Implement a Data Analytics Solution with Azure Databricks

Bevor Sie diesen Kurs absolvieren, sollten die Lernenden bereits mit den Grundlagen von Python und SQL vertraut sein. Dazu gehört die Möglichkeit, einfache Python-Skripts zu schreiben und mit allgemeinen Datenstrukturen zu arbeiten sowie SQL-Abfragen zum Filtern, Verknüpfen und Aggregieren von Daten zu schreiben. Ein grundlegendes Verständnis gängiger Dateiformate wie CSV, JSON oder Parkett hilft auch beim Arbeiten mit Datasets.

Darüber hinaus ist die Vertrautheit mit dem Azure-Portal und den Kerndiensten wie Azure Storage wichtig, zusammen mit einem allgemeinen Bewusstsein für Datenkonzepte wie Batch- und Streamingverarbeitung und strukturierte und unstrukturierte Daten. Obwohl nicht zwingend erforderlich, kann vorherige Erfahrung mit Big Data-Frameworks wie Spark und der Arbeit mit Jupyter-Notizbüchern den Übergang zu Databricks erleichtern.

Bevor Sie mit diesem Lernpfad beginnen, sollten Sie sich bereits mit den Grundlagen von Python und SQL vertraut machen. Dazu gehört die Möglichkeit, einfache Python-Skripts zu schreiben und mit allgemeinen Datenstrukturen zu arbeiten sowie SQL-Abfragen zum Filtern, Verknüpfen und Aggregieren von Daten zu schreiben. Ein grundlegendes Verständnis gängiger Dateiformate wie CSV, JSON oder Parkett hilft auch beim Arbeiten mit Datasets.

Darüber hinaus ist die Vertrautheit mit dem Azure-Portal und den Kerndiensten wie Azure Storage wichtig, zusammen mit einem allgemeinen Bewusstsein für Datenkonzepte wie Batch- und Streamingverarbeitung und strukturierte und unstrukturierte Daten. Obwohl nicht zwingend erforderlich, kann vorherige Erfahrung mit Big Data-Frameworks wie Spark und der Arbeit mit Jupyter-Notizbüchern den Übergang zu Databricks erleichtern.

Erkunden von Azure Databricks

• Einführung
• Erste Schritte mit Azure Databricks
• Erkennen von Azure Databricks-Workloads
• Verständnis der grundlegenden Konzepte
• Data Governance mithilfe von Unity Catalog und Microsoft Purview
• Übung - Azure Databricks erkunden
• Modulbewertung
• Zusammenfassung

Durchführen einer Datenanalyse mit Azure Databricks

• Einführung
• Erfassen von Daten mit Azure Databricks
• Datenerkundungstools in Azure Databricks
• Datenanalyse mit DataFrame-APIs
• Übung – Erkunden von Daten mit Azure Databricks
• Modulbewertung
• Zusammenfassung

Verwenden von Apache Spark in Azure Databricks

• Einführung
• Einführung in Spark
• Erstellen eines Spark-Clusters
• Verwenden von Spark in Notebooks
• Verwenden von Spark zum Arbeiten mit Datendateien
• Visualisieren von Daten
• Übung : Verwenden von Spark in Azure Databricks
• Modulbewertung
• Zusammenfassung

Verwalten von Daten mit Delta Lake

• Einführung
• Erste Schritte mit Delta Lake
• Erstellen von Deltatabellen
• Implementieren der Schemaerzwingung
• Datenversionsverwaltung und Zeitreise in Delta Lake
• Datenintegrität mit Delta Lake
• Übung: Verwenden von Delta Lake in Azure Databricks
• Modulbewertung
• Zusammenfassung

Erstellen von deklarativen Lakeflow-Pipelines

• Einführung
• Erkunden von Lakeflow Declarative Pipelines
• Erfassung und Integration von Daten
• Echtzeitverarbeitung
• Übung – Erstellen einer deklarativen Lakeflow-Pipeline
• Modulbewertung
• Zusammenfassung

Bereitstellen von Workloads mit Lakeflow-Aufträgen

• Einführung
• Was sind Lakeflow Jobs?
• Grundlegendes zu wichtigen Komponenten von Lakeflow-Aufträgen
• Erkunden der Vorteile von Lakeflow-Aufträgen
• Bereitstellen von Workloads mithilfe von Lakeflow Jobs
• Übung – Erstellen eines Lakeflow-Auftrags
• Modulbewertung
• Zusammenfassung