Develop AI-enabled Database Solutions (DP-800)
Zertifizierungsvorbereitung zum »Azure Databricks Data Engineer Associate«
.svg)
Machine Lerning Engineer
1. Entwerfen und Implementieren von Datenbankobjekten mit SQL
Dieses Modul behandelt das Entwerfen und Implementieren verschiedener Datenbankobjekte, darunter Tabellen mit unterschiedlichen Datentypen, spezielle Tabellentypen, Indizes, Einschränkungen und Partitionierungsstrategien. Du lernst, wie du Datenbankobjekte für moderne SQL-Plattformen erstellst und optimierst.
2. Implementieren von Programmierobjekten mit SQL
Lerne, wie du Ansichten, gespeicherte Prozeduren, skalare Funktionen, tabellenwertige Funktionen und Trigger erstellst und verwendest, um wartbare, sichere und effiziente Datenbanklösungen zu entwickeln.
3. Schreiben von fortgeschrittenem T-SQL-Code
Lerne fortgeschrittene T-SQL-Techniken kennen, darunter CTEs, Fensterfunktionen, JSON, reguläre Ausdrücke, Fuzzy-Matching, Graphabfragen und Fehlerbehandlung für SQL Server, Azure SQL und Fabric.
4. Implementieren von SQL-Lösungen mithilfe KI-gestützter Tools
Lerne, wie du GitHub Copilot und Fabric Copilot für die KI-gestützte Datenbankentwicklung in SQL Server, Azure SQL und SQL-Datenbanken in Microsoft Fabric nutzen kannst.
5. Implementieren von Datensicherheit und Compliance mit SQL
Erfahre, wie du sensible Daten schützt und Compliance-Anforderungen erfüllst, indem du Verschlüsselung, Maskierung, Zugriffskontrollen und Auditing auf allen SQL-Plattformen von Microsoft implementierst.
6. Optimieren der Datenbankleistung
Optimiere die Leistung von Azure SQL Database, indem du die richtige Service-Stufe auswählst und die Parallelität mit Transaktionsisolationsstufen verwaltest. Analysiere Abfragen mit Ausführungsplänen und DMVs. Verwende den Query Store für die Planverwaltung und zur Diagnose von Blockierungen und Deadlocks.
7. Implementierung von CI/CD mithilfe von SQL-Datenbankprojekten
Implementiere CI/CD für SQL-Datenbankprojekte mit Quellcodeverwaltung, Verzweigungen, Erkennung von Schemaabweichungen, automatisierten Pipelines und Teststrategien unter Verwendung von GitHub Actions und Azure DevOps.
8. Integration von SQL-Lösungen in Azure-Dienste
Erstelle REST- und GraphQL-APIs für SQL-Datenbanken mithilfe des Data API Builders, stelle diese in Azure-Hostingdiensten bereit und implementiere Überwachungs- und ereignisgesteuerte Änderungsmuster.
9. Entwerfen und Implementieren von Modellen und Einbettungen mit SQL
Integriere KI-Modelle in Azure SQL Database mithilfe externer Modelle und integrierter KI-Funktionen. Entwirf effektive Einbettungsstrategien und implementiere Wartungsmuster, um die Einbettungen mit den Quelldaten abzustimmen.
10. Entwerfen und Implementieren einer intelligenten Suche mit SQL
Implementiere intelligente Suchfunktionen in SQL Server und Azure SQL, indem du die traditionelle Volltextsuche mit der semantischen Vektorsuche kombinierst. Entwickle ein mentales Modell für verschiedene Suchansätze, bereite SQL für die vektorbasierte Suche vor und implementiere vektor-, hybrid- und rankingbasierte Suchmuster unter Berücksichtigung von Leistungsaspekten.
11. Entwerfen und Implementieren von RAG mit SQL
In diesem Modul lernst du, wie du Retrieval Augmented Generation (RAG) mithilfe von Azure SQL Database implementierst. Du lernst, geeignete RAG-Szenarien zu identifizieren, SQL-Ergebnisse als LLM-Kontext vorzubereiten, erweiterte Eingabeaufforderungen zu erstellen und Modellantworten zu verarbeiten.
Anforderungen:
- Erfahrung in der Entwicklung von SQL Server-Datenbanken und in der T-SQL-Programmierung
- Verständnis grundlegender Datenbankkonzepte wie Tabellen, Verknüpfungen und Transaktionen
- Vertrautheit mit den Prinzipien des relationalen Datenbankdesigns
- Vertrautheit mit SQL Server Management Studio oder Azure Data Studio
- Entwerfen spezialisierter Tabellen (z. B. zeitbezogene, Graph- und JSON-Tabellen) sowie Implementierung von Einschränkungen, Sequenzen und Partitionierung
- Entwickeln von Datenbanklogik unter Verwendung von Views, gespeicherten Prozeduren und skalaren/tabellenwertigen Funktionen zur Kapselung von Geschäftsanforderungen
- Beherrschen fortgeschrittener T-SQL-Funktionen wie CTEs, Fensterfunktionen, JSON-Bearbeitung, Graphabfragen und strukturierte Fehlerbehandlung
- Implementieren von Datensicherheit über Always Encrypted, Dynamic Data Masking, Row-Level Security, Microsoft Entra ID-Zugriff und Auditing
- Leistungsoptimierung durch Konfigurationsanpassung, Auswahl von Isolationsstufen, Analyse von Abfrageplänen und Behebung von Blockierungen/Deadlocks
- Automatisieren des Datenbanklebenszyklus mit SQL Database Projects, Quellcodeverwaltung, Erkennung von Schema-Drift und CI/CD-Pipelines (GitHub/Azure DevOps)
- Sicheres Bereitstellen von Datenbankentitäten und -logik mithilfe von Data API Builder-Konfigurationen für REST- und GraphQL-Endpunkte
- Integrieren von KI/ML durch Nutzung von Copilot, Verwaltung externer Modelle, Generierung von Vektor-Embeddings sowie Implementierung von Hybrid-Suche und RAG
Dieser Kurs besteht aus einem Online-Seminar und wird von einer:m Trainer:in geleitet, die/der die Teilnehmenden live betreut. Theorie und Praxis werden mit Live-Demonstrationen und praktischen Übungen vermittelt. Zum Einsatz kommt die Videokonferenz-Software Zoom.
Bereite dich mit diesem Kurs auf die Prüfung zum «Microsoft Certified: SQL AI Developer Associate (beta)» vor.
Dieser Kurs richtet sich an Datenexpert:innen, die sich mit dem Entwurf und der Entwicklung von KI-gestützten Datenbanklösungen auf den SQL-Plattformen von Microsoft befassen möchten, darunter SQL Server, Azure SQL und SQL-Datenbanken in Microsoft Fabric. In dieser Rolle werden Datenbanklösungen entwickelt, die sowohl strukturierte als auch semistrukturierte Daten umfassen, und KI-Funktionen in moderne und hochskalierbare Unternehmensanwendungen integriert.
.svg)
