Descripción
Inicios Próximos:
Aún no tenemos inicios de este curso |
Objetivos:
Después de completar este curso, los estudiantes podrán:
- Describir las arquitecturas comunes para procesar big data utilizando herramientas y servicios de *Azure.
- Describir cómo usar Azure Stream Analytics para diseñar e implementar el procesamiento de flujo a través de datos a gran escala.
- Describir cómo incluir funciones personalizadas e incorporar actividades de aprendizaje automático en un trabajo de Azure Stream Analytics.
- Describir cómo utilizar Azure Data Lake Store como un repositorio de archivos de datos a gran escala.
- Describir cómo utilizar Azure Data Lake Analytics para examinar y procesar los datos almacenados en Azure Data Lake Store.
- Describir cómo crear e implementar funciones y operaciones personalizadas, integrar con Python y R, y proteger y optimizar trabajos.
- Describir cómo utilizar Azure SQL Data Warehouse para crear un repositorio que pueda admitir el procesamiento analítico a gran escala sobre los datos en reposo.
- Describir cómo usar Azure SQL Data Warehouse para realizar el procesamiento analítico, cómo mantener el rendimiento y cómo proteger los datos.
- Describir cómo utilizar Azure Data Factory para importar, transformar y transferir datos entre repositorios y servicios.
Audiencia:
La audiencia principal de este curso son los ingenieros de datos (profesionales de TI, desarrolladores y trabajadores de la información) que planean implementar flujos de trabajo de ingeniería de Big Data en Azure.
Prerrequisitos:
Además de su experiencia profesional, los estudiantes que asisten a esta capacitación ya deben tener los siguientes conocimientos técnicos:
- Una buena comprensión de los servicios de datos de Azure.
- Un conocimiento básico del sistema operativo Microsoft Windows y su funcionalidad principal.
- Un buen conocimiento de las bases de datos relacionales.
Certificación:
Este curso lo prepara para el examen:70-776: Perform Big Data Engineering on Microsoft Cloud Services. Este examen es requisito para la certificación: MCSA: Data Engineering With Azure
Contenido:
1. Módulo 1: Arquitecturas para la ingeniería de Big Data con Azure
1.1 Comprensión de Big Data
1.2 Arquitecturas para procesos con Big Data
1.3 Consideraciones para diseñar soluciones Big Data
1.4 Laboratorio: Diseño de una arquitectura de Big Data
1.4.1 Diseñar una arquitectura de big data
2 Módulo 2: Procesamiento de secuencias de eventos mediante Azure Stream Analytics
2.1 Introducción a Azure Stream Analytics
2.2 Configuración de trabajos de Azure Stream Analytics
2.3 Laboratorio: procesamiento de secuencias de eventos con Azure Stream Analytics
2.3.1 Crear un trabajo de Azure Stream Analytics
2.3.2 Crear otro trabajo de Azure Stream
2.3.3 Agregar una entrada
2.3.4 Editar el trabajo de ASA
2.3.5 Determinar el patrullero más cercano
3 Módulo 3: Realización de procesamiento personalizado en Azure Stream Analytics
3.1 Implementando funciones personalizadas
3.2 Incorporación de Aprendizaje automático en un trabajo de Azure Stream Analytics
3.3 Laboratorio: Realizar procesamiento personalizado con Azure Stream Analytics
3.3.1 Agregar lógica a los análisis
3.3.2 Detectar anomalías constantes
3.3.3 Determinar las consistencias utilizando el aprendizaje automático y ASA
4 Módulo 4: Administración de Big Data en Azure Data Lake Store
4.1 Uso de Azure Data Lake Store
4.2 Monitoreo y protección de datos en Azure Data Lake Store
4.3 Laboratorio: Administración de Big Data en Azure Data Lake Store
4.3.1 Actualizar el trabajo de ASA
4.3.2 Cargar detalles a ADLS
5 Módulo 5: Procesamiento de Big Data utilizando Azure Data Lake Analytics
5.1 Introducción a Azure Data Lake Analytics
5.2 Analizando datos con U-SQL
5.3 Ordenando, agrupando y uniendo datos
5.4 Laboratorio: Procesamiento de Big Data utilizando Azure Data Lake Analytics
5.4.1 Agregar funcionalidad
5.4.2 Consultar contra la base de datos
5.4.3 Calcular la velocidad promedio
6 Módulo 6: Implementación de operaciones personalizadas y monitoreo del rendimiento en Azure Data Lake Analytics
6.1 Incorporación de funcionalidad personalizada en los trabajos de Analytics
6.2 Administrar y optimizar trabajos
6.3 Laboratorio: Implementación de operaciones personalizadas y supervisión del rendimiento en Azure Data Lake Analytics
6.3.1 Extractor personalizado
6.3.2 Procesador personalizado
6.3.3 Integración con R / Python
6.3.4 Monitorear y optimizar un trabajo
7 Módulo 7: Implementación de Azure SQL Data Warehouse
7.1 Introducción a Azure SQL Data Warehouse
7.2 Diseño de tablas para consultas eficientes
7.3 Importación de datos en Azure SQL Data Warehouse
7.4 Laboratorio: Implementación de Azure SQL Data Warehouse
7.4.1 Crear un nuevo almacén de datos
7.4.2 Diseñar y crear tablas e índices
7.4.3 Importar datos en el almacén.
8 Módulo 8: Realizar análisis con Azure SQL Data Warehouse
8.1 Consulta de datos en Azure SQL Data Warehouse
8.2 Mantenimiento del rendimiento
8.3 Protección de datos en Azure SQL Data Warehouse
8.4 Laboratorio: Realizar análisis con Azure SQL Data Warehouse
8.4.1 Realización de consultas y rendimiento de ajuste
8.4.2 Integración con Power BI y Azure Machine Learning
8.4.3 Configuración de seguridad y análisis de amenazas
9 Módulo 9: Automatización del flujo de datos con Azure Data Factory
9.1 Introducción a Azure Data Factory
9.2 Transferencia de datos
9.3 Transformación de datos
9.4 Monitorear el rendimiento y protección de datos
9.5 Laboratorio: Automatización del flujo de datos con Azure Data Factory
9.5.1 Automatizar el flujo de datos con Azure Data Factory
Costos:
Este costo incluye: Material de estudio, el uso de una computadora por persona, certificados, refrigerios e impuestos de ley.
Reviews
There are no reviews yet, would you like to submit yours?