Building Data Analytics Solutions Using Amazon Redshift

Dans ce cours, vous apprendrez à :

• Comparez 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
• Choisissez 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
• Sécurisez les données au repos et en transit
• Surveillez les charges de travail d’analyse pour identifier et résoudre les problèmes
• Appliquer les meilleures pratiques de gestion des coûts

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

Module 2 : Introduction à Amazon Redshift

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

Module 3 : Ingestion et stockage

• Ingestion
• Démo interactive 2 : Connexion de votre cluster Amazon Redshift à l’aide d’un bloc-notes Jupyter avec l’API de données
• Distribution et stockage des données
• Démo interactive 3 : Analyse de données semi-structurées à l’aide du type de données SUPER
• Interrogation de données dans Amazon Redshift
• Exercice pratique 2 : Analyse de données à l’aide d’Amazon Redshift Spectrum

Module 4 : Traitement et optimisation des données

• Transformation des données
• Interrogation avancée
• Exercice pratique 3 : Transformation et interrogation des données dans Amazon Redshift
• Gestion des ressources
• Démo interactive 4 : Application de la gestion des charges de travail mixtes sur Amazon Redshift
• Automatisation et optimisation
• Démo interactive 5 : Redimensionnement du cluster Amazon Redshift du cluster dc2.large vers le cluster ra3.xlplus

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

• Examen 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

Les étudiants ayant au moins un an d’expérience dans la gestion d’entrepôts de données bénéficieront de ce cours.

Nous recommandons aux participants de ce cours d’avoir :

• Avoir suivi AWS Technical Essentials ou Architecting on AWS
• Achèvement de la création de lacs de données sur AWS

• GK4501 - AWS : Notions techniques de base Amazon Web Services
• GK7377 - Building Data Lakes on AWS
• GK7378 - Building Batch Data Analytics Solutions on AWS