Data Analytics Fundamentals (German)

BeschreibungIn diesem Selbststudium lernen Sie die Schritte zur Konzipierung einer Datenanalyselösung sowie die zahlreichen involvierten Analyseprozesse kennen. Dieser Kurs stellt fünf wichtige Faktoren vor, die bestimmen, welche AWS-Services für die Erfassung, Verarbeitung, Analyse und Präsentation Ihrer Daten nötig sind. Dies umfasst das Kennenlernen grundlegender Architekturen, Nutzenversprechen und potenzieller Anwendungsfälle. Der Kurs führt Sie in die AWS-Services und -Lösungen ein, die Sie beim Aufbau und der Verbesserung von Datenanalyselösungen unterstützen.ZielgruppeDieser Kurs richtet sich an:- Datenarchitekten- Datenwissenschaftler- DatenanalystenKurszieleInhalte dieses Kurses:- Identifizieren Sie die Eigenschaften von Datenanalyselösungen und die Charakteristiken, die darauf hindeuten, dass eine solche Lösung erforderlich sein könnte- Definieren Sie Arten von Daten, einschließlich strukturierter, semistrukturierter und unstrukturierter Daten- Definieren Sie Datenspeichertypen wie Data Lakes, AWS Lake Formation, Data Warehouses und den Amazon Simple Storage Service (Amazon S3)- Analysieren Sie die Eigenschaften und Unterschiede in der Stapel- und Stream-Verarbeitung- Definieren Sie, wie Amazon Kinesis zur Verarbeitung von Streaming-Daten verwendet wird- Analysieren Sie die Eigenschaften verschiedener Speichersysteme für Quelldaten- Analysieren Sie die Merkmale von Systemen der Online-Transaktionsverarbeitung (OLTP) und der Online-Analyseverarbeitung (OLAP) und deren Auswirkungen auf die Organisation von Daten in diesen Systemen- Analysieren Sie die Unterschiede zwischen zeilenbasierten und spaltenbasierten Datenspeicherungsmethoden- Definieren Sie, wie Amazon EMR, AWS Glue und Amazon Redshift jeweils Daten innerhalb einer Datenanalyselösung verarbeiten, bereinigen und transformieren- Analysieren Sie das Konzept der Einhaltung von Atomarität, Konsistenz, Isolation und Dauerhaftigkeit (ACID) sowie der Basisverfügbarkeit, Soft State, letztendlicher Datenkonsistenz (BASE) und wie ein Prozess aus Extrahieren, Transformieren und Laden (ETL) zur Sicherstellung der Compliance beitragen kann- Erkunden Sie das Konzept von Datenschemas und erfahren Sie, wie sie Daten definieren und wie diese Informationen in Metastores gespeichert werden- Analysieren Sie das Konzept von Daten im Vergleich zu Informationen- Erkennen Sie die Möglichkeiten zur Analyse von Daten für die Erstellung von Informationen für Berichte mithilfe von Tools wie Amazon QuickSight und Amazon Athena- Definieren Sie, wie AWS-Services zusammenarbeiten, um Daten zu visualisierenVoraussetzungenWir empfehlen, dass die Teilnehmer an diesem Kurs die folgenden Voraussetzungen erfüllen:- Grundkenntnisse zu Datenbankkonzepten- Grundlegendes Verständnis von Datenspeicherung, -verarbeitung und -analyse- Erfahrung mit Enterprise-IT-SystemenLehrmethodeDieser Kurs wird auf folgende Weise vermittelt:- Digitale SchulungenHinweis: Dieser Kurs verfügt über lokalisierte Transkripte/Untertitel (e). Der Vortrag ist auf Englisch.Dauer3,5 StundenKursinhaltIn diesem Kurs werden die folgenden Konzepte behandelt: Lektion 1: Einführung in Datenanalyselösungen - Datenanalyse- und Datenanalysekonzepte - Einführung in die Herausforderungen der DatenanalyseLektion 2: Volumen – Datenspeicherung - Einführung in Amazon S3 - Einführung in Data Lakes - Einführung in die Methoden der DatenspeicherungLektion 3: Geschwindigkeit – Datenverarbeitung - Einführung in die Datenverarbeitungsmethoden - Einführung in die Stapeldatenverarbeitung - Einführung in die Stream-Datenverarbeitung Lektion 4: Vielfalt – Datenstruktur und Datentypen - Einführung in die Speicherung von Quelldaten - Einführung in strukturierte Datenspeicher - Einführung in semistrukturierte und unstrukturierte Datenspeicher Lektion 5: Wahrhaftigkeit – Bereinigung und Transformation - Datenintegrität verstehen - Datenbankkonsistenz verstehen - Einführung in den ETL-Prozess Lektion 6: Wert – Reporting und Business Intelligence - Einführung in die Analyse von Daten - Einführung in die Visualisierung von Daten Lektion 7: Wichtige Erkenntnisse - Teile zusammenfügen - Was kommt als Nächstes?