021-11-1709:0016:00
2021-11-1809:0016:00
2021-11-1509:0016:00
datum:
13 december 2021

Klassikaal

Startel (Drachten)

4 dagen

1,925.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2021-12-1309:0016:00
2021-12-1409:0016:00
2021-12-1509:0016:00
2021-12-1609:0016:00
datum:
13 december 2021

Virtueel

Virtual

4 dagen

1,925.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2021-12-1309:0016:00
2021-12-1409:0016:00
2021-12-1509:0016:00
2021-12-1609:0016:00
datum:
07 februari 2022

Virtueel

Virtual

4 dagen

1,925.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2022-02-0709:0016:00
2022-02-0809:0016:00
2022-02-0909:0016:00
2022-02-1009:0016:00
datum:
07 februari 2022

Klassikaal

Startel (Drachten)

4 dagen

1,925.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2022-02-0709:0016:00
2022-02-0809:0016:00
2022-02-0909:0016:00
2022-02-1009:0016:00
datum:
07 juni 2022

Klassikaal

Startel (Drachten)

4 dagen

1,925.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2022-06-0709:0016:00
2022-06-0809:0016:00
2022-06-0909:0016:00
2022-06-1009:0016:00
datum:
07 juni 2022

Virtueel

Virtual

4 dagen

1,925.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2022-06-0709:0016:00
2022-06-0809:0016:00
2022-06-0909:0016:00
2022-06-1009:0016:00

Waarom Startel?

Persoonlijke
aanpak
Ervaren
trainers
Aanbod
op maat
Klassikaal en e-learning
mogelijkheden

Het programma


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

Hoe maken we het persoonlijk?

Bij Startel is persoonlijk ook écht persoonlijk. Om de best passende trainingen te geven starten we met het belangrijkste ingrediënt: jou.

  1. We starten altijd met een intake om jou te leren kennen.
  2. We passen de Training aan de hand van jouw ambitie en doelen aan.
  3. We kijken ook naar jouw persoonlijke situatie om de lesstof zo praktisch mogelijk te maken.

De trainers

Contact formulier

Wil je informatie of wil je een maatwerk training. Neem dan Contact met  ons op.

Data Engineering on Microsoft Azure (DP-203)

Wij proberen je aanvraag zo snel mogelijk te beantwoorden. Meestal zou dat op de dag zelf gebeuren. Om je sneller van dienst te zijn vragen we je telefoonnummer.

categorie: 
  • Azure
  • , Cloud
  • , Data

Op de hoogte blijven van de nieuwste trainingen?

Schrijf je in voor onze nieuwsbrief!

Inschrijven nieuwsbrief