In diesem Kurs wirst du eine Datenanalyse-Lösung mit Amazon Redshift, einem Cloud Data Warehouse Service, aufbauen.

Inhalte

Der Kurs konzentriert sich auf die Komponenten der Datenerfassung, -aufnahme, -katalogisierung, -speicherung und -verarbeitung der Analysepipeline. Du lernst, Amazon Redshift in einen Data Lake zu integrieren, um sowohl Analyse- als auch maschinelle Lernarbeitslasten zu unterstützen. Du wirst auch lernen, die besten Praktiken für Sicherheit, Leistung und Kostenmanagement auf den Betrieb von Amazon Redshift anzuwenden.

Modul A: Überblick über Datenanalyse und die Datenpipeline

Anwendungsfälle der Datenanalyse
Verwendung der Datenpipeline für die Datenanalyse

Modul 1: Verwendung von Amazon Redshift in der Datenanalyse-Pipeline

Warum Amazon Redshift für Data Warehousing?
Überblick über Amazon Redshift

Modul 2: Einführung in Amazon Redshift

Architektur von Amazon Redshift
Interaktive Demo 1: Rundgang durch die Amazon Redshift-Konsole
Amazon Redshift-Funktionen
Übung 1: Laden und Abfragen von Daten in einem Amazon Redshift-Cluster

Modul 3: Ingestion und Speicherung

Datenübernahme
Interaktive Demo 2: Verbinden deines Amazon Redshift-Clusters mit einem Jupyter-Notebook mit Daten-API
Datenverteilung und -speicherung
Interaktive Demo 3: Analysieren semi-strukturierter Daten mit dem Datentyp SUPER
Abfrage von Daten in Amazon Redshift
Übung 2: Datenanalyse mit Amazon Redshift Spectrum

Modul 4: Verarbeiten und Optimieren von Daten

Datentransformation
Erweiterte Abfragen
Praxisübung 3: Datentransformation und -abfrage in Amazon Redshift
Verwaltung von Ressourcen
Interaktive Demo 4: Anwendung von gemischtem Workload-Management auf Amazon Redshift
Automatisierung und Optimierung
Interaktive Demo 5: Größenänderung des Amazon Redshift-Clusters vom dc2.large zum ra3.xlplus-Cluster

Modul 5: Sicherheit und Überwachung von Amazon Redshift-Clustern

Absicherung des Amazon Redshift-Clusters
Überwachung und Fehlersuche bei Amazon Redshift-Clustern

Modul 6: Entwerfen von Data Warehouse-Analytiklösungen

Überprüfung von Data-Warehouse-Anwendungsfällen
Aktivität: Entwerfen eines Data-Warehouse-Analyse-Workflows

Modul B: Entwickeln moderner Datenarchitekturen auf AWS

Moderne Datenarchitekturen