🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش استادی در مهندسی داده با Microsoft Fabric: راهنمای جامع
- آخرین آپدیت
دانلود Microsoft Fabric Data Engineering Mastery: A Complete Guide
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش جامع مهندسی داده با Microsoft Fabric: Data Factory, Spark و معماری مدالیون
پتانسیل مهندسی داده خود را با Microsoft Fabric در این دوره جامع و عملی باز کنید. این دوره برای مهندسان داده، تحلیلگران و متخصصان فناوری اطلاعات طراحی شده است و مهارتهای عملی برای ساخت راهکارهای داده مقیاسپذیر و قوی را ارائه میدهد. از طریق تمرینهای دنیای واقعی و یک مطالعه موردی دقیق، بر تبدیل داده، یکپارچهسازی و خودکارسازی پایپ لاین با آخرین فناوریهای Microsoft Fabric تسلط خواهید یافت.
آنچه خواهید آموخت:
مقدمهای بر Microsoft Fabric: با یک مرور کلی از ویژگیهای اصلی Microsoft Fabric، تنظیمات فضای کاری و فرآیندهای دریافت داده شروع کنید تا یک پایه قوی ایجاد کنید.
تسلط بر معماری مدالیون: نحوه پیادهسازی معماری مدالیون را با سازماندهی دادهها در لایههای خام (Raw)، برنزی (Bronze)، نقرهای (Silver) و طلایی (Gold) برای پردازش کارآمد و مقیاسپذیر یاد بگیرید.
Dataflows Gen 2 برای تبدیل: Dataflows Gen 2 را برای مدیریت دادهها در سراسر مراحل، از خام تا طلایی، کاوش کنید و در عین حال مشکلات رایج را برای دریافت یکپارچه برطرف کنید.
یکپارچهسازی پیشرفته SQL و Python: از SQL و Python برای پردازش داده، خودکارسازی و تبدیل استفاده کنید. پایپ لاینهای قدرتمند بسازید، گردش کار را خودکار کنید و از PySpark برای مدیریت دادههای بهبود یافته بهره ببرید.
تصویرسازی و گزارشدهی: بینشهایی در مورد استفاده از Power BI برای تجسم دادهها، طراحی داشبوردهای تعاملی و ایجاد گزارشهای جامع متناسب با تصمیمگیری کسب کنید.
راهکارهای مهندسی داده سرتاسر: گردش کار کامل مهندسی داده را با استفاده از Dataflows، پایپ لاینها و تکنیکهای تبدیل برای ساخت معماریهای مقیاسپذیر ایجاد کنید.
کاربرد عملی با مطالعه موردی فروش خودرو: یک مطالعه موردی دنیای واقعی را دنبال کنید تا مفاهیم را تقویت کنید و هر ابزار و تکنیک را برای حل مشکلات عملی اعمال کنید.
ویژگیهای برجسته دوره:
یادگیری عملی: در تمرینهای هدایتشده شرکت کنید تا در کنار مربی کار کنید و راهکارهای مهندسی داده واقعی را از ابتدا پیادهسازی کنید.
مسیر یادگیری انعطافپذیر: با سرعت خود پیشرفت کنید، با مهارتهای اساسی شروع کنید و به پردازش دادههای پیچیده با SQL، Python و Spark بروید.
تمرینهای تعاملی و سناریوهای دنیای واقعی: Dataflows، پایپ لاینها و مدلهای داده را برای حل چالشهای رایج مهندسی داده بسازید و بهینهسازی کنید.
پشتیبانی مستقیم مربی و تعامل با جامعه: به راهنماییهای تخصصی دسترسی داشته باشید و با جامعهای از یادگیرندگان ارتباط برقرار کنید تا بینشها را به اشتراک بگذارید و مشکلات را برطرف کنید.
این دوره برای چه کسانی مناسب است:
مهندسان و تحلیلگران داده که به دنبال تعمیق تخصص خود در Microsoft Fabric و پردازش داده هستند.
مدیران پایگاه داده که مایل به سادهسازی مدیریت داده با Microsoft Fabric هستند.
متخصصان هوش تجاری مشتاق ایجاد راهکارهای سرتاسر برای تجزیه و تحلیل هستند.
دانشمندان داده که در حال گسترش قابلیتهای مهندسی داده خود برای دادههای مقیاس بزرگ هستند.
