- Seminar / Kurs
- Deutsch
-
- Zertifikat
- 35 h
- Anbieterbewertung (254)
Seminar / Kurs
Databricks Komplett - Foundation & Advanced
Inhalte
Tag 1: Theorie und Grundarchitektur - Lakehouse Platform & Data Governance
- Teil 1: Theorie, Grundlagen und Einordnung
- Rolle von DataOps, Data Engineering und Data Analytics in modernen Datenökosystemen
- Überblick Databricks Lakehouse: zentrale Konzepte, Architektur und Workflow
- Aufbau einer Medaillon-Architektur (Bronze -> Silber -> Gold)
- Einordnung von Data Mesh, Data Products und Data Fabric
- Spark-Grundlagen: Cluster, Runtimes, Execution Model
- Delta Lake: ACID, Versionierung, Time Travel, Performance-Optimierung
- Teil 2: Grundarchitektur - Lakehouse Plattform & Data Governance
- Databricks Workspaces, Cluster-Typen (Classic Compute vs. Serverless), SQL Warehouses
- Unity Catalog: Data Governance, Berechtigungen, Data Lineage, Data Discovery
- Databricks One: Integration von Databricks AI/BI Dashboards und Databricks Genie
- Cloud-Integration (AWS / Azure): Landing Zones, Networking, Storage-Anbindung
- Sicherheitsmodelle: Rollen, Berechtigungen, Secrets, Verschlüsselung
- Teil 3: Daten kommen an - Ingestion & Integration
- Anbindung von Datenquellen: Datenbanken, Cloud-Storages, APIs, Streaming
- Ingestion-Strategien: Batch, Streaming, Auto Loader, Partner Connect
- Aufbau von Landing Zones für strukturierte & unstrukturierte Daten (z. B. SAP / Non-SAP)
- Best Practices zur zuverlässigen Datenübernahme (DataOps-Ansätze)
- Teil 4: Daten werden verarbeitet - Transformation & Pipelines
- Arbeiten mit Notebooks (Python, SQL, Spark)
- Aufbau von ETL/ELT-Pipelines mit Spark Declarative Pipelines (Databricks Pipelines & Jobs)
- DataOps-Prinzipien: CI/CD, Git-Integration, Reproduzierbarkeit
- Optimierung von Pipelines und Clustern
- Teil 5: Bereitstellung der Daten - Data Products & Sharing
- Umsetzung der Medaillon-Stufen (Bronze -> Silber -> Gold)
- Aufbau produktionsreifer Data Products
- Delta Sharing: interne und externe Datenbereitstellung
- Data Governance mit dem Databricks Unity Catalog
- Databricks Asset Bundles: strukturierte Blueprints für Data Products & Use Cases
- Teil 6: Auswertung der Daten - Analytics & Reporting
- Analytische Abfragen mit Databricks SQL
- Erstellung von Databricks AI/BI Dashboards und Reports
- Integration von BI-Tools (am Beispiel von Power BI)
- Skalierungsstrategien für Analyse-Workloads
- Typische Use Cases: Standarding Reporting, Self-Service BI und Ad-hoc-Analysen
- Teil 1: Advanced Spark & Performance Tuning
- Analyse des Spark Execution Models in Databricks
- Optimierung von DataFrame- und SQL-Operationen
- Umgang mit Skew, Shuffle, Partitioning, Caching und Z-Order
- Nutzung des Databricks UIs für Fehleranalysen und Performance-Debugging
- Best Practices für skalierbare ETL/ELT-Pipelines
- Teil 2: Cluster Tuning & Ressourceneffizienz
- Vergleich von Cluster-Typen (Classic Compute, Serverless, Jobs-Clusters)
- Cluster Policies, Pools und Optimierungsstrategien
- Auto-Scaling korrekt konfigurieren und Monitoring sinnvoll nutzen
- Kostenkontrolle und FinOps-Praktiken im Umgang mit Databricks Lakehouse Architekturen
- Teil 3: Databricks Unity Catalog - Expertenfunktionen
- Erweiterte Governance-Konzepte mit dem Unity Catalog
- Arbeiten mit Metadaten, Data Lineage und Automatisierungsansätzen
- Feingranulare Berechtigungsverwaltung
- Umgang mit Primary Keys und Foreign Keys in Tabellen
- Erweiterte Delta-Funktionen: Optimize, Vacuum, Constraints, Expectations
- Teil 4: Fortgeschrittene DataOps & Automatisierung
- Infrastrukturautomatisierung: Asset Bundles, CI/CD, Git-Workflows
- Abgrenzung: Terraform vs. Databricks Asset Bundles vs. Databricks Python SDK
