آموزش مایکروسافت فابریک - آماده سازی آزمون DP-600
Microsoft Fabric - DP-600 Exam Preparation
این دوره همه حوزه‌های آزمون DP-600 را با بیش از 225 سؤال (با پاسخ و دستورالعمل) پوشش می‌دهد. این مناطق عبارتند از:
یک راه حل برای تجزیه و تحلیل داده ها (10-15٪) برنامه ریزی، اجرا و مدیریت کنید
یک محیط تجزیه و تحلیل داده را برنامه ریزی کنید
الزامات یک راه حل، از جمله اجزاء، ویژگی ها، عملکرد، و واحدهای ذخیره ظرفیت (SKU) را شناسایی کنید
تنظیمات را در پورتال مدیریت Fabric توصیه کنید
نوع دروازه داده را انتخاب کنید
یک تم گزارش Power BI سفارشی ایجاد کنید
یک محیط تجزیه و تحلیل داده را پیاده سازی و مدیریت کنید
کنترل‌های دسترسی در سطح مورد و فضای کاری را برای اقلام Fabric اجرا کنید
اشتراک گذاری داده ها را برای فضاهای کاری، انبارها و دریاچه ها اجرا کنید
برچسب‌های حساسیت را در مدل‌های معنایی و خانه‌های دریاچه مدیریت کنید
تنظیمات فضای کاری Fabric-enabled را پیکربندی کنید
مدیریت ظرفیت پارچه
چرخه عمر توسعه تجزیه و تحلیل را مدیریت کنید
کنترل نسخه را برای یک فضای کاری اجرا کنید
یک پروژه Power BI Desktop (pbip.) ایجاد و مدیریت کنید
راه حل های استقرار را برنامه ریزی و اجرا کنید
انجام تجزیه و تحلیل تأثیر وابستگی‌های پایین دست از دریاچه‌ها، انبارهای داده، جریان‌های داده و مدل‌های معنایی
مدل های معنایی را با استفاده از نقطه پایانی XMLA مستقر و مدیریت کنید
ایجاد و به‌روزرسانی دارایی‌های قابل استفاده مجدد، از جمله فایل‌های الگوی Power BI (pbit.)، فایل‌های منبع داده Power BI (.pbids) و مدل‌های معنایی مشترک
تهیه و ارائه داده ها (40-45%)
اشیاء را در یک دریاچه یا انبار ایجاد کنید
داده‌ها را با استفاده از خط لوله داده، جریان داده یا نوت بوک دریافت کنید
میانبرها را ایجاد و مدیریت کنید
پارتیشن بندی فایل را برای حجم کاری تجزیه و تحلیل در یک خانه دریاچه اجرا کنید
نماها، توابع، و رویه های ذخیره شده ایجاد کنید
داده ها را با افزودن ستون ها یا جداول جدید غنی کنید
داده ها را کپی کنید
روش مناسبی را برای کپی کردن داده ها از منبع داده Fabric به lakehouse یا انبار انتخاب کنید
داده ها را با استفاده از خط لوله داده، جریان داده یا نوت بوک کپی کنید
روش‌های ذخیره‌شده، نوت‌بوک‌ها و جریان‌های داده را به خط لوله داده اضافه کنید
زمان‌بندی خطوط لوله داده
جریان های داده و نوت بوک ها را برنامه ریزی کنید
تبدیل داده ها
روند پاکسازی داده ها را اجرا کنید
