Die Teilnehmer lernen, wie sie mit verschiedenen, leistungsstarken Techniken Daten in Snowflake in großem Umfang einlesen können. Sie laden Daten in Snowflake, indem sie den Snowflake Marketplace, das Snowflake Webinterface (Snowsight), das Snowflake CLI und den leistungsstarken Befehl COPY INTO SQL verwenden. Die Teilnehmer verstehen auch, wie sie Daten aus externen Systemen mit Hilfe von nativen Snowflake-Konnektoren einlesen und wie sie die Dateneinlesung durch die vollständige Nutzung eines virtuellen Lagers optimieren können.

Die Lernenden führen Datentransformationen mit SQL oder Snowpark for Python durch. Die Lernenden verstehen auch, dass sie Snowpark verwenden können, um Datentransformationen mit Java und Scala durchzuführen. Sie erweitern ihr Wissen über Datentransformationen, indem sie benutzerdefinierte Funktionen (UDFs), gespeicherte Prozeduren, Streams und dynamische Snowflake-Tabellen kennenlernen, erstellen und verwenden. Sie lernen auch, wie sie mit diesen Tools Datentransformationen außerhalb von Snowflake durchführen können, insbesondere in Visual Studio Code mit der offiziellen Snowflake-Erweiterung.

Die Teilnehmer verstehen, was ein Datenprodukt ist und was es bedeutet, ein Datenprodukt im Kontext des Data Engineering bereitzustellen. Die Teilnehmer durchlaufen den Ablauf der Bereitstellung eines Datensatzes mit Snowflake Marketplace, erstellen und teilen eine Streamlit in Snowflake-Anwendung, um Erkenntnisse zu gewinnen, und stellen eine native Snowflake-Anwendung mit dem Snowflake CLI bereit.

Die Lernenden verstehen, was Orchestrierung bedeutet und wie sie Datenpipelines mithilfe von Aufgaben automatisieren können. Sie lernen insbesondere benutzerverwaltete und serverlose Aufgaben kennen und erstellen Aufgaben, um Aufrufe von gespeicherten Prozeduren zu automatisieren. Sie erstellen und verknüpfen Aufgaben, um einen Aufgabendiagramm (DAG) zu bilden, und führen einzelne Aufgaben und ganze DAGs aus.