Gdzie i kiedy odbywa się szkolenie?
*Cena - to cena netto pakietu podstawowego
**Promocja - to obniżona cena netto pakietu podstawowego
Nie znalazłeś odpowiedniego terminu? Znajdziemy rozwiązanie
Napisz do nas
Gdzie i kiedy odbywa się szkolenie?
Start szkolenia
14.10.24 09:00
Miejsce
Szkolenie Zdalne
Cena*/promocja**
Język szkolenia
PL
Termin gwarantowany
NIE
*Cena - to cena pakietu podstawowego
**Promocja - to obniżona cena pakietu podstawowego
Nie znalazłeś odpowiedniego terminu? Znajdziemy rozwiązanie
Napisz do nas
Dlaczego właśnie to szkolenie?
▽
W tym szkoleniu otrzymasz kompleksową wiedzę na temat inżynierii danych na platformie Azure, co pozwoli Ci efektywnie zarządzać danymi w chmurze. Zyskasz umiejętności niezbędne do pracy z zaawansowanymi narzędziami, takimi jak Azure Data Lake Storage Gen2 czy Azure Synapse Analytics, co przyczyni się do zwiększenia Twojej konkurencyjności na rynku pracy.
Do kogo skierowany jest program?
▽
Program jest dedykowany dla profesjonalistów z obszaru analizy danych, inżynierii danych oraz osób odpowiedzialnych za przetwarzanie i zarządzanie danymi w chmurze. Doskonale sprawdzi się dla programistów, analityków danych oraz architektów rozwiązań chmurowych.
Co warto wiedzieć przed szkoleniem?
▽
Przed przystąpieniem do szkolenia zalecane jest posiadanie podstawowej wiedzy na temat chmury Microsoft Azure oraz doświadczenie w pracy z danymi i bazami danych. Znajomość podstawowych koncepcji z obszaru inżynierii danych będzie dodatkowym atutem.
Jakie cele edukacyjne spełnia to szkolenie?
▽
Program umożliwia uczestnikom pełne zrozumienie technologii związanych z inżynierią danych w chmurze Azure, rozwinięcie umiejętności w obszarze analizy danych w czasie rzeczywistym oraz skutecznego korzystania z zaawansowanych narzędzi do przetwarzania danych.
Jakie korzyści biznesowe przynosi udział w szkoleniu?
▽
Udział w szkoleniu pozwoli firmie na posiadanie zespołu ekspertów z obszaru inżynierii danych, co przekłada się na skuteczne zarządzanie danymi oraz dostarczanie innowacyjnych rozwiązań w obszarze analizy danych, co z kolei wpływa na rozwój i konkurencyjność przedsiębiorstwa.
Podczas szkolenia opanujesz techniki pracy z usługami Azure Data Lake Storage Gen2, Azure Synapse Analytics oraz Azure Stream Analytics. Zdobędziesz umiejętności analizowania danych za pomocą Apache Spark, budowania hurtowni danych oraz tworzenia efektywnych potoków danych w chmurze.
Wprowadzenie do inżynierii danych na platformie Azure
Wprowadzenie do usługi Azure Data Lake Storage Gen2
Wprowadzenie do usługi Azure Synapse Analytics
Używanie bezserwerowej puli SQL usługi Azure Synapse do wysyłania zapytań za pomocą plików w chmurze danych
Używanie bezserwerowych pul SQL usługi Azure Synapse do przekształcania danych w chmurze danych
Tworzenie bazy danych typu lake w usłudze Azure Synapse Analytics
Analizowanie danych za pomocą Apache Spark w Azure Synapse Analytics
Przekształcanie danych za pomocą Spark w Azure Synapse Analytics
Używanie Delta Lake w Azure Synapse Analytics
Analizowanie danych w relacyjnej hurtowni danych
Ładowanie danych do relacyjnej hurtowni danych
Tworzenie potoku danych w usłudze Azure Synapse Analytics
Używanie notatników Spark w potoku Azure Synapse
Planowanie hybrydowego przetwarzania transakcyjnego i analitycznego przy użyciu usługi Azure Synapse Analytics
Wdrażanie Azure Synapse Link z Azure Cosmos DB
Wdrażanie Azure Synapse Link dla SQL
Rozpoczęcie pracy z usługą Azure Stream Analytics
Pozyskiwanie danych strumieniowych przy użyciu usług Azure Stream Analytics i Azure Synapse Analytics
Wizualizacja danych w czasie rzeczywistym przy użyciu usług Azure Stream Analytics i Power BI
Wprowadzenie do Microsoft Purview
Integracja Microsoft Purview i Azure Synapse Analytics
Eksplorowanie usługi Azure Databricks
Używanie Apache Spark w Azure Databricks
Uruchamianie Azure Databricks Notebooks za pomocą Azure Data Factory
Który egzamin potwierdza zdobyte umiejętności?
▽
Zdaj 1 egzamin:
-
Exam DP-203: Data Engineering on Microsoft Azure
Zdobądź certyfikat:
-
Microsoft Certified: Azure Data Engineer Associate
