MOC DP 203 - Data Engineering on Microsoft Azure
Il corso MOC DP 203 - Data Engineering on Microsoft Azure fornisce le competenze fondamentali per operare come Data Engineer su Microsoft Azure, affrontando l’intero ciclo di gestione dei dati in scenari di analisi batch e in tempo reale. I partecipanti iniziano esplorando le tecnologie di calcolo e archiviazione alla base delle soluzioni analitiche, imparano a interagire con i dati in un data lake e a gestire l’inserimento tramite strumenti come Apache Spark, Azure Synapse Analytics, Azure Databricks e Data Factory. Il percorso include anche le tecniche di trasformazione dei dati, l’implementazione della sicurezza per la protezione dei dati in transito e a riposo, e la progettazione di sistemi analitici in tempo reale, con un approccio pratico e orientato alle soluzioni.
Cosa imparerai
- Esplorare le opzioni di calcolo e archiviazione per i carichi di lavoro di ingegneria dei dati in Azure
- Eseguire query interattive usando pool SQL serverless
- Eseguire l’esplorazione e la trasformazione dei dati in Azure Databricks
- Esplorare, trasformare e caricare dati nel data warehouse usando Apache Spark
- Inserire e caricare dati nel data warehouse
- Trasformare i dati con Azure Data Factory o pipeline di Azure Synapse
- Integrare dati dai notebook con Azure Data Factory o pipeline di Azure Synapse
- Supporto dell’elaborazione analitica transazionale ibrida con Collegamento a Synapse di Azure
- Eseguire la sicurezza end-to-end con Azure Synapse Analytics
- Eseguire l’elaborazione dei flussi in tempo reale con Analisi di flusso
- Creare una soluzione di elaborazione dei flussi con Hub eventi e Azure Databricks
- 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 all’archiviazione dati di Azure Data Lake
- Descrivere l’architettura Delta Lake
- Lavorare con flussi di dati utilizzando Azure Stream Analytics
- Modulo 2: Progettare e implementare il livello di servizio
- Progettare uno schema multidimensionale per ottimizzare i carichi di lavoro analitici
- Trasformazione su larga scala senza codice con Azure Data Factory
- Popolare dimensioni a cambiamento lento nelle pipeline di Azure Synapse Analytics
- Modulo 3: Considerazioni di ingegneria dei dati per i file sorgente
- Progettare un Modern Data Warehouse utilizzando Azure Synapse Analytics
- Proteggere un data warehouse in Azure Synapse Analytics
- Modulo 4: Eseguire query interattive utilizzando il pool SQL serverless di Azure Synapse Analytics
- Esplorare le funzionalità dei pool SQL serverless di Azure Synapse
- Interrogare i dati nel lake utilizzando i pool SQL serverless di Azure Synapse
- Creare oggetti di metadati nei pool SQL serverless di Azure Synapse
- Proteggere i dati e gestire gli utenti nei pool SQL serverless di Azure Synapse
- Modulo 5: Esplorare, trasformare e caricare dati nel Data Warehouse utilizzando Apache Spark
- Comprendere l’ingegneria dei big data con Apache Spark in Azure Synapse Analytics
- Inserire dati con notebook Apache Spark in Azure Synapse Analytics
- Trasformare dati con DataFrame nei pool Apache Spark in Azure Synapse Analytics
- Integrare SQL e pool Apache Spark in Azure Synapse Analytics
- Modulo 6: Esplorazione e trasformazione dei dati in Azure Databricks
- Descrivere Azure Databricks
- Leggere e scrivere dati in Azure Databricks
- Lavorare con DataFrame in Azure Databricks
- Lavorare con metodi avanzati dei DataFrame in Azure Databricks
- Modulo 7: Inserire e caricare dati nel data warehouse
- Utilizzare le best practice di caricamento dati in Azure Synapse Analytics
- Inserimento su scala petabyte con Azure Data Factory
- Modulo 8: Trasformare i dati con Azure Data Factory o Azure Synapse Pipelines
- Integrazione dei dati con Azure Data Factory o Azure Synapse Pipelines
- Modulo 9: Orchestrare il movimento e la trasformazione dei dati in Azure Synapse Pipelines
- Orchestrare il movimento e la trasformazione dei dati in Azure Data Factory
