Building Data Analytics Solutions Using Amazon Redshift (BDASAR)

 

Course Overview

This course uses an Amazon Redshift data warehouse as part of the data analytics solution. The course focuses on the data collection, ingestion, cataloging, storage, and processing components of the analytics pipeline. You will design and build data analytics solutions for data warehousing use cases. You will learn how a data warehouse can be integrated into a data lake or a modern data architecture. You will also learn to apply best practices to support security, performance, and cost optimization of Amazon Redshift.

Moyens Pédagogiques :
  • Quiz pré-formation de vérification des connaissances (si applicable)
  • Réalisation de la formation par un formateur agréé par l’éditeur
  • Formation réalisable en présentiel ou en distanciel
  • Mise à disposition de labs distants/plateforme de lab pour chacun des participants (si applicable à la formation)
  • Distribution de supports de cours officiels en langue anglaise pour chacun des participants
    • Il est nécessaire d'avoir une connaissance de l'anglais technique écrit pour la compréhension des supports de cours
Moyens d'évaluation :
  • Quiz pré-formation de vérification des connaissances (si applicable)
  • Évaluations formatives pendant la formation, à travers les travaux pratiques réalisés sur les labs à l’issue de chaque module, QCM, mises en situation…
  • Complétion par chaque participant d’un questionnaire et/ou questionnaire de positionnement en amont et à l’issue de la formation pour validation de l’acquisition des compétences

Who should attend

This course is intended for:

  • Data warehouse engineers
  • Data platform engineers
  • Architects and operators who build and manage data analytics pipelines

Prerequisites

Students familiar with combining AWS technologies to support data lakes or other data-driven workloads will benefit from this course. We recommend that attendees of this course have:

Course Objectives

In this course, you will learn to:

  • Compare the features and benefits of data warehouses, data lakes, and modern data architectures
  • Design and implement a data warehouse analytics solution
  • Identify and apply appropriate techniques, including compression, to optimize data storage
  • Select and deploy appropriate options to ingest, transform, and store data
  • Choose the appropriate instance and node types, clusters, auto scaling, and network topology for a particular business use case
  • Understand how data storage and processing affect the analysis and visualization mechanisms needed to gain actionable business insights
  • Secure data at rest and in transit
  • Monitor analytics workloads to identify and remediate problems
  • Apply cost management best practices

Course Content

Module A: Overview of Data Analytics and the Data Pipeline
  • Data analytics use cases
  • Using the data pipeline for analytics
Module 1: Using Amazon Redshift in the Data Analytics Pipeline
  • Why Amazon Redshift for data warehousing?
  • Overview of Amazon Redshift
Module 2: Introduction to Amazon Redshift
  • Amazon Redshift architecture
  • Interactive Demo 1: Touring the Amazon Redshift console
  • Amazon Redshift features
  • Practice Lab 1: Setting up your data warehouse using Amazon Redshift
Module 3: Ingestion and Storage
  • Ingestion
  • Interactive Demo 2: Connecting your Amazon Redshift cluster using a Jupyter notebook with Data API
  • Data distribution and storage
  • Interactive Demo 3: Analyzing semi-structured data using the SUPER data type
  • Querying data in Amazon Redshift
  • Practice Lab 2: Data analytics using Amazon Redshift Spectrum
Module 4: Processing and Optimizing Data
  • Data transformation
  • Advanced querying
  • Practice Lab 3: Data transformation and querying in Amazon Redshift
  • Resource management
  • Interactive Demo 4: Applying mixed workload management on Amazon Redshift
  • Automation and optimization
Module 5: Security and Monitoring of Amazon Redshift Clusters
  • Securing the Amazon Redshift cluster
  • Monitoring and troubleshooting Amazon Redshift clusters
Module 6: Designing Data Warehouse Analytics Solutions
  • Data warehouse use case review
  • Activity: Designing a data warehouse analytics workflow
Module B: Developing Modern Data Architectures on AWS
  • Modern data architectures

Prix & Delivery methods

Formation en ligne

Durée
1 jour

Prix
  • sur demande
Dates et Inscription
Demande de date
Formation en salle équipée

Durée
1 jour

Prix
  • sur demande
Dates et Inscription
Demande de date

Agenda

Délai d’accès – inscription possible jusqu’à la date de formation
Instructor-led Online Training :   Cours en ligne avec instructeur
Formation en mode FLEX, à la fois à distance et en présentiel. Tous nos cours FLEX sont aussi des ILO (Instructor-Led Online).

Anglais

Fuseau horaire : Heure d'été d'Europe centrale (HAEC)   ±1 heure

Formation en ligne Fuseau horaire : British Summer Time (BST)
Formation en ligne Formation en mode FLEX. Fuseau horaire : Heure d'été d'Europe de l'Est (HAEE)
Formation en ligne Fuseau horaire : British Summer Time (BST)

2 heures de différence

Formation en ligne Formation en mode FLEX. Fuseau horaire : Gulf Standard Time (GST)
Délai d’accès – inscription possible jusqu’à la date de formation
Formation en mode FLEX, à la fois à distance et en présentiel. Tous nos cours FLEX sont aussi des ILO (Instructor-Led Online).

Europe

Italie

Milan
Rome
Milan

Suisse

Zurich
Zurich
Zurich

Si vous ne trouvez pas de date adéquate, n'hésitez pas à vérifier l'agenda de toutes nos formations FLEX internationales