آموزش مایکروسافت فابریک - شیرجه عمیق تر

Microsoft Fabric - A Deeper Dive

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: با DirectLake به مهندسی داده، علم داده، تجزیه و تحلیل بلادرنگ، Power BI، Spark، Data Warehousing و Power BI بیشتر بپردازید. یک جدول واقعی 170 میلیون ردیفی برای نشان دادن اینکه ما دیگر به حالت واردات نیاز نداریم استفاده می شود! ادغام آپاچی اسپارک در علم داده فابریک مایکروسافت در مایکروسافت فابریک در تلاش برای پیش‌بینی مدت زمان یک تاکسی در شهر نیویورک. راه حل تجزیه و تحلیل بلادرنگ با استفاده از داده های تاکسی شهر نیویورک و جریان رویداد با پیوند معنایی KQL برای Power BI پیش نیازها: هیچ پیش نیازی برای این دوره به جز داشتن دانش کاری مایکروسافت فابریک وجود ندارد. این یک دوره سطح متوسط ​​است.

مطالعه عمیق تر در مورد آنچه ممکن است بپرسید؟ غواصی عمیق تر از آنچه دوره اولیه مایکروسافت فابریک را پوشش می دهد. ما عمیق‌تر به مهندسی داده، علم داده، انبار داده، Spark، Power BI با DirectLake، Power BI با Semantic Link با مثال‌ها و مطالعات انتها به انتها می‌رویم.

اگر یک برنامه‌نویس Power BI هستید، از غواصی عمیق ما در DirectLake لذت خواهید برد، جایی که ما از یک جدول واقعی 170 میلیون ردیفی استفاده می‌کنیم تا نشان دهیم DirectLake به اندازه حالت واردات جدولی سریع است. باورش سخته، اما حقیقت داره. ما همچنین Semantic Link را با Power BI پوشش می دهیم که به نوت بوک های Spark اجازه می دهد با مجموعه داده های Power BI تعامل داشته باشند.

اگر مهندسی داده تخصص شماست، ما پروژه‌ای را پشت سر می‌گذاریم و نشان می‌دهیم که چگونه از Dataflows Gen2 و Data Factory Copy Activity با خطوط لوله برای ایجاد فرآیند جذب استفاده کنیم.

اگر علاقه شما علم داده است، ما پروژه یادگیری ماشینی سرتاسری را انجام می‌دهیم تا نشان دهیم چگونه می‌توان از Fabric و نوت‌بوک‌ها استفاده کرد یا پیش‌بینی کرد که تاکسی چقدر ممکن است در شهر نیویورک طول بکشد.

اگر نیاز به کسب اطلاعات بیشتر در مورد تجزیه و تحلیل بلادرنگ و KQL دارید، پروژه‌ای را انجام می‌دهیم که در آن داده‌های تاکسی را با استفاده از جریان‌های رویداد و KQL شبیه‌سازی می‌کنیم.

اگر علاقه مند به ساخت انبار داده هستید، ما یک پروژه انبار داده سرتاسری داریم که نشان می دهد چگونه می توان این کار را در Microsoft Fabric انجام داد.

به Apache Spark علاقه دارید؟ ما حوزه های مهم Spark و نحوه ادغام آن با مایکروسافت فابریک را پوشش می دهیم.

وقتی این دوره بیش از 10 ساعته را کامل کنید، با استفاده از همه تجربیات رایج در مایکروسافت فابریک احساس راحتی خواهید کرد.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • مایکروسافت فابریک به طور کلی در دسترس است! Microsoft Fabric is Generally Available!

  • تمرین ها و آزمون ها در این دوره - لطفا تماشا کنید! Exercises and Quizzes in this Course - Please Watch!

  • شروع کار با مایکروسافت فابریک Getting Started with Microsoft Fabric

Direct Lake و Power BI Direct Lake and Power BI

  • نمای کلی - قسمت 1 Overview - Part 1

  • نمای کلی - قسمت 2 Overview - Part 2

  • پشتیبانی از XMLA-Write XMLA-Write Support

  • آزمایش مستقیم دریاچه - قسمت 1 Putting Direct Lake to the Test - Part 1

  • آزمایش مستقیم دریاچه - قسمت 2 Putting Direct Lake to the Test - Part 2

  • Power BI Desktop و Direct Lake Power BI Desktop and Direct Lake

  • بارگیری بر اساس تقاضا On-Demand Loading

علم داده در مایکروسافت فابریک Data Science in Microsoft Fabric

  • مقدمه ای بر علم داده Introduction to Data Science

  • علم داده در مایکروسافت فابریک Data Science in Microsoft Fabric

  • نوت بوک Notebooks

  • آزمایش Experiments

  • مدل ها Models

  • آماده سازی داده ها - جدال داده ها Preparing Data - Data Wrangling

  • ساخت یک مدل - بلع داده ها Building a Model - Ingesting Data

  • ساخت یک مدل - کاوش و تجسم داده ها Building a Model - Exploring and Visualizing the Data