- Jobs, Workflows und Pipelines für Enterprise DataOps
- Fehleranalyse und Monitoring für produktive Pipelines
- Deployment-Strategien für Data Products
- Teil 5: Enterprise Data Management & Data Quality
- Data Quality Patterns (z. B. Funnels, Wrangling-Prozesse) mit Delta Live Tables und Databricks AI/BI Dashboards
- Professioneller Einsatz von Constraints, Checks & Expectations
- Enterprise Metadatenmanagement und Katalogisierung
- Data Labeling im Kontext moderner Governance
- Teil 6: GenAI & Databricks Genie
- Optimierung von Tabellen-, Spalten- und Schema-Beschreibungen im Unity Catalog für präzise GenAI-Generierung
- Einsatz klarer Metadaten, damit Genie natürliche Sprache korrekt in SQL und Strukturvorschläge übersetzen kann
- Definition von Relationen, Constraints und Data Contracts zur besseren Orientierung für Genie
- Best Practices für konsistente Dokumentation, um Genies Query- und Code-Assistenz gezielt zu unterstützen
- Teil 7: Enterprise Sharing & Collaboration
- Erweiterte Nutzung von Delta Sharing (intern/extern)
- Best Practices für sichere Datenbereitstellungen
Tag 1: Theorie und Grundarchitektur - Lakehouse Platform & Data Governance
- Teil 1: Theorie, Grundlagen und Einordnung
- Rolle von DataOps, Data Engineering und Data Analytics in modernen Datenökosysteme...
Lernziele
Nach diesen fünf Tagen verfügen Sie über ein ganzheitliches und tiefgehendes Verständnis der Databricks Lakehouse Plattform. Sie können Data Pipelines konzipieren, implementieren und optimieren, Governance-Modelle professionell umsetzen, Cluster effizient konfigurieren und Enterprise-Architekturen skalierbar betreiben. Sie verbinden Foundation-Wissen mit Advanced-Techniken und agieren sicher in produktiven Cloud-Umgebungen auf AWS oder Azure.
Nach diesen fünf Tagen verfügen Sie über ein ganzheitliches und tiefgehendes Verständnis der Databricks Lakehouse Plattform. Sie können Data Pipelines konzipieren, implementieren und optimieren, Gover... Mehr Informationen
Zielgruppen
Dieses Seminar richtet sich an Data Engineers, DataOps Engineers, Analytics Engineers, BI-Professionals und Cloud-Architekten, die Databricks umfassend beherrschen möchten.
Sie arbeiten bereits mit Databricks oder planen den strategischen Aufbau einer Lakehouse-Architektur.
Sie benötigen solide Kenntnisse in SQL und Spark sowie praktische Erfahrung mit Datenpipelines oder Cloud-Plattformen.
Das Seminar kombiniert Foundation- und Advanced-Level und ist als intensives Praxis- und Architekturtraining konzipiert.
Dieses Seminar richtet sich an Data Engineers, DataOps Engineers, Analytics Engineers, BI-Professionals und Cloud-Architekten, die Databricks umfassend beherrschen möchten.
Sie arbeiten bereits mit Da... Mehr Informationen
Termine und Orte
| Datum | Dauer | Preis | ||
|---|---|---|---|---|
| Köln, DE | ||||
| 02.11.2026 - 06.11.2026 35 h | 35 h | Details | Details Jetzt buchen | |
| 11.01.2027 - 15.01.2027 35 h | 35 h | Details | Details Jetzt buchen | |
| 10.05.2027 - 14.05.2027 35 h | 35 h | Details | Details Jetzt buchen | |
| 23.08.2027 - 27.08.2027 35 h | 35 h | Details | Details Jetzt buchen | |
| 22.11.2027 - 26.11.2027 35 h | 35 h | Details | Details Jetzt buchen | |
| Datum | Dauer | Preis | ||
|---|---|---|---|---|
| Köln, DE | ||||
| 02.11.2026 - 06.11.2026 35 h | 35 h | Details | Details Jetzt buchen | |
| 11.01.2027 - 15.01.2027 35 h | 35 h | Details | Details Jetzt buchen | |
| 10.05.2027 - 14.05.2027 35 h | 35 h | Details | Details Jetzt buchen | |
| 23.08.2027 - 27.08.2027 35 h | 35 h | Details | Details Jetzt buchen | |
| 22.11.2027 - 26.11.2027 35 h | 35 h | Details | Details Jetzt buchen | |