Building Modern Data Analytics Solutions on AWS

Building Batch Data Analytics Solutions on AWS

• Comparer les fonctionnalités et les avantages des entrepôts de données, des lacs de données et des architectures de données modernes
• Concevoir et mettre en œuvre une solution d’analyse de données par lots
• Identifier et appliquer les techniques appropriées, y compris la compression, pour optimiser le stockage des données
• Sélectionner et déployer les options appropriées pour ingérer, transformer et stocker des données
• Choisisser les types d’instance et de nœud, les clusters, la mise à l’échelle automatique et la topologie de réseau appropriés pour un cas d’utilisation métier particulier
• Comprendre comment le stockage et le traitement des données affectent les mécanismes d’analyse et de visualisation nécessaires pour obtenir des informations commerciales exploitables
• Sécuriser les données au repos et en transit
• Surveiller les charges de travail analytiques pour identifier et résoudre les problèmes
• Appliquer les meilleures pratiques de gestion des coûts

Building Data Analytics Solutions Using Amazon Redshift

• Comparer les fonctionnalités et les avantages des entrepôts de données, des lacs de données et des architectures de données modernes
• Concevoir et mettre en œuvre une solution d’analyse d’entrepôt de données
• Identifier et appliquer les techniques appropriées, y compris la compression, pour optimiser le stockage des données
• Sélectionner et déployer les options appropriées pour ingérer, transformer et stocker des données
• Choisisser les types d’instance et de nœud, les clusters, la mise à l’échelle automatique et la topologie de réseau appropriés pour un cas d’utilisation métier particulier
• Comprendre comment le stockage et le traitement des données affectent les mécanismes d’analyse et de visualisation nécessaires pour obtenir des informations commerciales exploitables
• Sécuriser les données au repos et en transit
• Surveiller les charges de travail analytiques pour identifier et résoudre les problèmes
• Appliquer les meilleures pratiques de gestion des coûts

Building Data Lakes on AWS

• Appliquer les méthodologies de lac de données dans la planification et la conception d’un lac de données
• Articuler les composants et les services requis pour créer un lac de données AWS
• Sécurisez un lac de données avec les autorisations appropriées
• Ingérer, stocker et transformer des données dans un lac de données
• Interroger, analyser et visualiser des données dans un lac de données

Building Streaming Data Analytics Solutions on AWS

• Comprendre les fonctionnalités et les avantages d’une architecture de données moderne.
• Découvrir comment les services de streaming AWS s’intègrent dans une architecture de données moderne.
• Concevoir et mettre en œuvre une solution d’analyse de données en continu
• Identifier et appliquer les techniques appropriées, telles que la compression, le partitionnement et le partitionnement, pour optimiser le stockage des données
• Sélectionner et déployez les options appropriées pour ingérer, transformer et stocker des données en temps réel et en temps quasi réel
• Choisir les flux, les clusters, les sujets, l’approche de mise à l’échelle et la topologie de réseau appropriés pour un cas d’utilisation métier particulier
• Comprendre comment le stockage et le traitement des données affectent les mécanismes d’analyse et de visualisation nécessaires pour obtenir des informations commerciales exploitables
• Données de streaming sécurisées au repos et en transit
• Surveiller les charges de travail analytiques pour identifier et résoudre les problèmes
• Appliquer les meilleures pratiques de gestion des coûts

Développez les compétences nécessaires pour moderniser l’architecture des données afin de prendre des décisions avec rapidité et agilité à grande échelle grâce à un instructeur AWS expert.

Ce cours regroupe sur 4 jours les 4 cours suivants:

• Building Batch Data Analytics Solutions on AWS
• Building Data Analytics Solutions Using Amazon Redshift
• Building Data Lakes on AWS
• Building Streaming Data Analytics Solutions on AWS

Building Batch Data Analytics Solutions on AWS

Module A : Présentation de l’analyse des données et du pipeline de données

• Cas d’utilisation de l’analyse de données

Utilisation du pipeline de données pour l’analyse

Module 1 : Présentation d’Amazon EMR

• Utilisation d’Amazon EMR dans les solutions d’analyse
• Architecture de cluster Amazon EMR
• Stratégies de gestion des coûts

Module 2 : Pipeline d’analyse de données à l’aide d’Amazon EMR : ingestion et stockage

• Optimisation du stockage avec Amazon EMR
• Techniques d’ingestion de données

Module 3 : Analyse de données par lots hautes performances à l’aide d’Apache Spark sur Amazon EMR

• Cas d’utilisation d’Apache Spark sur Amazon EMR
• Pourquoi Apache Spark sur Amazon EMR
• Concepts de Spark
• Transformation, traitement et analytique
• Utilisation de blocs-notes avec Amazon EMR
• Mise en pratique 1 : Analyse de données à faible latence à l’aide d’Apache Spark sur Amazon EMR

Module 4 : Traitement et analyse des données de lot avec Amazon EMR et Apache Hive

• Utilisation d’Amazon EMR avec Hive pour traiter les données par lots
• Transformation, traitement et analytique
• Introduction à Apache HBase sur Amazon EMR
• Mise en pratique 2 : traitement de données par lots à l’aide d’Amazon EMR avec Hive

Building Data Analytics Solutions Using Amazon Redshift

Module A : Présentation de l’analyse des données et du pipeline de données

• Cas d’utilisation de l’analyse de données
• Utilisation du pipeline de données pour l’analyse

Module 1 : Utilisation d’Amazon Redshift dans le pipeline d’analyse de données

• Pourquoi Amazon Redshift pour l’entreposage de données ?
• Présentation d’Amazon Redshift