- Modulo 10: Ottimizzare le prestazioni delle query con i pool SQL dedicati in Azure Synapse
- Ottimizzare le prestazioni delle query del data warehouse in Azure Synapse Analytics
- Comprendere le funzionalità per sviluppatori del data warehouse in Azure Synapse Analytics
- Modulo 11: Analizzare e ottimizzare l’archiviazione del Data Warehouse
- Analizzare e ottimizzare l’archiviazione del data warehouse in Azure Synapse Analytics
- Modulo 12: Supportare l’elaborazione analitica transazionale ibrida (HTAP) con Azure Synapse Link
- Progettare l’elaborazione transazionale e analitica ibrida utilizzando Azure Synapse Analytics
- Configurare Azure Synapse Link con Azure Cosmos DB
- Interrogare Azure Cosmos DB con i pool Apache Spark
- Interrogare Azure Cosmos DB con i pool SQL serverless
- Modulo 13: Sicurezza end-to-end con Azure Synapse Analytics
- Proteggere un data warehouse in Azure Synapse Analytics
- Configurare e gestire i segreti in Azure Key Vault
- Implementare controlli di conformità per dati sensibili
- Modulo 14: Elaborazione dei flussi in tempo reale con Stream Analytics
- Abilitare la messaggistica affidabile per applicazioni Big Data utilizzando Azure Event Hubs
- Lavorare con flussi di dati utilizzando Azure Stream Analytics
- Inserire flussi di dati con Azure Stream Analytics
- Modulo 15: Creare una soluzione di elaborazione dei flussi con Event Hubs e Azure Databricks
- Elaborare dati in streaming con lo streaming strutturato di Azure Databricks
- Modulo 16: Creare report utilizzando l’integrazione di Power BI con Azure Synapse Analytics
- Creare report con Power BI utilizzando la sua integrazione con Azure Synapse Analytics
- Modulo 17: Eseguire processi di machine learning integrati in Azure Synapse Analytics
- Utilizzare il processo di machine learning integrato in Azure Synapse Analytics
Aver partecipato ai seguenti corsi oppure possedere competenze equivalenti:
- AZ-900 – Azure Fundamentals;
- DP-900 – Azure Data Fundamentals
- Data engineer
- Sviluppatore Software
Un attestato di frequenza inviato via e-mail dopo il termine del corso.
- 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 all’archiviazione dati di Azure Data Lake
- Descrivere l’architettura Delta Lake
- Lavorare con flussi di dati utilizzando Azure Stream Analytics
- Modulo 2: Progettare e implementare il livello di servizio
- Progettare uno schema multidimensionale per ottimizzare i carichi di lavoro analitici
- Trasformazione su larga scala senza codice con Azure Data Factory
- Popolare dimensioni a cambiamento lento nelle pipeline di Azure Synapse Analytics
- Modulo 3: Considerazioni di ingegneria dei dati per i file sorgente
- Progettare un Modern Data Warehouse utilizzando Azure Synapse Analytics
- Proteggere un data warehouse in Azure Synapse Analytics
- Modulo 4: Eseguire query interattive utilizzando il pool SQL serverless di Azure Synapse Analytics
- Esplorare le funzionalità dei pool SQL serverless di Azure Synapse
- Interrogare i dati nel lake utilizzando i pool SQL serverless di Azure Synapse
- Creare oggetti di metadati nei pool SQL serverless di Azure Synapse
- Proteggere i dati e gestire gli utenti nei pool SQL serverless di Azure Synapse
- Modulo 5: Esplorare, trasformare e caricare dati nel Data Warehouse utilizzando Apache Spark
- Comprendere l’ingegneria dei big data con Apache Spark in Azure Synapse Analytics
- Inserire dati con notebook Apache Spark in Azure Synapse Analytics
- Trasformare dati con DataFrame nei pool Apache Spark in Azure Synapse Analytics
- Integrare SQL e pool Apache Spark in Azure Synapse Analytics
- Modulo 6: Esplorazione e trasformazione dei dati in Azure Databricks
- Descrivere Azure Databricks
- Leggere e scrivere dati in Azure Databricks
- Lavorare con DataFrame in Azure Databricks
- Lavorare con metodi avanzati dei DataFrame in Azure Databricks
- Modulo 7: Inserire e caricare dati nel data warehouse
