آموزش معرفی مایکروسافت فابریک توسط مایکروسافت پرس

Introduction to Microsoft Fabric by Microsoft Press

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

ویژگی های گسترده مایکروسافت فابریک را کاوش کنید. با موارد ضروری شروع کنید، مانند راه اندازی مستاجر و استفاده از OneLake. بر سازماندهی، بارگذاری و تبدیل داده ها از طریق خطوط لوله، جریان داده و نوت بوک تسلط داشته باشید. در بکارگیری دستورات T-SQL، پیکربندی تجزیه و تحلیل بلادرنگ، و ایجاد گزارش های صفحه بندی شده دقیق مهارت کسب کنید. مهارت های مدیریت داده خود را با رویکردهای ساختاریافته برای پیکربندی Fabric Warehouse و Fabric Lakehouse تقویت کنید. علاوه بر این، آزمایش‌های یادگیری ماشین را کاوش کنید، داده‌ها را با Data Activator مدیریت کنید و از ابزارهای نظارت مدیریت Purview استفاده کنید. در پایان این دوره، شما آماده خواهید بود که فرآیندهای داده را ساده کنید، تجزیه و تحلیل در زمان واقعی ایجاد کنید، با یادگیری ماشینی نوآوری کنید، و تصمیمات مبتنی بر داده را به طور موثرتری اتخاذ کنید.


سرفصل ها و درس ها

معرفی Introduction

  • آشنایی با مایکروسافت فابریک Introduction to Microsoft Fabric

1. با مایکروسافت فابریک شروع کنید 1. Get Started with Microsoft Fabric

  • چالش های موجود در تجزیه و تحلیل داده ها را درک کنید Understand challenges in data analytics

  • اهداف یادگیری Learning objectives

  • مجوز Fabric مناسب را انتخاب کنید Choose the right Fabric license

  • یک مستاجر فابریک مایکروسافت جدید راه اندازی کنید Set up a new Microsoft Fabric tenant

  • مایکروسافت فابریک را در مستاجر موجود Power BI فعال کنید Enable Microsoft Fabric on an existing Power BI tenant

  • از چشم انداز فابریک مایکروسافت قدردانی کنید Appreciate the Microsoft Fabric vision

2. پلتفرم فابریک مایکروسافت را کاوش کنید 2. Explore the Microsoft Fabric Platform

  • از علم داده پیشرفته استفاده کنید Apply advanced data science

  • پیاده سازی تجزیه و تحلیل بلادرنگ Implement real-time analytics

  • نقش ها را در Fabric انتخاب کنید Choose roles in Fabric

  • اهداف یادگیری Learning objectives

  • سازماندهی داده ها در یک انبار داده Organize data in a data warehouse

  • سازماندهی داده ها در یک خانه دریاچه Organize data in a lakehouse

  • کار با داده ها از طریق نوت بوک Work with data through notebooks

  • بارگذاری و تبدیل داده ها از طریق خطوط لوله و جریان داده Load and transform data through pipelines and dataflows

  • با Purview نظارت و مدیریت کنید Monitor and manage with Purview

  • تجزیه و تحلیل داده ها با مدل ها و گزارش های معنایی Analyze data with semantic models and reports

  • OneLake را درک کنید Understand OneLake

  • با Data Activator روی داده های خود عمل کنید Act on your data with Data Activator

3. داده ها را در Fabric بارگذاری کنید 3. Load Data into Fabric

  • داده ها را با کاوشگر OneLake همگام کنید Synchronize data with the OneLake explorer

  • از یک نوت بوک برای تبدیل فایل ها به جدول استفاده کنید Use a notebook to turn files into tables

  • یک خط لوله برای بارگیری داده ها ایجاد کنید Create a pipeline to load data

  • میانبرها را پیکربندی کنید Configure shortcuts

  • اهداف یادگیری Learning objectives

4. بارگذاری و تبدیل داده ها با Dataflows 4. Load and Transform Data with Dataflows

  • تبدیل داده ها با جریان داده Transform data with dataflows

  • یک جریان داده برای بارگیری داده ها ایجاد کنید Create a dataflow to load data

  • اهداف یادگیری Learning objectives

  • از یک جریان داده برای تبدیل فایل ها به جداول استفاده کنید Use a dataflow to turn files into tables

5. مدیریت داده ها با Fabric Warehouse 5. Manage Data with Fabric Warehouse

  • از T-SQL برای راه اندازی یک انبار استفاده کنید Apply T-SQL to set up a warehouse

  • با مدل معنایی پیش فرض گزارش ایجاد کنید Create reports with the default semantic model

