Certification AWS Data Analytics e-learning

Apprentissage en ligne de la certification AWS Data Analytics

Vous prépare à l'examen AWS Certified Data Analytics - Specialty (DAS-C01).

La formation à la certification AWS Data Analytics vous prépare à tous les aspects de l'hébergement des big data et du traitement distribué sur la plateforme AWS. Notre cours AWS Data Analytics est aligné sur l'examen AWS Certified Data Analytics Specialty et vous aide à le réussir en une seule tentative. Développé par des leaders de l'industrie, ce cours de formation AWS Certified Data Analytics explore des sujets intéressants tels que AWS QuickSight, AWS lambda et Glue, S3 et DynamoDB, Redshift, Hive on EMR, entre autres.

Aperçu du cours de certification AWS Data Analytics

Dans ce cours de certification AWS Big Data, vous vous familiariserez avec les concepts du cloud computing et ses modèles de déploiement. Cette formation AWS Big Data couvre la plateforme cloud AWS d'Amazon, Kinesis Analytics, les services de stockage, de traitement, d'analyse, de visualisation et de sécurité des big data d'AWS, les algorithmes d'apprentissage automatique et bien plus encore.

Caractéristiques principales de la formation AWS Data Analytics

• 5 heures d'auto-apprentissage - e-learning
• 45 heures d'apprentissage mixte
• BOOTCAMP EN LIGNE : 90 jours d'accès flexible aux cours en ligne
• Apprentissage interactif avec le laboratoire intégré Jupyter Notebooks.
• Quatre projets basés sur l'industrie à la fin du cours
• Assistance 24/7 avec des sessions de mentorat dédiées aux projets.
• Flexibilité dans le choix des cours
• Sessions de mentorat dédiées par nos enseignants qui sont des experts de l'industrie.

Mode de prestation : apprentissage en ligne ou salle de classe virtuelle en direct.

Compétences couvertes

• AWS Quicksight
• Flux Kinesis
• AWS Lambda et Glue
• s3 et DynamoDB
• Redshift
• Amazon RDS
• Hive sur EMR
• HBase avec EMR
• AWS Aurora

Principaux résultats d'apprentissage :

A l'issue de ce cours de certification AWS Big Data, vous serez en mesure d'atteindre les objectifs suivants :

• Comprendre comment utiliser Amazon EMR pour traiter les données en utilisant les outils de l'écosystème Hadoop.
• Comprendre comment utiliser Amazon Kinesis pour traiter les données en temps réel.
• Analyser et transformer les big data à l'aide de Kinesis Streams.
• Visualiser les données et effectuer des requêtes à l'aide d'Amazon QuickSight.

Public cible :

Ce cours s'adresse aux professionnels suivants :

• Scientifiques des données
• Ingénieurs de données
• Architectes de solutions
• Analystes de données

Détails et critères de certification :

• Au moins 85 % d'assiduité dans une classe virtuelle.
• Une note d'au moins 75 % à l'évaluation de fin de cours.
• Évaluation réussie du projet à la fin du cours.

Programme du cours :

Leçon 01 - AWS dans l'introduction au Big Data

• Introduction à l'informatique en nuage
• Modèles de déploiement de l'informatique en nuage
• Plate-forme d'informatique dématérialisée d'Amazon Web Services
• La différence de l'informatique en nuage
• Économie du nuage AWS
• Cycle vertueux d'AWS
• Principes de conception de l'architecture cloud AWS
• Pourquoi AWS pour le Big Data - Raisons
• Pourquoi AWS pour le Big Data - Défis
• Bases de données dans AWS
• Bases de données relationnelles et non relationnelles
• Entreposage de données sur AWS
• Services pour la collecte, le traitement, le stockage et l'analyse des Big Data
• Amazon Redshift
• Amazon Kinesis
• Amazon EMR
• Amazon DynamoDB
• Amazon Machine Learning
• AWS Lambda
• Amazon Elasticsearch Service
• Amazon EC2 (logiciel d'analyse de big data sur des instances EC2)
• Amazon Redshift
• Amazon Kinesis
• Amazon EMR
• Amazon DynamoDB
• Amazon Machine Learning
• AWS Lambda
• Amazon Elasticsearch Service
• Amazon EC2 (logiciel d'analyse des grandes données sur les instances EC2)
• Points clés à retenir
• Contrôle des connaissances
• Projet de fin de leçon

Leçon 02 - Collecte

• Objectifs de la leçon
• Principes fondamentaux d'Amazon Kinesis
• Chargement des données dans le flux Kinesis
• Architecture de haut niveau du flux de données Kinesis
• Concepts de base du flux Kinesis
• Flux Kinesis émettant des données vers les services AWS
• Bibliothèque de connecteurs Kinesis
• Kinesis Firehose
• Transfert de données à l'aide de Lambda
• Amazon SQS
• IoT et Big Data
• Cadre IoT
• AWS Data Pipeline
• Composants d'AWS Data Pipeline
• Points clés à retenir
• Contrôle des connaissances
• Projet de fin de leçon

