آمادگی آزمون مایکروسافت DP-700: مهندس داده پارچه‌ای (Fabric Data Engineer Associate) - آخرین آپدیت

دانلود Microsoft DP-700 Exam Prep : Fabric Data Engineer Associate

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

گواهینامه مهندسی داده مایکروسافت Fabric (DP-700) را کسب کنید | PySpark، T-SQL، KQL

در این دوره جامع، مبانی مایکروسافت Fabric، از جمله معماری Medallion و Delta Lake را فرا خواهید گرفت. با OneLake به صورت عملی کار کنید و نحوه عملکرد میانبرهای داخلی و خارجی را از نزدیک مشاهده کنید.

با استفاده از مثال‌های واقعی، خطوط لوله ETL کاملی را با Fabric Data Factory ایجاد کنید. داده‌ها را با استفاده از Data Flow Gen2 بدون نیاز به کدنویسی یا با کمترین میزان کدنویسی، پاکسازی، تبدیل و غنی‌سازی کنید.

بر معماری Lakehouse مسلط شوید و درک کنید که چگونه این معماری، شکاف بین دریاچه‌های داده و انبارهای داده را پر می‌کند. توسعه PySpark در Fabric را بیاموزید، از جمله جدیدترین ویژگی‌ها مانند محیط‌ها و نوت‌بوک‌ها.

قابلیت‌های قدرتمند انبار داده را کاوش کنید و پرس‌وجوهای پیشرفته T-SQL، توابع و رویه‌های ذخیره شده را بنویسید. داده‌های بلادرنگ را با استفاده از Eventstreams، Eventhouse و KQL DB وارد، تبدیل و بارگذاری کنید. به زبان پرس‌وجوی Kusto (KQL) مسلط شوید.

CI/CD را با استفاده از Azure DevOps و خطوط لوله استقرار Fabric برای تحویل سریع‌تر و ایمن‌تر پیاده‌سازی کنید. با استفاده از ابزارهای حاکمیت داده Fabric مانند ردیابی خاستگاه، تأییدها و نقش‌های فضای کاری، راه‌حل‌های تحلیلی خود را ایمن و مدیریت کنید.

راه‌حل‌های تحلیلی خود را با استفاده از Monitor Hub و Spark Web UI مانیتور و بهینه‌سازی کنید.

پیش‌نیازها: هیچ پیش‌نیازی مورد نیاز نیست. همه چیز از ابتدا آموزش داده می‌شود.

آیا آماده هستید تا به یک مهندس داده معتمد مایکروسافت Fabric (DP-700) تبدیل شوید؟

چه کاملاً مبتدی باشید یا یک متخصص که به دنبال ارتقای سطح خود است، این دوره شما را از طریق همه چیزهایی که نیاز دارید راهنمایی می‌کند - با رویکردی عملی، جذاب و کاربردی.

این دوره برای کمک به شما در قبولی در آزمون DP-700 و تسلط بر پلتفرم Fabric با اعتماد به نفس طراحی شده است.

مهارت‌های عملی قوی در موارد زیر کسب کنید:

- OneLake و میانبرها - یاد بگیرید که چگونه با میانبرهای انقلابی OneLake، به سرعت به داده‌ها در حوزه‌های مختلف دسترسی داشته باشید.

- Fabric Data Factory - با استفاده از ابزارهای بصری قدرتمند و داده‌ها، خطوط لوله بلادرنگ و انتها به انتها ایجاد کنید.

- معماری Lakehouse - دریابید که چگونه مهندسی داده و تجزیه و تحلیل را در یک محیط قدرتمند ترکیب کنید.

- توسعه PySpark در نوت‌بوک‌ها - از Notebookutils، پیکربندی‌های محیط و جادوی PySpark برای ساخت پروژه‌های واقعی در داخل مایکروسافت Fabric استفاده کنید.

- انبار داده + تسلط بر T-SQL - مانند یک متخصص، رویه‌های ذخیره شده پیچیده، توابع و پرس‌وجوهای T-SQL بنویسید - با نکات، ترفندها و مثال‌های واقعی.

- تجزیه و تحلیل بلادرنگ با KQL - به زبان پرس‌وجوی Kusto (KQL) مسلط شوید تا با استفاده از Eventstream، Eventhouse و KQL DB، داشبوردهای بلادرنگ فوق‌العاده سریع ایجاد کنید.

- CI/CD برای پروژه‌های Fabric - استقرارها را با استفاده از Azure DevOps + خطوط لوله Fabric خودکار کنید.

- حاکمیت داده ساده شده - خاستگاه، تأییدها، برچسب‌های حساسیت و موارد دیگر را درک کنید.

