Le rôle de Partner Connect

Laquelle des affirmations suivantes décrit le mieux la place de Partner Connect dans la vision globale du lakehouse ?

Cet exercice fait partie du cours

Introduction à Databricks SQL

Afficher le cours

Exercice interactif pratique

Passez de la théorie à la pratique avec l’un de nos exercices interactifs

Commencer l’exercice

Cet exercice fait partie du cours

Introduction à Databricks SQL

IntermédiaireNiveau de compétence

4.7+

310 reviews

Commencer le cours gratuitement

Posez des bases solides pour l’entrepôt de données avec la Data Intelligence Platform de Databricks ! Vous verrez comment Databricks et l’architecture lakehouse positionnent votre organisation pour une pile SQL et BI moderne. Vous explorerez également les composants clés de Databricks SQL, des techniques de stockage des données aux optimisations de calcul.

Exercise 1: SQL dans la Data Intelligence Platform Exercise 2: Atouts du lakehouse pour SQL Exercise 3: Explorer Databricks SQL Exercise 4: Explorer des données Exercise 5: Partner Connect Exercise 6: Actifs clés de Databricks SQL Exercise 7: Classer les ressources Databricks SQL Exercise 8: Créer une requête Exercise 9: Créer une visualisation

Construisez une base de données solide pour l’architecture lakehouse ! Vous apprendrez à ingérer, transformer et modéliser vos données en exploitant les fonctionnalités de Databricks SQL. Vous explorerez des approches via l’interface graphique et par le code pour déployer l’architecture médaillon et créer un écosystème de données prêt pour toute charge analytique.

Exercise 1: Ingestion des données Exercise 2: Ingestion de données via l’interface graphique Exercise 3: Hydrater le lakehouse Exercise 4: Téléverser des données manuellement Exercise 5: Utiliser COPY INTO Exercise 6: Tirer parti d’Auto Loader Exercise 7: Transformer les données Exercise 8: SQL et l’architecture « medallion »Exercise 9: Créer une couche de données café Exercise 10: Nettoyer des tables brutes Exercise 11: Création de la couche Silver Exercise 12: Créer une table des réclamations avec primes élevées

Générez des insights puissants avec Databricks SQL ! Vous apprendrez à écrire des requêtes, créer des visualisations et alimenter des tableaux de bord en tirant parti des capacités natives de Databricks. Vous vous exercerez à utiliser du code SQL, des filtres et des paramètres pour créer une application analytique robuste à destination de vos utilisateurs finaux.

Exercise 1: Interroger dans la Data Intelligence Platform Exercise 2: Actifs analytiques dans Databricks SQL Exercise 3: Interroger notre jeu de données sur le café Exercise 4: Analyser des sinistres d’assurance Exercise 5: Compléter des requêtes avec des fonctions Exercise 6: Visualiser les résultats d’une requête Exercise 7: Créer une application analytique Exercise 8: Le rôle de Partner Connect

Exercice en cours

Exercise 9: Un tableau de bord des données sur le café Exercise 10: Ajouter des filtres aux tableaux de bord Exercise 11: Utiliser des paramètres dans les requêtes Exercise 12: Créer un tableau de bord pour la direction

Dans le dernier chapitre, vous verrez des techniques plus avancées qui tirent parti des différenciateurs clés de la plateforme Databricks. Vous apprendrez à gérer des données à grande vélocité et en évolution rapide avec des fonctions de fenêtre, et à fusionner des jeux de données à mesure qu’ils arrivent.

Exercise 1: Modèles courants d’ingénierie des données Exercise 2: Ajout vs CDC Exercise 3: Mise à jour des données de ventes de café Exercise 4: Optimiser les données avec SQL Exercise 5: Utiliser INSERT Exercise 6: Utiliser MERGE Exercise 7: Modèles avancés d’analyse de données Exercise 8: Comprendre les fonctions de fenêtre et les sous-requêtes Exercise 9: Analyser les ventes de café par magasin Exercise 10: Écrire une sous-requête Exercise 11: Utiliser une fonction de fenêtrage Exercise 12: Combiner fenêtres et sous-requêtes Exercise 13: Récapitulatif du cours