- Utilizzare le best practice di caricamento dati in Azure Synapse Analytics
- Inserimento su scala petabyte con Azure Data Factory
- Modulo 8: Trasformare i dati con Azure Data Factory o Azure Synapse Pipelines
- Integrazione dei dati con Azure Data Factory o Azure Synapse Pipelines
- Modulo 9: Orchestrare il movimento e la trasformazione dei dati in Azure Synapse Pipelines
- Orchestrare il movimento e la trasformazione dei dati in Azure Data Factory
- Modulo 10: Ottimizzare le prestazioni delle query con i pool SQL dedicati in Azure Synapse
- Ottimizzare le prestazioni delle query del data warehouse in Azure Synapse Analytics
- Comprendere le funzionalità per sviluppatori del data warehouse in Azure Synapse Analytics
- Modulo 11: Analizzare e ottimizzare l’archiviazione del Data Warehouse
- Analizzare e ottimizzare l’archiviazione del data warehouse in Azure Synapse Analytics
- Modulo 12: Supportare l’elaborazione analitica transazionale ibrida (HTAP) con Azure Synapse Link
- Progettare l’elaborazione transazionale e analitica ibrida utilizzando Azure Synapse Analytics
- Configurare Azure Synapse Link con Azure Cosmos DB
- Interrogare Azure Cosmos DB con i pool Apache Spark
- Interrogare Azure Cosmos DB con i pool SQL serverless
- Modulo 13: Sicurezza end-to-end con Azure Synapse Analytics
- Proteggere un data warehouse in Azure Synapse Analytics
- Configurare e gestire i segreti in Azure Key Vault
- Implementare controlli di conformità per dati sensibili
- Modulo 14: Elaborazione dei flussi in tempo reale con Stream Analytics
- Abilitare la messaggistica affidabile per applicazioni Big Data utilizzando Azure Event Hubs
- Lavorare con flussi di dati utilizzando Azure Stream Analytics
- Inserire flussi di dati con Azure Stream Analytics
- Modulo 15: Creare una soluzione di elaborazione dei flussi con Event Hubs e Azure Databricks
- Elaborare dati in streaming con lo streaming strutturato di Azure Databricks
- Modulo 16: Creare report utilizzando l’integrazione di Power BI con Azure Synapse Analytics
- Creare report con Power BI utilizzando la sua integrazione con Azure Synapse Analytics
- Modulo 17: Eseguire processi di machine learning integrati in Azure Synapse Analytics
- Utilizzare il processo di machine learning integrato in Azure Synapse Analytics
Aver partecipato ai seguenti corsi oppure possedere competenze equivalenti:
- AZ-900 – Azure Fundamentals;
- DP-900 – Azure Data Fundamentals
- Data engineer
- Sviluppatore Software
Un attestato di frequenza inviato via e-mail dopo il termine del corso.
F.A.Q.
Assolutamente sì. Progettiamo il percorso formativo in base alle esigenze della tua azienda: livello dei partecipanti, obiettivi professionali, settore di attività e competenze richieste. Insieme definiamo contenuti, durata, esercitazioni e modalità di valutazione, assicurando un corso completamente su misura.
Puoi scegliere la soluzione più comoda: formazione in presenza presso la tua sede oppure in modalità Aula Virtuale, con docente in diretta, interazione costante e materiale digitale condiviso. Possiamo anche combinare entrambe le modalità per un’esperienza blended più efficace.
Non ci sono limiti rigidi: possiamo organizzare corsi per piccoli team o per interi reparti. Per garantire la massima qualità formativa, consigliamo gruppi omogenei e dimensioni definite insieme in base agli obiettivi del corso.
Certamente. Pianifichiamo insieme calendario, orari e ritmo delle sessioni per minimizzare l’impatto sulle attività aziendali. Possiamo organizzare il corso in orario diurno, serale, oppure articolato in più moduli distribuiti nel tempo.
Ti basta contattarci tramite il form dedicato sul sito o scriverci direttamente: ti risponderemo rapidamente con una proposta formativa e un preventivo chiaro, senza impegno. Analizzeremo insieme bisogni, competenze da sviluppare e obiettivi per progettare il percorso ideale per la tua azienda.