چیزی که این دوره را متمایز می‌کند:

درس‌های فوق‌العاده جذاب – هیچ تئوری خسته‌کننده‌ای وجود ندارد! مفاهیم به روشی سرگرم‌کننده، واضح و مناسب برای مبتدیان با قیاس‌ها و تصاویر واقعی توضیح داده می‌شوند.

بررسی عمیق هر موضوع – ما فقط به سطح موضوعات نمی‌پردازیم. شما "چرا" و "چگونه" پشت هر ویژگی را خواهید فهمید تا بتوانید آن را در پروژه‌ها و مصاحبه‌های واقعی به کار ببرید.

تمرکز قوی بر کار عملی – با انجام کار یاد بگیرید! از خطوط لوله گرفته تا نوت‌بوک‌ها و داشبوردها، شما مرحله به مرحله راه‌حل‌های واقعی را ایجاد خواهید کرد، درست مانند یک مهندس داده Fabric.


سرفصل ها و درس ها

مقدمه Introduction

  • نمای کلی دوره Course Overview

  • مهندسی داده چیست؟ What is Data Engineering?

  • تکامل مهندسی داده Evolution of Data Engineering

  • Lakehouse چیست؟ What is Lakehouse?

  • معماری Medallion توضیح داده شده! Medallion Architecture Explained!

  • Delta Lake - موضوع داغ! Delta Lake - Hot Topic!

  • حساب رایگان Azure Azure Free Account

  • مفاهیم اولیه Azure Azure Fundamentals

منابع Resources

  • منابع - پوشه فشرده Resources - ZippedFolder

  • منابع - اسکریپت‌های T-SQL Resources - T-SQL Scripts

  • منابع - نوت‌بوک‌های Spark Resources - Spark Notebooks

  • اسلایدهای دوره Course Slides

مفاهیم اولیه Microsoft Fabric Microsoft Fabric Fundamentals

  • چرا Microsoft Fabric؟ Why Microsoft Fabric?

  • Microsoft Fabric چیست؟ What is Microsoft Fabric?

  • سلسله مراتب در Microsoft Fabric Hierarchy in Microsoft Fabric

  • نقش‌ها در Microsoft Fabric Roles in Microsoft Fabric

  • حساب رایگان Fabric Fabric Free Account

  • نمای کلی پورتال Fabric Fabric Portal Overview

Microsoft OneLake - راهکار ذخیره‌سازی برای Microsoft Fabric Microsoft OneLake - Storage Solution for Microsoft Fabric

  • OneLake چیست؟ What is OneLake

  • چرا OneLake؟ Why OneLake?

  • مدیریت داده‌های خود – کاوشگر فایل OneLake Manage your data - One Lake File Explorer

  • آزمون دانش Knowledge Test

Fabric Lakehouse - ذخیره‌سازی داده‌های ساخت‌یافته، نیمه‌ساخت‌یافته و بدون ساختار Fabric Lakehouse - Store Structured, Semi structured, and Unstructured Data

  • Fabric Lakehouse چیست؟ What is a Fabric Lakehouse?

  • ایجاد اولین Lakehouse خود Create your first Lakehouse

  • بارگذاری داده‌ها به Lakehouse Load data to Lakehouse

  • کاوشگر فایل OneLake با Lakehouse OneLake file explorer with Lakehouse

  • ایجاد جداول در Lakehouse Create tables in Lakehouse

  • فایل‌های Parquet با Lakehouse Parquet files with Lakehouse

  • میانبر ها در Fabric Shortcuts in Fabric

  • میانبر های داخلی چیستند؟ What are Internal Shortcuts ?

  • میانبر های خارجی چیستند؟ What are External Shortcuts?

  • میانبر های داخلی با فایل ها Internal Shortcuts with Files

  • میانبر های داخلی با جداول Internal Shortcuts with Tables

  • نمونه‌هایی از میانبرهای خارجی External Shortcuts Illustrations

  • ذخیره سازی نهان در میانبرها Caching in Shortcuts

  • Lakehouse با طرحواره (جدید) Lakehouse with Schema (NEW)

  • نقطه پایانی‌های SQL Lakehouse Lakehouse SQL Endpoints

  • آزمون دانش Knowledge Test

Fabric Data Factory - طراحی و ساخت خطوط لوله و گردش کارهای ETL end-to-end Fabric Data Factory - Design and Build End-To-End ETL Pipelines and Workflows

  • دریافت داده در Fabric Data Ingestion in Fabric

  • Fabric Data Factory چیست؟ What is Fabric Data Factory

  • نمای کلی Fabric Data Factory Fabric Data Factory Overview

  • فعالیت کپی در Fabric Data Factory Copy Activity in Fabric Data Factory

  • دریافت داده از Azure Data Lake Storage Gen 2 Ingest data from Azure Data Lake Storage Gen 2

