AWS Academy Data Engineering dirancang untuk membantu peserta pelatihan mempelajari dan mempraktikkan tugas, alat, dan strategi yang digunakan untuk mengumpulkan, menyimpan, mempersiapkan, menganalisis, dan memvisualisasikan data guna keperluan analitik dan aplikasi pembelajaran mesin (ML). Sepanjang kursus, mahasiswa akan mengeksplorasi berbagai kasus penggunaan dari aplikasi dunia nyata, yang memungkinkan mereka membuat keputusan yang tepat saat membangun pipeline data untuk aplikasi mereka.

Setelah menyelesaikan kursus ini, peserta pelatihan akan mampu:

• Mengidentifikasi dan memahami berbagai layanan AWS yang relevan dengan rekayasa data.
• Mengumpulkan, menyimpan, dan memproses data menggunakan layanan AWS seperti Amazon S3, Amazon RDS, dan Amazon Redshift.
• Menganalisis dan memvisualisasikan data untuk mendukung keputusan bisnis dan aplikasi ML.
• Membangun dan mengelola pipeline data yang efisien dan aman.
• Menerapkan praktik terbaik dalam keamanan data dan kepatuhan saat bekerja dengan data di AWS.

1. Pengantar Rekayasa Data

• Definisi dan peran rekayasa data dalam ekosistem data.
• Tinjauan umum tugas dan tanggung jawab seorang Data Engineer.
• Studi kasus: Implementasi rekayasa data dalam berbagai industri.

2. Layanan AWS untuk Rekayasa Data

• Pengenalan layanan AWS yang digunakan dalam rekayasa data:
  • Amazon S3 untuk penyimpanan objek.
  • Amazon RDS untuk basis data relasional.
  • Amazon Redshift untuk gudang data.
• Latihan: Mengonfigurasi dan mengelola layanan-layanan tersebut.

3. Pengumpulan dan Penyimpanan Data

• Teknik pengumpulan data dari berbagai sumber.
• Strategi penyimpanan data yang efisien dan skalabel.
• Latihan: Mengimpor data ke Amazon S3 dan mengatur kebijakan akses.

4. Pemrosesan dan Transformasi Data

• Penggunaan AWS Glue dan Amazon EMR untuk ETL (Extract, Transform, Load).
• Automasi alur kerja pemrosesan data dengan AWS Lambda.
• Latihan: Membuat dan menjalankan job ETL menggunakan AWS Glue.

5. Analisis dan Visualisasi Data

• Menggunakan Amazon QuickSight untuk visualisasi data interaktif.
• Integrasi dengan alat BI lainnya.
• Latihan: Membuat dashboard interaktif untuk analisis data.

6. Keamanan Data dan Kepatuhan

• Praktik terbaik dalam mengamankan data di AWS.
• Memahami regulasi dan standar kepatuhan yang berlaku.
• Latihan: Menerapkan enkripsi dan kontrol akses pada data yang disimpan.

7. Pengelolaan Pipeline Data

• Membangun pipeline data yang andal dan efisien.
• Pemantauan dan pemeliharaan pipeline data.
• Latihan: Membangun pipeline data end-to-end menggunakan layanan AWS.

8. Studi Kasus dan Proyek Akhir

• Analisis kasus nyata implementasi rekayasa data.
• Proyek akhir: Membangun solusi rekayasa data untuk skenario bisnis tertentu.
• Presentasi dan evaluasi proyek oleh rekan dan instruktur.