Cloud Computing for Big Data guide les apprenants à travers les concepts essentiels du cloud qui alimentent le traitement moderne des données, en les aidant à comprendre comment les modèles de cloud, les options de déploiement et les capacités des plates-formes prennent en charge les charges de travail à grande échelle. Le module explore l'infrastructure en tant que service (IaaS), la plateforme en tant que service (PaaS) et le logiciel en tant que service (SaaS) dans le cadre de scénarios big data réels, en comparant ces approches aux solutions traditionnelles sur site pour mettre en évidence les coûts, l'évolutivité et les compromis opérationnels. Les apprenants étudient les caractéristiques du cloud-native, y compris l'élasticité, les services gérés, la distribution mondiale et la mise à l'échelle automatisée, puis appliquent ces concepts pour évaluer les exigences de la charge de travail et concevoir des architectures efficaces. Grâce à des vidéos, des lectures, des laboratoires pratiques et des discussions dirigées par des Coachs, le module permet aux apprenants de prendre des décisions éclairées sur l'adoption du cloud et de construire des solutions big data évolutives et résilientes.

Microsoft Azure Platform for Big Data dote les apprenants des compétences pratiques nécessaires pour travailler en toute confiance au sein de l'écosystème cloud de Microsoft pour les solutions de données à grande échelle. Le module présente les principaux services Azure, montre comment naviguer sur le portail Azure et guide les apprenants dans la création et la gestion des ressources qui prennent en charge les charges de travail de Big Data. Les apprenants explorent les principaux outils Microsoft, notamment Azure Synapse Analytics, Azure Data Lake Storage, Azure Data Factory et Microsoft Fabric, en développant une compréhension de la façon dont ces services se connectent pour former une plateforme analytique intégrée. Grâce à des laboratoires pratiques, des vidéos guidées et des activités basées sur des scénarios, ce module aide les apprenants à appliquer les capacités de base d'Azure, à organiser efficacement les ressources cloud et à sélectionner les bons services pour répondre aux exigences du big data dans le monde réel.

Introduction à Azure Databricks et Clusters aide les apprenants à construire une compréhension pratique de l'informatique distribuée et des technologies de base qui alimentent le traitement des données à grande échelle. Le module présente les principes de l'informatique en grappe, démontrant comment les systèmes distribués répartissent les charges de travail sur plusieurs machines pour améliorer la vitesse, la résilience et l'efficacité. Les apprenants explorent Azure Databricks en tant que plateforme analytique unifiée, configurent des espaces de travail, exécutent des opérations PySpark de base et apprennent comment Databricks s'intègre aux services Azure. Le module guide également les apprenants dans la configuration et la gestion des clusters, la sélection des options de calcul, l'application de l'auto-scaling et l'optimisation des performances et des coûts. Grâce à des laboratoires pratiques, des exercices de code, des démonstrations et des activités basées sur des scénarios, les apprenants acquièrent les compétences fondamentales nécessaires pour travailler en toute confiance avec Databricks et des solutions big data basées sur des clusters.

Le module Gestion des coûts et comparaisons avec les fournisseurs de cloud donne aux apprenants les outils nécessaires pour comprendre, prévoir et optimiser les coûts des charges de travail de big data dans le cloud. Le module décompose les structures de tarification d'Azure pour le calcul, le stockage et les modèles basés sur la consommation, tout en enseignant aux apprenants comment estimer les dépenses à l'aide de calculateurs et d'outils d'automatisation. Il fournit également un cadre clair pour comparer les prix entre Azure, AWS et Google Cloud, en soulignant les équivalences de service, les coûts cachés et les considérations stratégiques qui vont au-delà du seul prix. Les apprenants explorent des techniques d'optimisation pratiques, telles que la mise à l'échelle automatique, les politiques de cycle de vie et la planification d'instances réservées, et les appliquent à des scénarios réels pour créer des conceptions rentables. Grâce à des démonstrations, des laboratoires pratiques et des activités d'analyse structurées, ce module aide les apprenants à acquérir la confiance et les compétences nécessaires pour gérer les dépenses liées au cloud de manière responsable et concevoir des solutions big data efficaces.