اجرای طرح ستاره ای برای یک دریاچه یا انبار، از جمله نوع 1 و نوع 2 که به آرامی در حال تغییر ابعاد هستند
جدول پل را برای یک دریاچه یا یک انبار اجرا کنید
عادی کردن داده ها
تجمع یا حذف داده
ادغام یا پیوستن به داده ها
داده های تکراری، داده های از دست رفته یا مقادیر تهی را شناسایی و حل کنید
تبدیل انواع داده با استفاده از SQL یا PySpark
داده ها را فیلتر کنید
عملکرد را بهینه کنید
تشخیص و رفع تنگناهای عملکرد بارگذاری داده در جریان‌های داده، نوت‌بوک‌ها و پرسش‌های SQL
پیاده سازی بهبود عملکرد در جریان داده، نوت بوک، و جستجوهای SQL
مشکلات مربوط به اندازه فایل جدول Delta را شناسایی و حل کنید
پیاده سازی و مدیریت مدل های معنایی (20-25٪)
طراحی و ساخت مدل های معنایی
یک حالت ذخیره سازی، از جمله دریاچه مستقیم
را انتخاب کنیدمورد استفاده برای DAX Studio و Tabular Editor 2 را شناسایی کنید
یک طرح واره ستاره ای برای مدل معنایی پیاده سازی کنید
روابط را پیاده سازی کنید، مانند جداول پل و روابط چند به چند
محاسباتی بنویسید که از متغیرها و توابع DAX استفاده می‌کنند، مانند تکرارکننده‌ها، فیلتر کردن جدول، پنجره‌سازی، و توابع اطلاعات
گروه های محاسباتی، رشته های پویا و پارامترهای فیلد را پیاده سازی کنید
یک مجموعه داده با فرمت بزرگ طراحی و بسازید
مدل‌های ترکیبی را طراحی و بسازید که دارای تجمیع هستند
اجرای امنیت پویا در سطح ردیف و امنیت سطح شی
امنیت سطح ردیف و امنیت سطح شی
را تأیید کنید
مدل‌های معنایی مقیاس سازمانی را بهینه کنید
پیاده سازی بهبود عملکرد در جستارها و گزارش تصویری
با استفاده از DAX Studio عملکرد DAX را بهبود بخشید
یک مدل معنایی را با استفاده از ویرایشگر جدول 2 بهینه کنید
بازسازی افزایشی را اجرا کنید
کاوش و تجزیه و تحلیل داده ها (20-25٪)
تجزیه و تحلیل اکتشافی را انجام دهید
تحلیل های تشریحی و تشخیصی را پیاده سازی کنید
تحلیل‌های تجویزی و پیش‌بینی‌کننده را در یک گزارش تصویری یا گزارش ادغام کنید
داده های نمایه
داده ها را با استفاده از SQL پرس و جو کنید
با استفاده از پرس و جوهای SQL یا ویرایشگر پرس و جوی بصری، از یک خانه دریاچه در Fabric پرس و جو کنید
با استفاده از پرس و جوهای SQL یا ویرایشگر پرس و جوی بصری، از یک انبار در Fabric پرس و جو کنید
با استفاده از نقطه پایانی XMLA به مجموعه داده‌ها وصل شوید و آنها را پرس و جو کنید
معرفی Introduction
-
معرفی Introduction
-
این دوره چیست، نیست و چگونه کار می کند What this course is, is not and how it works
-
قبل از شروع! لطفا تماشا کن! Before getting started! Please watch!