  • حلقه‌ها و پارامترها در Fabric Data Factory Loops and Parameters in Fabric Data Factory

  • فعالیت متادیتا Metadata Activity

  • فعالیت فیلتر Filter Activity

  • فعالیت شرطی - شرط If Conditional Activity - If Condition

  • حذف در Data Factory Deletion in Data Factory

  • متغیرها در Fabric Data Factory Variables in Fabric Data Factory

  • چگونه در صورت بروز خطا اعلان ایمیل ارسال کنیم؟ How to send email notification on failure?

  • خطوط لوله والد و فرزند Parent and Child Pipelines

  • تریگرها در Fabric Data Factory Triggers in Fabric Data Factory

  • نظارت در Fabric Data Factory Monitoring in Fabric Data Factory

  • آزمون دانش Knowledge Test

تبدیل داده‌های خود با کم کد/بدون کد با Dataflow Gen 2 Transform your data with Low/No-code with Dataflow Gen 2

  • نمای کلی Dataflow Gen2 Dataflow Gen2 overview

  • تبدیل نوع در DataflowGen2 Type casting in DataflowGen2

  • جایگزینی مقادیر در DataflowGen2 Replace Values in DataflowGen2

  • تبدیل‌های رشته‌ای String Transformations

  • اعمال توابع آماری Apply statistical functions

  • نمای نموداری در DataflowGen2 Diagram view in DataflowGen2

  • اعمال اتصال در DataflowGen2 Apply Joins in DataflowGen2

  • اضافه کردن مقصد (Lakehouse) Adding a destination (Lakehouse)

  • زمان‌بندی Dataflows Scheduling Dataflows

  • ادغام DataflowGen2 با Data Factory Integrating DataflowGen2 with Data Factory

توسعه Spark - قلب مهندسی داده Fabric Spark Development - The Heart Of Fabric Data Engineering

  • اول از همه - درک SPARK First of all - Understand SPARK

  • اندازه گره‌ها در Fabric Nodes Sizes in Fabric

  • استخرهای اولیه در مقابل استخرهای سفارشی Starter Pools VS Custom Pools

  • نمای کلی نوت‌بوک‌های Fabric Fabric Notebooks Overview

  • مفاهیم اولیه PySpark PySpark Fundamentals

  • تبدیل نوع در PySpark Type Casting in PySpark

  • تبدیل ستون‌های تاریخ Transform Date Columns

  • جایگزینی مقادیر در PySpark Replacing Values in PySpark

  • توابع سطح متوسط PySpark PySpark Intermediate Level Functions

  • تبدیل ستون‌های حساس به زمان با توابع Timestamp Transform time sensitive columns with Timestamp Functions

  • Spark SQL - اجرای کوئری‌های SQL در PySpark Spark SQL - Run SQL queries in PySpark

  • تجسم داده برای تجزیه و تحلیل داده‌های بزرگ Data Visualization for big data analysis

  • جداول خارجی در مقابل جداول مدیریت شده External vs Managed Tables

  • NotebookUtils در PySpark (MSSparkUtils) NotebookUtils in PySpark (MSSparkUtils)

  • جداول Delta Lake Delta Lake Tables

  • مسافرت در زمان در جداول Delta Lake Time Travel in Delta Lake Tables

  • استراتژی‌های بهینه‌سازی در جداول delta lake OPTIMIZATION strategies in delta lake tables

  • دستورات VACUUM و OptimizeWrite VACUUM and OptimizeWrite Command

  • SparkStreaming با جداول Delta SparkStreaming with Delta Tables

  • محیط‌های ایزوله در Spark Fabric Isolated Environments in Fabric Spark

  • چگونه محیط‌ها را در Fabric ایجاد کنیم؟ How to create Environments in Fabric

  • نظارت و زمان‌بندی نوت‌بوک‌های Spark Monitoring and Scheduling Spark Notebooks

  • تعریف شغل Spark Spark Job Definition

  • نحوه وارد کردن نوت‌بوک‌ها از کامپیوتر شخصی How to Import Notebooks from PC

  • آزمون دانش Knowledge Test

انبار داده Fabric - یک انبار داده Lake-centric برای لایه GOLD شما Fabric Data Warehouse - A Lake Centric Data Warehouse for your GOLD Layer

  • مفاهیم اولیه انبار داده Data Warehouse Fundamentals

  • نمای کلی انبار داده Fabric Fabric Data Warehouse Overview

  • بارگذاری داده‌ها به انبار داده Load data to Data Warehouse

  • دستور COPY INTO در انبار داده Fabric COPY INTO command in Fabric Data Warehouse