Leçon 03 - Stockage

• Objectifs de l'étude
• Introduction aux services de stockage AWS Big Data
• Amazon Glacier
• Glacier et Big Data
• Introduction à DynamoDB
• L'architecture de la table DynamoDB
• DynamoDB dans l'écosystème AWS
• Partitions DynamoDB
• Distribution des données
• Index secondaire local (LSI) **
• Index secondaire global (GSI) **
• DynamoDB GSI vs LSI
• DynamoDB Stream
• Réplication inter-régionale dans DynamoDB
• Sélection de la clé de partition
• Snowball et AWS Big Data
• AWS DMS
• AWS Aurora dans le Big Data
• Clé à emporter
• Vérification des connaissances
• Projet de fin de leçon

Leçon 04 - Traitement I

• Objectifs de la leçon
• Introduction aux services de traitement des Big Data d'AWS
• Amazon Elastic MapReduce (EMR)
• Apache Hadoop
• Architecture EMR
• Options de stockage
• Stockage et compression des fichiers EMR
• Format et taille des fichiers pris en charge
• Concept de zone unique
• Fonctionnement du DME
• Versions d'EMR
• Cluster AWS
• Lancement d'un cluster
• Options avancées de paramétrage de l'EMR
• Choix du type d'instance
• Nombre d'instances
• Surveillance de l'EMR
• Redimensionnement du cluster
• Utiliser Hue avec EMR
• Configuration de Hue pour LDAP
• Hive sur EMR
• Cas d'utilisation de Hive
• Points clés à retenir
• Vérification des connaissances
• Projet de fin de leçon

Leçon 05 - Traitement II

• HBase avec EMR
• Cas d'utilisation de HBase
• Comparaison de HBase avec Redshift et DynamoDB
• Architecture HBase HBase sur S3
• HBase et EMRFS
• Intégration HBase
• HCatalog
• Presto avec EMR
• Avantages de Presto
• Architecture de Presto
• Spark avec EMR
• Cas d'utilisation de Spark
• Composants de Spark
• Intégration de Spark avec EMR
• AWS Lambda dans l'écosystème AWS Big Data
• Limites de Lambda
• Lambda et Kinesis Stream
• Lambda et Redshift
• Points clés à retenir
• Contrôle des connaissances
• Projet de fin de leçon

Leçon 06 - Analyse I

• Objectifs de la leçon
• Introduction aux services d'analyse AWS Big Data
• RedShift
• Architecture de RedShift
• RedShift dans l'écosystème AWS
• Bases de données en colonnes
• Conception de tables RedShift
• Gestion de la charge de travail RedShift
• RedShift - Chargement des données
• Maintenance et opérations RedShift
• Principaux enseignements
• Contrôle des connaissances
• Projet de fin de leçon

Leçon 07 - Analyse II

• Apprentissage automatique
• Apprentissage automatique - Cas d'utilisation
• Algorithmes
• Amazon SageMaker
• Elasticsearch
• Service Amazon Elasticsearch
• Chargement des données dans Elasticsearch
• Logstash
• Kibana
• RStudio
• Caractéristiques
• Athena
• Presto et Hive
• Intégration avec AWS Glue
• Comparaison d'Athena avec d'autres services AWS
• Laboratoire Exécuter une requête sur S3 en utilisant Athena sans serveur
• Points clés à retenir
• Vérification des connaissances
• Projet de fin de leçon

Leçon 08 - Visualisation

• Objectifs
• Introduction aux services de visualisation AWS Big Data
• Amazon QuickSight
• Amazon QuickSight - Cas d'utilisation
• LAB Créer une analyse avec un seul visuel en utilisant un échantillon de données
• Travailler avec des données
• Pratique assistée : A DÉTERMINER
• Visualisation QuickSight
• Visualisation des Big Data
• Apache Zeppelin
• Bloc-notes Jupyter
• Comparaison entre les Notebooks
• js (documents pilotés par les données)
• MicroStrategy
• Points clés à retenir
• Contrôle des connaissances
• Projet de fin de leçon

Leçon 09 - Sécurité

• Objectifs de la leçon
• Introduction aux services de sécurité AWS Big Data
• Sécurité de l'EMR
• Rôles
• Sous-réseau privé
• Chiffrement au repos et en transit
• Sécurité de RedShift
• Aperçu du KMS
• SloudHSM
• Limiter l'accès aux données
• STS et accès inter-comptes
• Piste dans le nuage
• Les clés de l'avenir
• Contrôle des connaissances
• Projet de fin de leçon