متخصصان فناوری اطلاعات و علاقهمندان به فناوری علاقهمند به ابزارهای مهندسی داده پیشرفته Microsoft هستند.
مهارتهای مهندسی داده خود را با Microsoft Fabric به سطوح جدیدی ارتقا دهید. برای تجربه عملی و یک رویکرد عملی برای ساخت راهکارهای داده مقیاسپذیر به ما بپیوندید!
پیشنیازها: آشنایی با SQL و مهارتهای برنامهنویسی اولیه میتواند مفید باشد. ما بر SQL و Python تمرکز خواهیم کرد. من تمام نمونههای مورد نیاز برای تکمیل مطالعه موردی را در اختیار شما قرار میدهم.
تسلط بر برنامهنویسی هنگام کار با اسکریپتنویسی و وظایف تبدیل داده ارزشمند خواهد بود.
تجربه در عیبیابی و رفع اشکال مشکلات فنی به ساخت و عیبیابی پایپ لاینهای Azure Data Factory کمک میکند.
توجه: برای تنظیم حساب Azure رایگان خود ممکن است به کارت اعتباری یا نقدی نیاز داشته باشید.
توجه: این دوره مقدمهای خوب برای Fabric است و بسیاری از موضوعات مورد نیاز برای گواهینامه Azure Data Engineer Associate را پوشش میدهد. برای اینکه ببینید چه چیزی پوشش داده شده و چه چیزی نیست، درس پیش نمایش "مقدمهای بر Microsoft Fabric Data Engineering و Alignment گواهینامه" را بررسی کنید.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمهای بر مهندسی داده Microsoft Fabric
Introduction to Microsoft Fabric Data Engineering
نحوه گذراندن این دوره
How to take this Course
مقدمهای بر Microsoft Fabric
Introduction to Microsoft Fabric
مطالعه موردی فروش خودرو و پشتههای فناوری Fabric
Car Sales Case Study and Fabric Technology Stacks
مقدمهای بر مهندسی داده Microsoft Fabric و همترازی گواهینامه
Introduction to Microsoft Fabric Data Engineering and Certification Alignment
معماری مدالیون و مدلسازی داده
Medallion Architecture and Data Modeling
مقدمهای بر معماری مدالیون
Introduction to Medallion Architecture
توضیح لایههای داده معماری مدالیون
Medallion Architecture Data Layers Explained
مروری بر مدل داده
Data Model Overview
راهاندازی Microsoft Fabric
Setting up Microsoft Fabric
ایجاد یک حساب کاربری رایگان Microsoft Fabric
Create a Free Microsoft Fabric Account
راهاندازی اولین فضای کاری Microsoft Fabric
Setup Your First Microsoft Fabric Workspace
راهاندازی Raw Lakehouse
Setup Raw Lakehouse
مهندسی داده با Dataflow Gen2
Data Engineering with Dataflow Gen2
به Bronze – استفاده از Dataflow Gen2 برای دریافت داده
To Bronze - Using Dataflow Gen2 to Ingest Data
به Silver – مقدمهای بر دریافت داده به لایه Silver
To Silver - Intro to Ingesting Data to Silver Layer
به Silver – استفاده از Dataflow Gen2 برای دریافت داده (بخش 1)
To Silver - Using Dataflow Gen2 to Ingest Data (part 1)
به Silver – استفاده از Dataflow Gen2 برای دریافت داده (بخش 2)
To Silver - Using Dataflow Gen2 to Ingest Data (part 2)
به Silver – رفع مشکل رفرش Dataflow Gen2
To Silver - Addressing Dataflow Gen2 Refresh Issue
به Gold – مقدمهای بر دریافت داده به لایه Gold
To Gold - Intro to Ingesting Data to Gold Layer
به Gold – رفع اصلاح دادههای لایه Silver
To Gold - Addressing Fix to Silver Layer Data
به Gold – آمادهسازی ابعاد با استفاده از Dataflow Gen2 (بخش 1)
To Gold - Preparing Dimensions using Dataflow Gen2 (part 1)
به Gold – آمادهسازی ابعاد با استفاده از Dataflow Gen2 (بخش 2)
To Gold - Preparing Dimensions using Dataflow Gen2 (part 2)
به Gold – آمادهسازی جدول فکت CarSales با استفاده از Dataflow Gen2
To Gold - Preparing CarSales Fact Table using Dataflow Gen2
مصورسازی – Dataflow Gen 2 – مدل معنایی