  • اهداف یادگیری Learning objectives

  • داده های پرس و جو Query data

6. مدیریت داده ها با Fabric Lakehouse 6. Manage Data with Fabric Lakehouse

  • پرس و جو از نقطه پایانی SQL analytics Query the SQL analytics endpoint

  • با مدل معنایی پیش فرض گزارش ایجاد کنید Create reports with the default semantic model

  • یک خانه دریاچه ای راه اندازی کنید Set up a lakehouse

  • یک مدل معنایی سفارشی روی داده‌های Lakehouse ایجاد کنید Create a custom semantic model on lakehouse data

  • اهداف یادگیری Learning objectives

7. تجزیه و تحلیل داده ها از طریق مدل های معنایی 7. Analyze Data through Semantic Models

  • اندازه گیری های DAX را ایجاد کنید Create DAX measures

  • ایجاد گزارش تصویری Create visual reports

  • ایجاد گزارش های صفحه بندی شده Create paginated reports

  • اهداف یادگیری Learning objectives

  • دریاچه مستقیم را درک کنید Understand Direct Lake

8. تحلیل زمان واقعی را اعمال کنید 8. Apply Real-Time Analytics

  • داده‌های جریانی را در Fabric دریافت کنید Ingest streaming data in Fabric

  • یک مدل معنایی جریانی تنظیم کنید Set up a streaming semantic model

  • اهداف یادگیری Learning objectives

  • گزارش های بلادرنگ بسازید Build real-time reports

  • یک پایگاه داده KQL را پیکربندی کنید Configure a KQL database

9. از طریق Data Activator اقدام کنید 9. Take Action through Data Activator

  • راه‌اندازی را تنظیم کنید Set up triggers

  • Activator داده را درک کنید Understand Data Activator

  • اهداف یادگیری Learning objectives

10. علم داده را اعمال کنید 10. Apply Data Science

  • پیش بینی نتایج با استفاده از مدل های ML Predict outcomes using ML models

  • آزمایشات ML را در Fabric اجرا کنید Run ML experiments in Fabric

  • اهداف یادگیری Learning objectives

11. استفاده از پارچه را مدیریت کنید 11. Manage Fabric Usage

  • از طریق مرکز Purview اطلاعات بینش دریافت کنید Get insights through the Purview hub

  • دسترسی به نظارت مدیریت Access admin monitoring

  • اهداف یادگیری Learning objectives

خلاصه Summary

  • خلاصه Summary

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش معرفی مایکروسافت فابریک توسط مایکروسافت پرس
جزییات دوره
5h 44m
57
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
57
- 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

Microsoft Press Microsoft Press

محتوای مارک مایکروسافت پرس آموزش برتر در مورد موضوعات مختلف مایکروسافت را ارائه می دهد.

Microsoft Press به متخصصان فناوری اطلاعات، توسعه دهندگان و کاربران دفتر خانگی کمک می کند تا مهارت ها و دانش فنی خود را با استفاده از کتاب ها و منابع یادگیری ارتقا دهند. کارشناسان موضوعی از مایکروسافت و سایر نوآوران صنعت در عناوین و سری های بسیاری از خانواده محصولات Microsoft Press مشارکت دارند.

Michiel Rozema Michiel Rozema

Michiel Rozema متخصص در تجزیه و تحلیل داده ها، به ویژه Power BI و DAX است.



میشیل با پایه ای قوی در ریاضیات و تحقیق در عملیات، بیش از سه دهه تجربه در این زمینه به دست آورده است. حرفه او شامل نقش های مهمی در مایکروسافت است، جایی که او در معرفی و پذیرش Power Pivot برای Excel و Power BI در هلند نقش اساسی داشت. در حال حاضر، او رهبری Quanto، یک شرکت مشاوره ای که به تجزیه و تحلیل داده ها اختصاص دارد، می باشد، جایی که او همچنان با رویکردهای نوآورانه و دانش فنی عمیق خود بر صنعت تأثیر می گذارد.



فراتر از تلاش‌های حرفه‌ای‌اش، میشل یک مربی پرشور و رهبر جامعه است. او چندین کتاب درباره Power BI و Power Pivot تالیف کرده است که بینش و تخصص خود را با مخاطبان بیشتری به اشتراک گذاشته است. Michiel همچنین یک سخنران برجسته در کنفرانس های بین المللی است که در آن آخرین روندها و تحولات در تجزیه و تحلیل داده ها را مورد بحث قرار می دهد. او به‌عنوان بنیان‌گذار گروه کاربر هلندی Power BI و سازمان‌دهنده مدرسه تابستانی Power BI، به طور فعال جامعه‌ای از علاقه‌مندان به داده را پرورش می‌دهد و از طریق همکاری و اشتراک دانش به پیشرفت این حوزه کمک می‌کند.