آموزش بهینه سازی مدل های داده در مقیاس سازمانی - DP-500

Optimize Enterprise-scale Data Models - DP-500

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به شما می آموزد که چگونه مدل های داده بهینه در مقیاس سازمانی را برای حمایت از تصمیم گیری کارآمد تجاری طراحی کنید. شما یک راه حل داده سازمانی ساخته اید و اکنون با عملکرد مشکل دارید. در این دوره، Optimize Enterprise-scale Data Models - DP-500، طراحی مدل های داده بهینه برای حمایت از شرکت های بزرگ را یاد خواهید گرفت. ابتدا، زمینه های مختلفی را برای بهبود عملکرد بررسی خواهید کرد. در مرحله بعد، خواهید فهمید که چگونه از ابزارهای خارجی مختلف برای تنظیم دقیق مدل داده خود استفاده کنید. در نهایت، شما یاد خواهید گرفت که چگونه برخی از مفاهیم پیشرفته مانند تازه سازی افزایشی و غیرعادی سازی را به کار ببرید. پس از اتمام این دوره، درک اساسی از بهینه سازی عملکرد در Power BI خواهید داشت که به شما امکان می دهد مدل های داده بهینه در مقیاس سازمانی را طراحی کنید و شما را برای آزمون DP-500 آماده کنید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

شناسایی تنگناهای عملکرد در مدل داده Identifying Performance Bottlenecks in Data Model

  • شناسایی تنگناهای عملکرد در مدل داده Identifying Performance Bottlenecks in Data Model

  • شناسایی تنگناها در کوئری ها و تجسم ها Identifying Bottlenecks in Queries and Visualizations

  • نسخه ی نمایشی: تجزیه و تحلیل عملکرد Demo: Performance Analyzer

  • نسخه ی نمایشی: تکنیک های بهینه سازی عملکرد برای گزارش تصویری Demo: Performance Optimization Techniques for Report Visuals

  • آشنایی با ابزارهای خارجی در Power BI Understanding External Tools in Power BI

  • نسخه ی نمایشی: عیب یابی عملکرد DAX با DAX Studio Demo: Troubleshooting DAX Performance with DAX Studio

  • خلاصه Summary

بهینه سازی مدل داده با استفاده از ویرایشگر جدولی و تحلیلگر VertiPaq Optimizing Data Model Using Tabular Editor and VertiPaq Analyzer

  • آشنایی با XMLA Endpoint Understanding XMLA Endpoint

  • نسخه ی نمایشی: بهینه سازی مدل داده با استفاده از ویرایشگر جدول 2 Demo: Optimizing Data Model by Using Tabular Editor 2

  • درک کاردینالیته Understanding Cardinality

  • نسخه ی نمایشی: شناسایی ستون ها با تحلیلگر VertiPaq Demo: Identifying Column Cardinality with VertiPaq Analyzer

  • بهبود سطوح کاردینالیتی از طریق خلاصه سازی Improving Cardinality Levels through Summarization

  • نسخه ی نمایشی: بهبود سطوح کاردینالیتی از طریق خلاصه سازی Demo: Improving Cardinality Levels through Summarization

  • خلاصه Summary

اجرای تازه سازی افزایشی و غیرعادی سازی Implementing Incremental Refresh and Denormalization

  • درک تازه سازی افزایشی Understanding Incremental Refresh

  • نسخه ی نمایشی: پیکربندی تازه سازی افزایشی Demo: Configuring Incremental Refresh

  • درک غیرعادی سازی Understanding Denormalization

  • نسخه ی نمایشی: غیرعادی کردن مدل داده Demo: Denormalize Data Model

  • خلاصه Summary

نمایش نظرات

آموزش بهینه سازی مدل های داده در مقیاس سازمانی - DP-500
جزییات دوره
1h 9m
20
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Nikola Ilic
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nikola Ilic Nikola Ilic

نیکولا ایلیچ به طور رسمی یک توسعه‌دهنده هوش تجاری است که بر فناوری‌های پلتفرم داده مایکروسافت، به‌ویژه Power BI تمرکز دارد - اما او فردی متعصب به داده است و به هر چیزی که مربوط به استخراج اطلاعات معنی‌دار از داده‌های خام است علاقه دارد. نیکولا خود را "داده موتزارت" معرفی می کند. از آنجایی که او در شهر شگفت انگیز سالزبورگ، اتریش، که به زادگاه W.A.Mozart معروف است، زندگی می کند، به اندازه کافی شجاع بود که از نام خانوادگی آهنگساز به عنوان بخشی از نام مستعار خود استفاده کند. به همین دلیل است که شعار حرفه ای نیکولا این است: "از داده های خود موسیقی بسازید!" نیکولا که از محیط کسب و کار آمده است، دارای مدرک لیسانس در علوم ارتباطات و علوم کامپیوتر است. او مرتباً در data-mozart.com وبلاگ می نویسد و در کنفرانس های داده جهانی سخنرانی می کند. نیکولا همچنین MVP پلتفرم داده مایکروسافت، مربی گواهی شده مایکروسافت و تحلیلگر داده تایید شده است.