  • CTAS - کپی جدول به عنوان انتخاب CTAS - Copy Table As Select

  • نمای کلی تجمع یافته لایه GOLD با استفاده از T-SQL Gold Layer Aggregated View using T-SQL

  • نمای تجاری لایه GOLD با استفاده از T-SQL Gold Layer Business View using T-SQL

  • توابع T-SQL T-SQL Functions

  • رویه‌های ذخیره‌سازی T-SQL T-SQL Stored Procedures

  • نمایش‌های مدیریت پویا Dynamic Management Views

  • نمایش‌های Query Insights Query Insights Views

  • ویرایشگر کوئری بصری در انبار داده Fabric Visual Query Editor in Fabric Data Warehouse

  • ادغام T-SQL با نوت‌بوک Integrating T-SQL with Notebook

  • تنظیمات SSMS SSMS Setup

  • کنترل دسترسی در انبار داده Fabric Access Control in Fabric Data Warehouse

  • ماسک داده پویا Dynamic Data Masking

  • امنیت سطح ستون Column Level Security

  • امنیت سطح سطر Row Level Security

  • مدل‌های معنایی Semantic Models

  • Direct Lake در Fabric Direct Lake in Fabric

  • آزمون دانش Knowledge Test

حاکمیت داده Fabric Fabric Data Governance

  • چرا کنترل دسترسی Fabric؟ Why Fabric Access Control?

  • کنترل دسترسی سطح فضای کاری Workspace Level Access Control

  • کنترل دسترسی سطح مورد Item Level Access Control

  • کنترل دسترسی سطح OneLake One Lake Level Access Control

  • خاستگاه داده Data Lineage

  • تأییدها Endorsements

  • نظارت در Fabric Monitoring in Fabric

  • دسترسی ادمین Fabric Fabric Admin Access

  • اتصالات و دروازه‌های Fabric Fabric Connections and Gateways

  • برنامه معیار ظرفیت Fabric Fabric Capacity Metric App

تجزیه و تحلیل بلادرنگ - EventStream، EventHouse، پایگاه داده KQL Real Time Analytics - EventStream, EventHouse, KQL DB

  • تجزیه و تحلیل بلادرنگ چیست؟ What is Real Time Analytics?

  • پنجره‌های متوالی Tumbling Windows

  • پنجره‌های پرش‌دار Hopping Windows

  • پنجره‌های لغزنده Sliding Windows

  • پنجره‌های جلسه Session Windows

  • پنجره‌های عکس فوری Snapshot Windows

  • EventStream در Fabric EventStream in Fabric

  • تبدیل داده‌های بلادرنگ Transforming Real Time Data

  • EventHouse و پایگاه داده KQL EventHouse and KQL DB

  • نمای کلی زبان پرس و جو Kusto Kusto Query Language Overview

  • مفاهیم اولیه KQL KQL Basics

  • فیلتر کردن و توابع تاریخ Filtering and Date Functions

  • توابع تجمعی در KQL Aggregation Functions in KQL

  • نمای‌های مادی در KQL Materialized Views in KQL

  • توابع در KQL Functions in KQL

  • داشبوردهای بلادرنگ Real Time Dashboards

  • کوئری‌های پایه برای داشبوردهای بلادرنگ Base Queries for Real Time Dashboards

  • فعال‌ساز Fabric Fabric Activator

  • آزمون دانش Knowledge Test

CI/CD با Azure DevOps و خطوط لوله استقرار CI/CD with Azure DevOps and Deployment Pipelines

  • CI/CD چیست؟ What is CI/CD?

  • یکپارچگی پیوسته در Fabric Continuous Integration in Fabric

  • تنظیمات Azure DevOps Azure DevOps Setup

  • شاخه ویژگی و درخواست‌های کششی Feature Branch and Pull Requests

  • استقرار پیوسته در Fabric Continuous Deployment in Fabric

  • تنظیمات خطوط لوله استقرار Deployment Pipelines Setup

  • همگام‌سازی تغییرات در مراحل Sync Changes in the stages

  • خط لوله استقرار CI/CD end-to-end End-To-End CI/CD Deployment Pipeline

  • خطاهای استقرار (نگران نباشید) Deployment Errors (Don't Worry)

  • آزمون دانش Knowledge Test

نمایش نظرات

آمادگی آزمون مایکروسافت DP-700: مهندس داده پارچه‌ای (Fabric Data Engineer Associate)
جزییات دوره
19 hours
142
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,457
4.6 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ansh Lamba JSR Ansh Lamba JSR

مهندس داده