À propos de ce cours


Ce cours de cinq jours animé par un instructeur explique comment traiter le Big Data à l’aide d’outils et de services Azure, notamment Azure Stream Analytics, Azure Data Lake, Azure SQL Data Warehouse et Azure Data Factory. Le cours explique également comment inclure des fonctions personnalisées et intégrer Python et R.


   Profil de l’audience
Ce cours s’adresse principalement aux ingénieurs de données (professionnels de l’informatique, développeurs et travailleurs de l’information) qui prévoient d’implémenter des flux de travail d’ingénierie Big Data sur Azure.

A l’issue de ce cours, les étudiants seront capables de:

  • Décrire les architectures courantes de traitement de données volumineuses à l’aide des outils et des services Azure.
  • Décrire comment utiliser Azure Stream Analytics pour concevoir et implémenter le traitement de flux sur des données à grande échelle.
  • Décrire comment inclure des fonctions personnalisées et incorporer des activités d’apprentissage automatique dans un travail Azure Stream Analytics.
  • Décrire comment utiliser Azure Data Lake Store en tant que référentiel à grande échelle de fichiers de données.
  • Décrire comment utiliser Azure Data Lake Analytics pour examiner et traiter les données stockées dans Azure Data Lake Store.
  • Décrire comment créer et déployer des fonctions et des opérations personnalisées, s’intégrer à Python et à R, ainsi que protéger et optimiser les travaux
  • Décrire comment utiliser Azure SQL Data Warehouse pour créer un référentiel prenant en charge le traitement analytique à grande échelle sur des données inactives.
  • Décrire comment utiliser Azure SQL Data Warehouse pour effectuer un traitement analytique, maintenir les performances et protéger les données.
  • Décrire comment utiliser Azure Data Factory pour importer, transformer et transférer des données entre des référentiels et des services.

Module 1: Architectures pour l’ingénierie du Big Data avec AzureCe module décrit les architectures courantes de traitement des données volumineuses à l’aide des outils et des services Azure.

Cours:

  • Comprendre le Big Data
  • Architectures pour le traitement de données volumineuses
  • Considérations pour la conception de solutions Big Data

Atelier:

  • Conception d’une architecture Big Data
  • Concevoir une architecture Big Data

À la fin de ce module, les étudiants seront en mesure de:

  • Expliquez le concept de Big Data
  • Décrivez les architectures Lambda et Kappa.
  • Décrire les considérations de conception pour la création de solutions Big Data avec Azure.

Module 2: Traitement des flux d’événements à l’aide d’Azure Stream Analytics

Ce module explique comment utiliser Azure Stream Analytics pour concevoir et mettre en œuvre un traitement de flux sur des données à grande échelle.

Cours:

  • Introduction à Azure Stream Analytics
  • Configuration des travaux Azure Stream Analytics

    Atelier: Traitement des flux d’événements avec Azure Stream Analytics

  • Créer un travail Azure Stream Analytics
  • Créer un autre travail Azure Stream
  • Ajouter une entrée
  • Editer le job ASA
  • Déterminez la voiture de patrouille la plus proche

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrivez l’objectif et la structure d’Azure Stream Analytics.

Configurez les travaux Azure Stream Analytics pour leur évolutivité, leur fiabilité et leur sécurité.

Module 3: Exécution d’un traitement personnalisé dans Azure Stream Analytics

Ce module explique comment inclure des fonctions personnalisées et incorporer des activités d’apprentissage automatique dans un travail Azure Stream Analytics. Cours

  • Implémentation de fonctions personnalisées
  • Incorporation de l’apprentissage automatique dans un travail d’analyse Azure Stream

    Atelier: Traitement personnalisé avec Azure Stream Analytics

  • Ajouter de la logique à l’analyse
  • Détecter des anomalies cohérentes
  • Déterminer les consistances en utilisant l’apprentissage automatique et l’ASA

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrire comment créer et utiliser des fonctions personnalisées dans Azure Stream Analytics.

Décrire comment utiliser les modèles Azure Machine Learning dans un travail Azure Stream Analytics.

Module 4: Gestion des données volumineuses dans Azure Data Lake Store

Ce module explique comment utiliser Azure Data Lake Store en tant que référentiel à grande échelle de fichiers de données.

Leçons:

  • Utilisation de Azure Data Lake Store
  • Surveillance et protection des données dans Azure Data Lake Store


Laboratoire: Gestion des données volumineuses dans Azure Data Lake Store

  • Mettre à jour le travail ASA
  • Télécharger les détails vers ADLS

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrire comment créer un magasin Azure Data Lake, créer des dossiers et télécharger des données.

Expliquez comment surveiller un compte Azure Data Lake et protéger les données qu’il contient.

