راهنمای کامل فابریک مایکروسافت - آینده داده ها با پارچه [ویدئو]

Microsoft Fabric Complete Guide – The Future of Data with Fabric [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره برای کسانی که به مفاهیم داده و مبانی محاسبات ابری، به ویژه در Microsoft Azure آشنایی دارند، ایده آل است. مهارت های برنامه نویسی در SQL، Spark و Python مفید هستند اما اجباری نیستند. شما با مقدمه‌ای بر مایکروسافت فابریک شروع می‌کنید، به اهداف و معیارهای موفقیت آن می‌پردازید، و معماری‌های متضاد Lakehouse و Warehouse، همراه با بینش‌هایی در مورد مجوز، ایجاد فضای کاری، و پیکربندی را بررسی می‌کنید. پیشرفت در تسلط بر OneLake و Delta Lake، تضمین امنیت داده‌ها با احراز هویت و مجوز، در حالی که با پیچیدگی‌های Spark، مدیریت هاب داده و مدیریت انبار مقابله می‌کنید. این شامل همه چیز از درک مجموعه داده‌ها و روش‌های جذب تا استفاده از Spark برای پردازش هم‌زمان داده، کاوش تفاوت‌های SQL و KQL، و تجربه معماری جریان داده و تجسم‌های Power BI در Data Factory است. این دوره با یک غواصی عمیق در علم داده و مدیریت قوی داده به پایان می‌رسد و تضمین می‌کند که شما به دانش کنترل دسترسی، کنترل داده‌ها و نظارت مؤثر بر سیستم‌های خود در هر محیط حرفه‌ای مجهز هستید. اصول مهندسی داده را در مایکروسافت فابریک، از جمله Lakehouse و Delta Lake، کشف کنید با ابزار Fabric انبارهای داده بسازید و مدیریت کنید تجزیه و تحلیل بلادرنگ را با استفاده از SQL، KQL و Spark انجام دهید خطوط لوله داده را در ماژول Data Factory بسازید و اجرا کنید از طریق تجسم‌های Power BI، داستان‌های داده قانع‌کننده ایجاد کنید نحوه مدیریت کنترل دسترسی، حاکمیت و نظارت را در محیط Fabric کاوش کنید این دوره آموزشی برای پزشکان داده شهروندی و متخصصان زیرساخت داده مناسب است و بینش هایی را در مورد استفاده از مایکروسافت فابریک برای گردش کار کارآمد ارائه می دهد. تحلیلگران کسب‌وکار که مشتاق ارتقای تخصص خود هستند، درس‌های ارزشمندی را در شیوه‌های مهندسی داده، دریاچه‌های داده و استفاده از Power BI برای گزارش‌دهی و تجسم پویا خواهند یافت. دانشمندان داده که به دنبال ادغام Fabric در پروژه های خود هستند، مدیریت مدل و خدمات Azure را برای ارتقای قدرت تحلیلی خود بررسی خواهند کرد. از اصول اولیه تا تکنیک‌های پیشرفته در مهندسی داده، انبارداری، و علم در اکوسیستم فابریک مایکروسافت * تمرینات عملی و مطالعات موردی واقعی برای به کارگیری آنچه آموخته‌اید مستقیماً در کار خود * خود را به تخصص مورد نیاز برای رهبری تجهیز کنید. دنیای داده محور، با تمرکز بر آخرین ابزارها و فناوری ها

سرفصل ها و درس ها

معرفی Introduction

  • معرفی دوره Course Introduction

  • معرفی مربی Instructor's Introduction

  • اهداف یادگیری Learning Objectives

فابریک مایکروسافت Microsoft Fabric

  • درک اهداف Understanding the Objectives

  • معیارهای موفقیت Success Criteria

  • مقدمه ای بر پارچه Introduction to Fabric

  • نقشه راه دوره Course Roadmap

  • مروری بر فابریک مایکروسافت Overview of Microsoft Fabric

  • مقایسه لیک هاوس و انبار Comparison of Lakehouse and Warehouse

  • انواع مجوز پارچه Fabric License Types

  • ثبت نام در Fabric Signing-up to Fabric

  • مفهوم فضاهای کاری Workspaces Concept

  • ایجاد و پیکربندی دسترسی به فضای کاری Workspace Access Creation and Configuration

  • تنظیمات فضای کاری Workspace Settings

مهندسی داده Data Engineering

  • مقدمه ای بر مهندسی داده در پارچه Introduction to Data Engineering in Fabric

  • معرفی OneLake OneLake Introduction

  • خونه کنار دریاچه Lakehouse

  • دریاچه دلتا Delta Lake

  • OneLake Explorer OneLake Explorer

  • احراز هویت و مجوز Authentication and Authorization

  • مقدمه ای بر میانبرها Introduction to Shortcuts

  • ایجاد میانبر Creating Shortcuts

  • مراکز نظارت و داده Monitoring and Data Hubs

  • آشنایی با لیک هاوس Introduction to Lakehouse

  • معماری Lakehouse Lakehouse Architecture

  • لیک هاوس در مقابل انبار Lakehouse vs Warehouse

  • اسپارک چیست؟ What is Spark?

