En choisissant un pays, vous voyez les cours disponibles dans votre région.
★ 4.0(1)⏱ 2 h 36 min📚 26 leçons
AWS Data Engineering : Construire et orchestrer des pipelines de données modernes
Maîtrisez les fondamentaux de la conception, de la construction et de l'orchestration de pipelines de données cloud évolutifs sur AWS en utilisant Redshift, Apache Spark et Airflow.
💬Instructeur IA Posez une question sur n'importe quelle leçon et obtenez une réponse claire à tout moment.
🕐Commencez quand vous voulez Sans horaires ni délais : apprenez à votre rythme, quand vous voulez.
🌐En français Leçons, exercices et certificat : tout entièrement dans votre langue.
À propos de ce cours
Dans le monde actuel axé sur les données, les organisations s'appuient sur des pipelines de données robustes pour transformer des informations brutes en informations exploitables. La construction de ces systèmes nécessite une solide compréhension de l'infrastructure cloud, de la modélisation des données et de l'automatisation des flux de travail.
Ce cours vous guide tout au long du processus de conception et de déploiement de plateformes de données prêtes pour la production sur AWS. Vous passerez de la compréhension des paradigmes de bases de données fondamentaux à la construction d'architectures lakehouse modernes et à l'automatisation des flux de travail, en acquérant les compétences pratiques nécessaires pour travailler en tant qu'ingénieur de données cloud.
Ce que vous apprendrez :
- Modéliser efficacement les données dans des bases de données relationnelles, de documents et de graphes, y compris PostgreSQL, MongoDB et Neo4j
- Construire des entrepôts de données cloud en utilisant Redshift, en concevant des schémas dimensionnels optimisés et des pipelines ETL robustes
- Implémenter des architectures lakehouse modernes avec S3, Glue, Iceberg et Athena en utilisant Apache Spark pour traiter les couches de données
- Orchestrer et planifier des flux de données complexes en utilisant Apache Airflow et MWAA
- Appliquer des techniques modernes de validation de la qualité des données et des concepts de base d'Infrastructure as Code pour assurer la fiabilité des pipelines
Le cours commence par les concepts fondamentaux des bases de données et les stratégies de modélisation des données avant de passer à l'entreposage cloud, aux architectures lakehouse et à l'orchestration automatisée. Grâce à des explications écrites claires, des décompositions architecturales et des extraits de code structurés, vous apprendrez à concevoir des systèmes de données de bout en bout.
Ce cours est conçu pour les futurs ingénieurs de données, développeurs de logiciels et analystes de données qui souhaitent se reconvertir dans l'ingénierie de données cloud. Aucune expérience préalable d'AWS ou d'ingénierie de données n'est requise, bien qu'une compréhension de base de SQL et de Python soit utile.
Commencez à construire votre fondation d'ingénierie de données cloud dès aujourd'hui.
Ce que vous recevez
📜Certificat de fin Ajoutez-le à votre profil LinkedIn
💬Tuteur AI personnel Bloqué sur une leçon ? Pose n'importe quelle question à ton tuteur intégré, à tout moment.
♾️Accès à vie Revenez quand vous voulez, sans expiration
📱Téléphone ou ordinateur Fonctionne partout, sur tout appareil
💸Remboursement 14 jours Sans poser de questions
⚡Court et ciblé 2 h 36 min de contenu pratique
Certificat de fin
Chaque cours terminé sur PickAClass délivre un diplôme comme celui-ci — original, avec son propre code, vérifiable par URL et détaillé sur ce qui a été réellement démontré.
P
PickAClass
Profil de compétences · vérifiable
Document
Certificat de Maîtrise
Ceci certifie que
Prénom Nom
a démontré avec succès la maîtrise de
AWS Data Engineering : Construire et orchestrer des pipelines de données modernes
Compétences démontrées
✓
Analyse des modèles comportementaux
Fondamental
1.2 h
✓
Cadres d'architecture décisionnelle
Compétent
1.4 h
✓
Conception de tests A/B
Compétent
1.7 h
✓
Rédaction comportementale
Avancé
1.9 h
P
PickAClass — Prénom Nom
AWS Data Engineering : Construire et orchestrer des pipelines de données modernes
Page 2 sur 2
Détail de performance
Résumé du parcours
Leçons terminées14 / 14
Questions d'entraînement26 / 28
Devoirs rendus4 (moy. 4,5 / 5)
Projet de finÉvalué — 4,6 / 5
Pratique totale6.2 h
Référence de performance
Rang de cohorteTop 12% sur 1,625
Temps jusqu'à l'achèvement11 jours (médiane : 22)
Score de maîtrise91 / 100
Score aux questions d'entraînement94%
Vérification de compétenceParcours de compétence vérifié