  • ساخت یک مدل - تمیز کردن و آماده سازی داده ها Building a Model - Cleaning and Preparing the Data

  • ساخت مدل - ایجاد مدل - قسمت 1 Building the Model - Model Creation - Part 1

  • ساختن مدل - ایجاد مدل - قسمت 2 Building the Model - Model Creation - Part 2

  • ساختن مدل - ایجاد مدل - قسمت 3 Building the Model - Model Creation - Part 3

  • ساخت مدل - ایجاد مدل - قسمت 4 Building the Model - Model Creation - Part 4

تجزیه و تحلیل زمان واقعی در مایکروسافت فابریک Real-Time Analytics in Microsoft Fabric

  • مقدمه ای بر تحلیل زمان واقعی در مایکروسافت فابریک Introduction to Real-Time Analytics in Microsoft Fabric

  • جریان رویداد Event Stream

  • ایجاد پایگاه داده KQL Creating a KQL Database

  • ایجاد یک جریان رویداد Creating an Event Stream

  • دریافت اطلاعات موقعیت مکانی Getting Location Data

  • افزودن داده ها به Lakehouse Adding the Data to the Lakehouse

  • کاوش در داده ها Exploring the Data

  • کاوش بیشتر داده ها More Data Exploration

کارخانه داده در مایکروسافت فابریک Data Factory in Microsoft Fabric

  • مقدمه ای بر Data Factory در مایکروسافت فابریک Introduction to Data Factory in Microsoft Fabric

  • ساخت خط لوله - قسمت 1 Building a Pipeline - Part 1

  • ساخت خط لوله - قسمت 2 Building a Pipeline - Part 2

  • ساخت خط لوله - قسمت 3 Building a Pipeline - Part 3

  • ساخت خط لوله - قسمت 4 Building a Pipeline - Part 4

  • ساخت خط لوله - قسمت 5 Building a Pipeline - Part 5

انبار داده در مایکروسافت فابریک Data Warehouse in Microsoft Fabric

  • مقدمه ای بر انبار داده فابریک مایکروسافت Introduction to the Microsoft Fabric Data Warehouse

  • ساخت انبار داده - قسمت 1 Building a Data Warehouse - Part 1

  • ساخت انبار داده - قسمت 2 Building a Data Warehouse - Part 2

  • ساخت انبار داده - قسمت 3 Building a Data Warehouse - Part 3

  • ساخت انبار داده - Visual Query Builder Building a Data Warehouse - Visual Query Builder

  • استفاده از میانبرها برای تجزیه و تحلیل داده ها در Lakehouse Using Shortcuts to Analyze Data in a Lakehouse

  • مدل سازی داده ها و تولید خودکار گزارش Power BI Modeling the Data and Auto-Generating a Power BI Report

آپاچی اسپارک در مایکروسافت فابریک Apache Spark in Microsoft Fabric

  • معرفی آپاچی اسپارک در پارچه Introduction to Apache Spark in Fabric

  • کتابخانه های اسپارک Spark Libraries

  • مبانی Dataframe - قسمت 1 Dataframe Basics - Part 1

  • مبانی Dataframe - قسمت 2 Dataframe Basics - Part 2

  • مبانی Dataframe - قسمت 3 Dataframe Basics - Part 3

  • عملیات متداول با Dataframe ها Common Operations with Dataframes

  • فیلتر کردن داده ها Filtering Data

  • جمع آوری داده ها Aggregating Data

  • پیوستن به Dataframes Joining Dataframes

  • کار با خرما Working with Dates

  • بیانیه های SQL و Spark SQL Statements and Spark

  • فراگیری ماشین Machine Learning

  • مایکروسافت فابریک 1.1./Spark Runtime Microsoft Fabric 1.1. / Spark Runtime

  • پیکربندی جرقه Spark Configuration

  • تنظیم خودکار جرقه Spark Autotuning

موضوعات متفرقه Miscellaneous Topics

  • پیوند معنایی برای Power BI - قسمت 1 Semantic Link for Power BI - Part 1

  • پیوند معنایی برای Power BI - قسمت 2 Semantic Link for Power BI - Part 2

  • پیوند معنایی برای Power BI - قسمت 3 Semantic Link for Power BI - Part 3

  • فعال کننده داده - قسمت 1 Data Activator - Part 1

  • Data Activator - قسمت 2 Data Activator - Part 2

جایزه Bonus

  • پیشنهاد جایزه Bonus Offer

نمایش نظرات

نظری ارسال نشده است.

آموزش مایکروسافت فابریک - شیرجه عمیق تر
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
11 hours
66
Udemy (یودمی) udemy-small
01 آذر 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
385
4.6 از 5
دارد
دارد
دارد
Randy Minder

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Randy Minder Randy Minder

توسعه دهنده پیشرو هوش تجاری/Power BI/Snowflake

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.