  • نمای کلی نوت بوک Notebook Overview

  • نوت بوک های مبتنی بر وب و VS Code Web based and VS Code Notebooks

  • Spark و مانیتورینگ Spark Jobs Spark and Monitoring Spark Jobs

پایگاه داده تحلیلی Data Warehouse

  • معرفی Introduction

  • مجموعه داده و مدل سازی پیش فرض Default Dataset and Modelling

  • روش های مصرف Ingest Methods

  • Load Data Introduction Load Data Introduction

  • بارگذاری داده ها در Lakehouse Data loading into Lakehouse

  • بارگذاری داده ها با استفاده از خط لوله - قسمت 1 Load Data using Pipeline -Part 1

  • بارگذاری داده ها با استفاده از Dataflows Load Data using Dataflows

  • بارگذاری داده ها با استفاده از خط لوله - قسمت 2 Load Data using Pipeline -Part 2

  • مدل‌ها و گزارش‌های Power BI Models and Power BI Reports

  • پرس و جو از طریق پایگاه داده Cross-database Query

  • نقش ها و مجوزها Roles and Permissions

  • مدیریت اجرایی Performance Management

تجزیه و تحلیل زمان واقعی Real-time Analytics

  • SQL در مقابل KQL SQL vs KQL

  • ایجاد، پردازش و نظارت Create, Process and Monitor

  • مجموعه پرس و جو KSQL KSQL Queryset

  • پایگاه داده KSQL KSQL Database

  • KSQLMagic KSQLMagic

  • جرقه Spark

کارخانه داده Data Factory

  • Data Factory چیست؟ What is Data Factory?

  • جریان داده ها و خطوط لوله Data Flows and Pipelines

  • معماری Architecture

  • راه اندازی فضای کاری Workspace Setup

  • کنترل جدول و کپی داده ها Control Table and Copy Data

  • الگوی کپی فراداده Metadata Copy Pattern

  • فعالیت اسکریپت Script Activity

  • جریان داده Gen2 مقدمه Data Flows Gen2 Introduction

  • جریان داده Gen2 ادامه Data Flows Gen2 Continuation

  • اجرای خط لوله Pipeline Execution

  • میانبر به سایر فضاهای کاری Shortcut to Other Workspaces

  • نوت بوک Notebooks

  • تبدیل های جریان داده Gen2 Data Flow Gen2 Transformations

  • خطوط لوله، نوت بوک ها و پارامترها Pipelines, Notebooks and Parameters

  • مانیتورینگ نوت بوک در خطوط لوله Notebooks Monitoring in Pipelines

تجسم داده ها با Power BI Data Visualization with Power BI

  • Power BI و Fabric Power BI and Fabric

  • کنترل نسخه Version Control

  • دریاچه مستقیم Direct Lake

علم داده Data Science

  • علم داده چیست؟ What is Data Science?

  • فرآیند علم داده Data Science Process

  • اقلام و مدل ها Items and Models

  • ورزش Exercise

  • ذخیره مدل ها Saving Models

  • مدیریت مدل Model Management

مدیریت اطلاعات Data Management

  • معرفی Introduction

  • کنترل دسترسی Access Control

  • حکومت Governance

  • نظارت بر Monitoring

نمایش نظرات

راهنمای کامل فابریک مایکروسافت - آینده داده ها با پارچه [ویدئو]
جزییات دوره
9 h 2 m
76
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

HHN Automate Book Inc. HHN Automate Book Inc.

هنری حبیب یک مدیر باتجربه در یک شرکت مشاوره مدیریت پیشرو است. او از تخصص خود برای ارائه مشاوره در مورد استراتژی رشد، عملیات و تجزیه و تحلیل به شرکت های Fortune 500 استفاده می کند. هنری با پیشینه ای قوی در پیاده سازی راه حل های مبتنی بر داده، سابقه اثبات شده ای در تأثیرگذاری در سازمان ها در هر اندازه دارد. او به شدت از توسعه برنامه بدون کد در تجارت حمایت می کند و چنین راه حل هایی را برای مشتریان خود به کار می گیرد. این راه حل ها نه تنها قابل درک هستند بلکه سریعتر اجرا می شوند. هنری علاوه بر کار مشاوره‌ای، استادی متعهد است که از راهنمایی دانشجویان به سمت موفقیت در زمینه‌های مختلف، از مصاحبه‌های موردی گرفته تا توسعه برنامه‌های بدون کد و اتوماسیون، لذت می‌برد. دوره های او به گونه ای طراحی شده اند که جذاب و آموزنده باشد و او همیشه برای کمک به دانش آموزان در تسلط بر مفاهیم چالش برانگیز در دسترس است.

HHN Automate Book Inc. HHN Automate Book Inc.

هنری حبیب مدیر یکی از شرکت های مشاوره مدیریت برتر جهان است، او به شرکت های F500 در زمینه استراتژی رشد، عملیات و تجزیه و تحلیل مشاوره می دهد. او پیشینه گسترده ای در به کارگیری راه حل های داده محور برای ایجاد تأثیر، در سازمان های بزرگ و کوچک دارد. هنری همچنین یکی از طرفداران بزرگ توسعه برنامه بدون کد در تجارت است. او با استفاده از راه‌حل‌های No-Code، برنامه‌های تجاری را برای مشتریانش پیاده‌سازی می‌کند که درک آن‌ها بسیار ساده‌تر و سریع‌تر است. او به انقلاب بدون کد اعتقاد دارد. به عنوان یک استاد، هنری علاقه زیادی به آموزش دانش آموزان در مورد چگونگی موفقیت در هر موضوعی (مصاحبه موردی، توسعه برنامه بدون کد، اتوماسیون) دارد. او این کار را با ایجاد دوره‌هایی با محتوای جذاب و مفید انجام می‌دهد و همیشه برای پاسخ به هر سؤالی حاضر است.