Data Warehousing on AWS – Intensive Training («AWSA05»)

• Beschreiben der Architektur von Amazon Redshift und seiner Rolle in einer modernen Datenarchitektur
• Entwerfen und Implementieren eines Data Warehouse in der Cloud mit Amazon Redshift
• Identifizieren und Laden von Daten in ein Amazon Redshift Data Warehouse aus einer Vielzahl von Quellen
• Analysieren von Daten mit SQL QEV2 Notebooks
• Entwerfen und Implementieren einer Notfallwiederherstellungs-Strategie für ein Amazon Redshift Data Warehouse
• Durchführen von Wartung und Leistungsoptimierung eines Amazon Redshift Data Warehouse
• Sichern und Verwalten des Zugriffs auf ein Amazon Redshift-Data-Warehouse
• Gemeinsames Nutzen von Daten zwischen mehreren Redshift-Clustern in einer Organisation
• Orchestrieren von Workflows im Data Warehouse mithilfe von AWS-Step-Functions-Zustandsmaschinen
• Erstellen eines ML-Modells und Konfigurieren von Prädiktoren mit Amazon Redshift ML

Hinweis: Dieser Kurs ist zusätzlich mit Inhalten des Kurses Building Data Analytics Solutions using Amazon Redshift angereichert.

Dieser Kurs zeigt, wie Daten ins Data Warehouse aufgenommen, gespeichert und umgewandelt werden können. Zu den behandelten Themen gehören: der Zweck von Amazon Redshift, wie Amazon Redshift geschäftliche und technische Herausforderungen angeht, Funktionen und Möglichkeiten von Amazon Redshift, Entwerfen einer Data-Warehousing-Lösung auf AWS durch Anwendung von Best Practices auf der Grundlage des Well-Architected Framework, Integration mit AWS- und Nicht-AWS-Produkten und -Services, Leistungsoptimierung, Orchestrierung sowie Sicherung und Überwachung von Amazon Redshift.

Tag 1
Modul 1: Data-Warehouse-Konzepte

• Moderne Datenarchitektur
• Einführung in die Geschichte des Kurses
• Data Warehousing mit Amazon Redshift
• Amazon Redshift Serverlose Architektur
• Praktisches Lab: Starten und Konfigurieren eines Amazon Redshift Serverless Data Warehouse

Modul 2: Einrichten von Amazon Redshift

• Datenmodelle für Amazon Redshift
• Datenverwaltung in Amazon Redshift
• Verwalten von Berechtigungen in Amazon Redshift
• Praktisches Lab: Einrichten eines Data Warehouse mit Amazon Redshift Serverless

Modul 3: Laden von Daten

• Überblick über die Datenquellen
• Laden von Daten aus Amazon Simple Storage Service (Amazon S3)
• Extrahieren, Transformieren und Laden (ETL) und Extrahieren, Laden und Transformieren (ELT)
• Laden von Streaming-Daten
• Laden von Daten aus relationalen Datenbanken
• Praktisches Lab: Befüllen des Data Warehouse

Tag 2
Modul 4: Vertiefung in SQL Query Editor v2 und Notebooks

• Eigenschaften von Amazon Redshift Query Editor v2
• Vorführung: Verwendung von Amazon Redshift Query Editor v2
• Erweiterte Abfragen
• Praktisches Lab: Datenverarbeitung auf AWS

Modul 5: Sicherung und Wiederherstellung

• Wiederherstellung im Katastrophenfall
• Sichern und Wiederherstellen von Amazon Redshift mit Bereitstellung
• Sichern und Wiederherstellen von Amazon Redshift Serverless

Modul 6: Amazon Redshift Leistungsoptimierung

• Faktoren, die sich auf die Abfrageleistung auswirken
• Tabellenpflege und materialisierte Ansichten
• Abfrage-Analyse
• Verwaltung der Arbeitslast
• Anleitung zum Tuning
• Amazon Redshift-Überwachung
• Praktisches Lab: Leistungsoptimierung des Data Warehouse

Modul 7: Absicherung von Amazon Redshift

• Einführung in die Sicherheit und Compliance von Amazon Redshift
• Authentifizierung mit Amazon Redshift
• Zugriffskontrolle mit Amazon Redshift
• Datenverschlüsselung mit Amazon Redshift
• Auditing und Compliance mit Amazon Redshift
• Praktisches Lab: Absicherung von Amazon Redshift

Tag 3
Modul 8: Orchestrierung

• Überblick über die Datenorchestrierung
• Orchestrierung mit AWS Step Functions
• Orchestrierung mit Amazon Managed Workflows für Apache Airflow (MWAA)
• Praktisches Lab: Orchestrierung der Data Warehouse-Pipeline

Modul 9: Amazon Redshift ML

• Überblick über maschinelles Lernen
• Erste Schritte mit Amazon Redshift ML
• Amazon Redshift ML-Workflow-Szenarien
• Verwendung von Amazon Redshift ML
• Praktisches Lab: Vorhersage der Kundenabwanderung mit Amazon Redshift ML

Modul 10: Gemeinsame Nutzung von Amazon-Redshift-Daten

• Überblick über die gemeinsame Nutzung von Daten in Amazon Redshift
• Amazon DataZone für Daten als Service

Modul 11: Nachbereitung

• Praktisches Lab: Übungsaufgaben am Ende des Kurses

Dieser Kurs umfasst Präsentationen, praktische Übungen und Demonstrationen.

Dieser Kurs richtet sich an folgende Jobrollen:

• Data Analytics

Wir empfehlen, dass die Teilnehmer an diesem Kurs die folgenden Voraussetzungen mitbringen:

• Vertrautheit mit relationalen Datenbanken und Datenbankdesign-Konzepten

und folgende Kurse besucht haben (oder über gleichwertige Kenntnisse verfügen):