Visualization - Dataflow Gen 2 - Semantic Model
مصورسازی – استفاده از PowerBI برای مصورسازی داده
Visualization - Using PowerBI to Visualize Data
مصورسازی – اصلاحات داده Dataflow Gen 2
Visualization - Dataflow Gen 2 Data Fixes
Pipelines – خودکارسازی مهندسی داده از لایه Raw تا Gold
Pipelines - Automating Data Engineering from Raw to Gold Layer
مهندسی داده با SQL
Data Engineering with SQL
مقدمهای بر مهندسی داده با SQL
Introduction to Data Engineering with SQL
راهاندازی فضای کاری SQL
SQL Workspace Setup
به Bronze – فعالیت کپی Pipeline داده
To Bronze - Data Pipeline Copy Activity
به Silver – مقدمهای بر دریافت داده در لایه Silver
To Silver - Intro to Ingesting Data in the Silver Layer
به Silver – نوشتن کوئریهای لایه Silver (بخش 1)
To Silver - Writing Silver Layer Queries (part 1)
به Silver – نوشتن کوئریهای لایه Silver (بخش 2)
To Silver - Writing Silver Layer Queries (part 2)
به Silver – نوشتن کوئریهای لایه Silver (بخش 3)
To Silver - Writing Silver Layer Queries (part 3)
به Silver – استفاده از Azure Data Studio در کنار MS Fabric
To Silver - Using Azure Data Studio alongside MS Fabric
به Gold – مقدمهای بر دریافت داده در لایه Gold
To Gold - Intro to Ingesting Data in the Gold Layer
به Gold – مدلسازی ابعاد با استفاده از SQL (بخش 1)
To Gold - Dimension Modeling using SQL (part 1)
به Gold – مدلسازی ابعاد با استفاده از SQL (بخش 2)
To Gold - Dimension Modeling using SQL (part 2)
به Gold – مدلسازی ابعاد با استفاده از SQL (بخش 3)
To Gold - Dimension Modeling using SQL (part 3)
به Gold – ایجاد Pipeline برای خودکارسازی
To Gold - Creating Pipeline for Automation
به Gold – مصورسازی داده لایه Gold آماده شده با SQL
To Gold - Data Visualization of SQL Prepared Gold Layer
استفاده از PySpark و Python برای مهندسی داده Microsoft Fabric
Using PySpark and Python for Microsoft Fabric Data Engineering
مقدمه
Introduction
راهاندازی فضای کاری PySpark در Microsoft Fabric
Setting up PySpark Workspace in Microsoft Fabric
به Bronze – استفاده از Python و PySpark برای دریافت داده
To Bronze - Using Python and PySpark to Ingest Data
به Silver – آمادهسازی لایه Silver با استفاده از PySpark و Python (بخش 1)
To Silver - Preparing Silver Layer using PySpark and Python (part 1)
به Silver – آمادهسازی لایه Silver با استفاده از PySpark و Python (بخش 2)
To Silver - Preparing Silver Layer using PySpark and Python (part 2)
به Silver – آمادهسازی لایه Silver با استفاده از PySpark و Python (بخش 3)
To Silver - Preparing Silver Layer using PySpark and Python (part 3)
به Gold – مدلسازی ابعاد با استفاده از PySpark و Python (بخش 1)
To Gold - Dimension Modeling using PySpark and Python (part 1)
به Gold – مدلسازی ابعاد با استفاده از PySpark و Python (بخش 2)
To Gold - Dimension Modeling using PySpark and Python (part 2)
به Gold – مدلسازی ابعاد با استفاده از PySpark و Python (بخش 3)
To Gold - Dimension Modeling using PySpark and Python (part 3)
به Gold – آمادهسازی جدول فکت CarSales با استفاده از PySpark و Python
To Gold - CarSales Fact table preparation using PySpark and Python
به Gold – اجرای Notebookها از طریق Pipelines
To Gold - Running Notebooks via Pipelines
به Gold – آمادهسازی لایه Semantic
To Gold - Preparing Semantic Layer
به Gold – مصورسازی داده با استفاده از گزارشهای PowerBI
To Gold - Visualizing Data using PowerBI Reports
Kris Wenzel
نمایش نظرات