In questo corso, lo studente apprenderà i concetti dell'ingegneria dei dati nell'ambito dell'uso di soluzioni di analisi in batch e in tempo reale usando le tecnologie della piattaforma dati di Azure. Gli studenti inizieranno conoscendo le tecnologie di calcolo e archiviazione di base usate per creare una soluzione analitica. Gli studenti impareranno a esplorare in modo interattivo i dati archiviati nei file in un data lake. Apprenderanno le varie tecniche di inserimento che possono essere usate per caricare i dati usando la funzionalità Apache Spark disponibile in Azure Synapse Analytics o Azure Databricks o come eseguire l'inserimento con Azure Data Factory o pipeline di Azure Synapse. Gli studenti apprenderanno anche i vari modi in cui possono trasformare i dati usando le stesse tecnologie usate per l'inserimento. Comprenderanno l'importanza di implementare la sicurezza per garantire che i dati siano protetti sia nello stato inattivo che in transito. Lo studente mostrerà quindi come creare un sistema analitico in tempo reale per creare soluzioni analitiche in tempo reale.

Modulo 1: Esplorare le opzioni di calcolo e archiviazione per i carichi di lavoro di ingegneria dei dati Introduzione ad Azure Synapse Analytics Descrivere Azure Databricks Introduzione ad Azure Data Lake Storage Descrivere l'architettura di Delta Lake Usare i flussi dei dati con Analisi di flusso di Azure Modulo 2: Eseguire query interattive usando pool SQL serverless di Azure Synapse Analytics Esplorare le funzionalità dei pool SQL serverless di Azure Synapse Eseguire query sui dati nel data lake usando i pool SQL serverless di Azure Synapse Creare oggetti metadati nei pool SQL serverless di Azure Synapse Proteggere i dati e gestire gli utenti nei pool SQL serverless di Azure Synapse Modulo 3: Esplorazione e trasformazione dei dati in Azure Databricks Descrivere Azure Databricks Leggere e scrivere dati in Azure Databricks Usare i DataFrame in Azure Databricks Usare i metodi avanzati dei DataFrame in Azure Databricks Modulo 4: Esplorare, trasformare e caricare dati nel data warehouse usando Apache Spark Informazioni sull'ingegneria dei Big Data con Apache Spark in Azure Synapse Analytics Inserire dati con i notebook di Apache Spark in Azure Synapse Analytics Trasformare i dati con dataframe in pool di Apache Spark in Azure Synapse Analytics Integrare pool SQL e di Apache Spark in Azure Synapse Analytics Modulo 5: Inserire e caricare dati nel data warehouse Usare le procedure consigliate per il caricamento dati in Azure Synapse Analytics Inserimento a livello di petabyte con Azure Data Factory Modulo 6: Trasformare i dati con Azure Data Factory o pipeline di Azure Synapse Integrazione dei dati con Azure Data Factory o pipeline di Azure Synapse Trasformazione senza codice su larga scala con Azure Data Factory o pipeline di Azure Synapse Modulo 7: Orchestrare lo spostamento e la trasformazione dei dati in pipeline di Azure Synapse Orchestrare lo spostamento e la trasformazione dei dati in Azure Data Factory Modulo 8: Sicurezza end-to-end con Azure Synapse Analytics Proteggere una data warehouse in Azure Synapse Analytics Configurare e gestire segreti in Azure Key Vault Implementare i controlli di conformità per i dati sensibili Modulo 9: Supporto dell'elaborazione analitica transazionale ibrida con Collegamento a Synapse di Azure Progettare un'elaborazione transazionale e analitica ibrida con Azure Synapse Analytics Configurare il collegamento ad Azure Synapse con Azure Cosmos DB Eseguire query in Azure Cosmos DB con pool di Apache Spark Eseguire query in Azure Cosmos DB con pool SQL serverless Modulo 10: Elaborazione di flussi in tempo reale con Analisi di flusso Abilitare una messaggistica affidabile per applicazioni di Big Data tramite Hub eventi di Azure Usare i flussi dei dati con Analisi di flusso di Azure Inserire flussi di dati con Analisi di flusso di Azure Modulo 11: Creare una soluzione di elaborazione dei flussi con Hub eventi e Azure Databricks Elaborare i dati di streaming con Azure Databricks Structured Streaming

Per ottenere risultati validi, è consigliabile che gli studenti inizino questo corso con conoscenze dei concetti di base di cloud computing e dei dati e con esperienza professionale di soluzioni per i dati. Nello specifico è consigliato il completamento dei corsi seguenti: AZ-900 – Azure Fundamentals DP-900 – Microsoft Azure Data Fundamentals