Module 5: Traitement de données volumineuses à l’aide d’Azure Data Lake Analytics

Ce module explique comment utiliser Azure Data Lake Analytics pour examiner et traiter les données stockées dans Azure Data Lake Store.

Leçons:

  • Introduction à Azure Data Lake Analytics
  • Analyse de données avec U-SQL
  • Tri, regroupement et jonction de données

    Atelier: Traitement de données volumineuses à l’aide d’Azure Data Lake Analytics

  • Ajouter des fonctionnalités
  • Requête contre base de données
  • Calculer la vitesse moyenne

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrire l’objet d’Azure Data Lake Analytics et comment créer et exécuter des travaux.
  • Décrire comment utiliser USQL pour traiter et analyser des données.

Décrire comment utiliser le fenêtrage pour trier les données et effectuer des opérations agrégées, et comment joindre des données provenant de plusieurs sources.

Module 6: Implémentation d’opérations personnalisées et surveillance des performances dans Azure Data Lake Analytics

Ce module explique comment créer et déployer des opérations et des fonctions personnalisées, s’intégrer à Python et à R, et protéger et optimiser les travaux.

Leçon:

  • Intégration de fonctionnalités personnalisées dans les travaux d’analyse
  • Gestion et optimisation des travaux

    Atelier: Implémentation d’opérations personnalisées et surveillance des performances dans Azure Data Lake Analytics

  • Extracteur personnalisé
  • Processeur personnalisé
  • Intégration avec R / Python
  • Surveiller et optimiser un travail

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrire comment incorporer des fonctionnalités et des assemblages personnalisés à USQL.

Décrire comment mettre en œuvre la sécurité pour protéger les travaux, et comment surveiller et optimiser les travaux pour assurer des opérations efficaces.

Module 7: Implémentation d’Azure SQL Data Warehouse

Ce module explique comment utiliser Azure SQL Data Warehouse pour créer un référentiel pouvant prendre en charge le traitement analytique à grande échelle des données au repos.

Leçons:

  • Introduction à Azure SQL Data Warehouse
  • Conception de tables pour des requêtes efficaces
  • Importation de données dans Azure SQL Data Warehouse

    Atelier: Implémentation d’Azure SQL Data Warehouse

  • Créer un nouvel entrepôt de données
  • Concevoir et créer des tables et des index
  • Importer des données dans l’entrepôt.

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrivez l’objectif et la structure de Azure SQL Data Warehouse.
  • Décrire comment concevoir une table pour optimiser le traitement effectué par l’entrepôt de données.

Décrire les outils et techniques permettant d’importer des données dans un entrepôt à grande échelle.

Module 8: Effectuer des analyses avec Azure SQL Data Warehouse

Ce module explique comment importer des données dans Azure SQL Data Warehouse et comment protéger ces données.

Leçons:

  • Interrogation des données dans Azure SQL Data Warehouse
  • Maintenir la performance
  • Protection des données dans Azure SQL Data Warehouse

    Atelier: Exécution d’analyses avec Azure SQL Data Warehouse

  • Effectuer des requêtes et optimiser les performances
  • Intégration à Power BI et Azure Machine Learning
  • Configuration de la sécurité et analyse des menaces

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrire comment effectuer des requêtes et utiliser les données stockées dans un entrepôt de données pour effectuer des analyses et générer des rapports.
  • Décrire comment configurer et surveiller un entrepôt de données pour maintenir de bonnes performances.

Décrire comment protéger les données et gérer la sécurité dans un entrepôt de données.

Module 9: Automatisation du flux de données avec Azure Data Factory

Ce module explique comment utiliser Azure Data Factory pour importer, transformer et transférer des données entre des référentiels et des services.

Leçons:

  • Introduction à Azure Data Factory
  • Transfert de données
  • Transformer les données
  • Surveillance des performances et protection des données

    Atelier: Automatisation du flux de données avec Azure Data Factory

  • Automatiser le flux de données avec Azure Data Factory

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrivez l’objet d’Azure Data Factory et expliquez-en le fonctionnement.
  • Décrire comment créer des pipelines Azure Data Factory capables de transférer des données efficacement.
  • Décrire comment effectuer des transformations à l’aide d’un pipeline Azure Data Factory.
  • Décrire comment surveiller les pipelines Azure Data Factory et comment protéger les données transitant par ces pipelines.

En plus de leur expérience professionnelle, les étudiants participant à cette formation doivent déjà posséder les connaissances techniques suivantes:

Une bonne compréhension des services de données Azure.
Connaissance de base du système d’exploitation Microsoft Windows et de ses fonctionnalités principales.
Une bonne connaissance des bases de données relationnelles.

Programme de Formation

No curriculum found !
Course Reviews
N.C
ratings
  • 5 stars0
  • 4 stars0
  • 3 stars0
  • 2 stars0
  • 1 stars0

No Reviews found for this course.

© Copyright 2018 Reunit.
X