-
نظرات در مورد آزمون DP-600 Thoughts on the DP-600 Exam
برنامه ریزی، اجرا و مدیریت یک راه حل (10-15%) Plan, Implement and Manage a Solution (10-15%)
-
معرفی Introduction
-
دسته 1 (5 سوال) Batch 1 (5 Questions)
-
دسته 2 (5 سوال) Batch 2 (5 Questions)
-
دسته 3 (5 سوال) Batch 3 (5 Questions)
-
دسته 4 (5 سوال) Batch 4 (5 Questions)
-
دسته 5 (5 سوال) Batch 5 (5 Questions)
-
دسته 6 (5 سوال) Batch 6 (5 Questions)
-
دسته 7 (5 سوال) Batch 7 (5 Questions)
-
دسته 8 (5 سوال) Batch 8 (5 Questions)
-
دسته 9 (5 سوال) Batch 9 (5 Questions)
-
دسته 10 (5 سوال) Batch 10 (5 Questions)
-
دسته 11 (5 سوال) Batch 11 (5 Questions)
-
دسته 12 (5 سوال) Batch 12 (5 Questions)
-
دسته 13 (5 سوال) Batch 13 (5 Questions)
-
دسته 14 (5 سوال) Batch 14 (5 Questions)
-
دسته 15 (5 سوال) Batch 15 (5 Questions)
-
دسته 16 (5 سوال) Batch 16 (5 Questions)
-
دسته 17 (5 سوال) Batch 17 (5 Questions)
تهیه و ارائه داده ها (40-45%) Prepare and Serve Data (40-45%)
-
معرفی Introduction
-
دسته 1 (5 سوال) Batch 1 (5 Questions)
-
دسته 2 (5 سوال) Batch 2 (5 Questions)
-
دسته 3 (5 سوال) Batch 3 (5 Questions)
-
دسته 4 (5 سوال) Batch 4 (5 Questions)
-
دسته 5 (5 سوال) Batch 5 (5 Questions)
-
دسته 6 (5 سوال) Batch 6 (5 Questions)
-
دسته 7 (5 سوال) Batch 7 (5 Questions)
-
دسته 8 (5 سوال) Batch 8 (5 Questions)
-
دسته 9 (5 سوال) Batch 9 (5 Questions)
-
دسته 10 (5 سوال) Batch 10 (5 Questions)
-
دسته 11 (5 سوال) Batch 11 (5 Questions)
-
دسته 12 (5 سوال) Batch 12 (5 Questions)
پیاده سازی و مدیریت مدل های معنایی (20-25%) Implement and manage semantic models (20–25%)
-
معرفی Introduction
-
دسته 1 (5 سوال) Batch 1 (5 Questions)
-
دسته 2 (5 سوال) Batch 2 (5 Questions)
-
دسته 3 (5 سوال) Batch 3 (5 Questions)
-
دسته 4 (5 سوال) Batch 4 (5 Questions)
-
دسته 5 (5 سوال) Batch 5 (5 Questions)
-
دسته 6 (5 سوال) Batch 6 (5 Questions)
-
دسته 7 (5 سوال) Batch 7 (5 Questions)
-
دسته 8 (5 سوال) Batch 8 (5 Questions)
-
دسته 9 (5 سوال) Batch 9 (5 Questions)
-
دسته 10 (5 سوال) Batch 10 (5 Questions)
-
دسته 11 (5 سوال) Batch 11 (5 Questions)
-
دسته 12 (5 سوال) Batch 12 (5 Questions)
کاوش و تجزیه و تحلیل داده ها (20-25%) Explore and analyze data (20–25%)
-
معرفی Introduction
-
دسته 1 (5 سوال) Batch 1 (5 Questions)
-
دسته 2 (5 سوال) Batch 2 (5 Questions)
-
دسته 3 (5 سوال) Batch 3 (5 Questions)
-
دسته 4 (5 سوال) Batch 4 (5 Questions)
-
دسته 5 (5 سوال) Batch 5 (5 Questions)
سوالات متفرقه Miscellaneous Questions
-
سوال 1 Question 1
-
سوال 2 Question 2
-
سوال 3 Question 3
-
سوال 4 Question 4
-
سوال 5 Question 5
-
سوال 6 Question 6
-
سوال 7 Question 7
-
سوال 8 Question 8
-
سوال 9 Question 9
-
سوال 10 Question 10
-
سوال 11 Question 11
-
سوال 12 Question 12
-
سوال 13 Question 13
-
سوال 14 Question 14
-
سوال 15 Question 15
بخش پاداش Bonus Section
-
پیشنهادات جایزه Bonus Offerings
Udemy (یودمی)
یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.
https://donyad.com/d/cac684
Randy Minder
توسعه دهنده پیشرو هوش تجاری/Power BI/Snowflake
نمایش نظرات