Module 2 : Présentation d’Amazon Redshift

• Architecture Amazon Redshift
• Démo interactive 1 : Visite de la console Amazon Redshift
• Fonctionnalités Amazon Redshift
• Mise en pratique : Charger et interroger des données dans un cluster Amazon Redshift

Module 3 : Ingestion et stockage

• Ingestion
• Distribution et stockage des données
• Interroger des données dans Amazon Redshift
• Mise en pratique : Analyse de données à l’aide d’Amazon Redshift Spectrum
  

Module 4 : Traitement et optimisation des données

• Transformation des données
• Interrogation avancée
• La gestion des ressources
• Automatisation et optimisation
• Mise en pratique : Transformation et interrogation des données dans Amazon Redshift

Module 5 : Sécurité et surveillance des clusters Amazon Redshift

• Sécurisation du cluster Amazon Redshift
• Surveillance et dépannage des clusters Amazon Redshift

Module 6 : Conception de solutions d’analyse d’entrepôt de données

• Revue de cas d’utilisation de l’entrepôt de données
• Activité : Conception d’un workflow d’analyse d’entrepôt de données

Module B : Développement d’architectures de données modernes sur AWS

• Architectures de données modernes

Building Data Lakes on AWS

Module 1 : Introduction aux lacs de données

• Décrire la valeur des lacs de données
• Comparer les lacs de données et les entrepôts de données
• Décrire les composants d’un lac de données
• Reconnaître les architectures communes construites sur des lacs de données

Module 2 : Ingestion, catalogage et préparation des données

• Décrire la relation entre le stockage du lac de données et l’ingestion de données
• Décrire les robots AWS Glue et comment ils sont utilisés pour créer un catalogue de données
• Identifiez le formatage, le partitionnement et la compression des données pour un stockage et une requête efficaces
• Mise en pratique : Configurer un lac de données simple

Module 3 : Traitement et analyse des données

• Reconnaître comment le traitement des données s’applique à un lac de données
• Utiliser AWS Glue pour traiter les données dans un lac de données
• Décrire comment utiliser Amazon Athena pour analyser les données dans un lac de données

Module 4 : Création d’un lac de données avec AWS Lake Formation

• Décrire les fonctionnalités et les avantages d’AWS Lake Formation
• Utiliser AWS Lake Formation pour créer un lac de données
• Comprendre le modèle de sécurité AWS Lake Formation
• Mise en pratique : Créer un lac de données à l’aide d’AWS Lake Formation

Module 5 : Configurations supplémentaires de Lake Formation

• Automatisez AWS Lake Formation à l’aide de plans et de flux de travail
• Appliquer des contrôles de sécurité et d’accès à AWS Lake Formation
• Faites correspondre les enregistrements avec AWS Lake Formation FindMatches
• Visualisez les données avec Amazon QuickSight
• Mise en pratique : Automatiser la création d’un lac de données à l’aide des plans AWS Lake Formation
• Mise en pratique : Visualisation des données à l’aide d’Amazon QuickSight

Module 6 : Architecture et révision des cours

• Vérification des connaissances après le cours
• Revue d’architecture
• Revue de cours

Building Streaming Data Analytics Solutions on AWS

Module A : Présentation de l’analyse des données et du pipeline de données

• Cas d’utilisation de l’analyse de données
• Utilisation du pipeline de données pour l’analyse

Module 1 : Utilisation des services de streaming dans le pipeline d’analyse de données

• L’importance de l’analyse des données en continu
• Le pipeline d’analyse de données en continu
• Concepts de streaming

Module 2 : Introduction aux services de diffusion en continu AWS

• Services de données en continu dans AWS
• Amazon Kinesis dans les solutions d’analyse
• Utilisation d’Amazon Kinesis Data Analytics
• Présentation d’Amazon MSK
• Présentation de Spark Streaming
• Mise en pratique : Configuration d’un pipeline de diffusion en continu avec Amazon Kinesis

Module 3 : Utilisation d’Amazon Kinesis pour l’analyse de données en temps réel

• Explorer Amazon Kinesis à l’aide d’une charge de travail clickstream
• Création de données Kinesis et de flux de diffusion
• Construire des producteurs de flux
• Construire des consommateurs de flux
• Création et déploiement d’applications Flink dans Kinesis Data Analytics
• Mise en pratique : analyses en continu avec Amazon Kinesis Data Analytics et Apache Flink

Module 4 : Sécurisation, surveillance et optimisation d’Amazon Kinesis

• Optimisez Amazon Kinesis pour obtenir des informations commerciales exploitables
• Bonnes pratiques de sécurité et de surveillance

Module 5 : Utilisation d’Amazon MSK dans les solutions d’analyse de données en continu

• Cas d’utilisation pour Amazon MSK
• Création de clusters MSK
• Ingestion de données dans Amazon MSK
• Transformation et traitement dans Amazon MSK
• Mise en pratique : Introduction au contrôle d’accès avec Amazon MSK

Module 6 : Sécurisation, surveillance et optimisation d’Amazon MSK

• Optimisation d’Amazon MSK
• Démonstration : Mise à l’échelle du stockage Amazon MSK
• Sécurité et surveillance
• Mise en pratique : pipeline de diffusion en continu Amazon MSK et déploiement d’applications

Module 7 : Conception de solutions d’analyse de données en continu

• Examen des cas d’utilisation
• Exercice de classe : Conception d’un flux de travail d’analyse de données en continu

Module B : Développement d’architectures de données modernes sur AWS

• Architectures de données modernes