Aperçu du cours
Doel van de opleiding : Deze training is bedoeld voor data-analisten, cloud-engineers, IT-architecten en business intelligence-specialisten die willen leren hoe cloud-platformen zoals AWS, Azure en Google Cloud kunnen worden gebruikt voor data-analyse en integratie. De focus ligt op het verwerken, analyseren en integreren van gegevens met cloud-native tools en het bouwen van schaalbare dataplatformen.
Prérequis
- Basiskennis van SQL en relationele databases.
- Enige ervaring met data-analyse of cloud computing is nuttig, maar niet verplicht.
- Basiskennis van BI-tools zoals Power BI, Tableau of Looker is een pluspunt.
Fonctionnalités
- Cloud-databaseoplossingen evalueren en implementeren voor data-analyse.
- Gegevens integreren en verwerken met tools zoals AWS Glue, Azure Data Factory en Google Dataflow.
- Real-time en batch data-analyse uitvoeren in een cloudomgeving.
- BI-dashboards en rapportages bouwen met cloudgebaseerde analytics tools.
- Best practices toepassen voor beveiliging, governance en kostenoptimalisatie in cloud data-analyse.
Public ciblé
- Data engineers en cloud-architecten die schaalbare cloudoplossingen willen implementeren.
- Business intelligence-specialisten en data-analisten die werken met grote datasets in de cloud.
- IT-managers en DevOps-teams die cloud-native data-integratie willen optimaliseren.
Détails
- 3 Sections
- 9 Lessons
- 3 Days
Expand all sectionsCollapse all sections
- Dag 1: Introductie tot Cloud Data-analyse en Opslag (7 uur)3
- 1.1Wat is Cloud-gebaseerde Data-analyse? (2 uur) Verschillen tussen on-premise en cloud data-oplossingen. Overzicht van cloudplatformen: AWS, Azure, Google Cloud. Praktijk: Vergelijking van cloud-oplossingen voor verschillende business cases.
- 1.2Cloud Data Warehousing: Snowflake, BigQuery en Azure Synapse (3 uur) Data warehouse architectuur en opslagformaten. Schaalbaarheid, prestaties en kostenbeheer in de cloud. Praktijk: Een dataset laden en analyseren in Google BigQuery of Snowflake.
- 1.3ETL en Data Pipelines in de Cloud (2 uur) Gegevens verwerken met AWS Glue, Azure Data Factory en Google Dataflow. Streaming vs. batchverwerking in cloudomgevingen. Praktijk: Een data-pipeline opzetten om gestructureerde en ongestructureerde data te verwerken.
- Dag 2: Cloud-native Data-analyse en Machine Learning (7 uur)3
- 2.1Serverless Analytics en Data Processing (3 uur) Werken met AWS Lambda, Google Cloud Functions en Azure Functions. Automatiseren van data-verwerking en event-driven workflows. Praktijk: Een serverless workflow bouwen voor geautomatiseerde data-analyse.
- 2.2Geavanceerde Data-analyse met AI en Machine Learning (2 uur) Machine learning-modellen trainen in AWS SageMaker, Google Vertex AI en Azure ML Studio. Voorspellende analyses en anomaliedetectie. Praktijk: Een machine learning-model trainen op een cloud-dataset.
- 2.3BI en Dashboarding in de Cloud (2 uur) Werken met Google Looker, AWS QuickSight en Power BI in de cloud. Data-exploratie en interactieve visualisaties bouwen. Praktijk: Een cloud-gebaseerd dashboard ontwikkelen en delen met stakeholders.
- Dag 3: Integratie, Beveiliging en Best Practices (7 uur)3
- 3.1Cloud Data-integratie en API-koppelingen (3 uur) Koppelingen maken tussen ERP, CRM en cloud databases. Werken met REST API’s en webhooks voor data-uitwisseling. Praktijk: Een API-koppeling opzetten tussen een cloud data-oplossing en een externe applicatie.
- 3.2Beveiliging en Governance in Cloud Data-oplossingen (2 uur) Implementeren van Role-Based Access Control (RBAC) en encryptie. Data compliance en privacy in GDPR en ISO 27001 context. Praktijk: Opzetten van toegangscontrole en logging voor een cloud data-platform.
- 3.3Case Study en Afsluiting (2 uur) Werken met real-world datasets in een cloudomgeving. Praktijk: Deelnemers presenteren een cloud-gebaseerde data-analyseoplossing voor een businesscase.
Instructeur
