آموزش مایکروسافت فابریک - راهنمای کامل

سرفصل ها و درس ها

شروع کار با پارچه Getting started with Fabric

• فابریک مایکروسافت چیست؟ What is Microsoft Fabric?

• ثبت نام پارچه Fabric Signup

• پارچه بدون ایمیل کار Fabric without work email

• ایجاد فضای کاری پارچه Creating Fabric Workspace

• قیمت پارچه Fabric Pricing

OneLake & Lakehouses OneLake & Lakehouses

• OneLake OneLake

• فضاهای کاری Workspaces

• خانه های دریاچه Lakehouses

• کاوش در فضاهای کاری Exploring workspaces

• یک خانه دریاچه ای ایجاد کنید Create a lakehouse

• بارگذاری داده ها در خانه دریاچه Load data into lakehouse

• بارگذاری داده ها در جداول Load data into tables

• کاوش جداول دلتا Exploring Delta Tables

• با استفاده از Dataflow Gen 2 Using Dataflow Gen 2

• کاوشگر فایل OneLake OneLake file explorer

• استفاده از نقطه پایانی تجزیه و تحلیل SQL Using SQL analytics endpoint

• یک پرس و جو بصری بسازید Build a visual query

• ایجاد میانبر Creating shortcuts

• مدیریت دسترسی و اشتراک گذاری Managing access & sharing

Power BI و مدل های معنایی Power BI & Semantic Models

• درک مدل های معنایی Understanding semantic models

• استفاده از مدل های معنایی در Power BI Using semantic models in Power BI

• ایجاد مدل معنایی جدید Create new semantic model

• ایجاد اقدامات Creating measures

• از Power BI Desktop به Fabric متصل شوید Connect to Fabric from Power BI Desktop

• با استفاده از نقطه پایانی SQL Using SQL endpoint

• ایجاد خودکار گزارش ها Auto Create Reports

• ایجاد اپلیکیشن ها Creating Apps

• به روز رسانی و حذف برنامه ها Updating & Deleting Apps

کارخانه داده Data Factory

• Azure Data Factory & Data Pipelines Azure Data Factory & Data Pipelines

• Copy Data Activity Copy Data Activity

• افزودن DataFlow Gen 2 به Pipeline Adding DataFlow Gen 2 to Pipeline

• برای عملکرد بهتر، مرحله بندی را غیرفعال کنید Disable Staging for better performance

• خط لوله داده را برنامه ریزی کنید Schedule Data Pipeline

• عیب یابی و نظارت بر خط لوله داده Troubleshoot & Monitor Data Pipeline

انبارهای داده Data Warehouses

• انبار چیست What is a warehouse

• ایجاد انبار داده Creating a data warehouse

• ایجاد جدول Create Table

• درج و به روز رسانی داده ها INSERT & UPDATE data

• تغییر طرح جدول Alter Table Schema

• محاسبه colmuns و به روز رسانی طرحواره Calculating colmuns & Schema Updates

• دستور COPY INTO COPY INTO command

• کپی داده ها با استفاده از خط لوله Copy Data using Pipeline

• ارجاع به نقاط پایانی SQL از Lakehouses Referencing SQL endpoints from Lakehouses

• جداول شبیه سازی Cloning tables

• مدل معنایی را اصلاح کنید و گزارش ایجاد کنید Modify Semantic Model and Create Reports

مهندسی داده Data Engineering

• جرقه در پارچه Spark in Fabric

• ایجاد یک چارچوب داده Creating a data frame

• کاوش در نوت بوک ها Exploring the notebooks

• آپلود و خواندن فایل ها Uploading & reading files

• یک خانه دریاچه را به هم وصل کنید Connect a lakehouse

• تعریف طرحواره Defining the schema

• فیلتر کردن داده ها Filtering Data

• اصلاح طرحواره Modify Schema

• اضافه کردن ستون ها Adding columns

• تجمیع و گروه بندی Aggregating & Grouping

• با استفاده از توابع Using functions

• پیوستن به DataFrames Joining DataFrames

• نوشتن فایل در lakehouse Writing files to lakehouse

• نوشتن در جداول دلتا Writing to Delta Tables

• پرس و جوهای SparkSQL SparkSQL queries

• نماهای موقت Temporary views

• استفاده از Python & SQL Using Python & SQL

• دفترهای برنامه ریزی Scheduling notebooks

• ادغام نوت بوک ها در خطوط لوله Integrating notebooks in pipelines

• تنظیمات جرقه Spark settings

• تعریف شغل جرقه Spark job definition

• زمانبندی تعریف شغل Spark Schedule Spark job definition

تجزیه و تحلیل زمان واقعی Real-Time Analytics

• مبانی تجزیه و تحلیل بلادرنگ در Fabric Basics of Real-Time Analytics in Fabric

• ایجاد پایگاه داده KQL Creating a KQL database

• مبانی KQL Basics of KQL

• مرتب سازی و فیلتر کردن Sorting & Filtering

• تجمیع و گروه بندی Aggregating & Grouping

• تصویرسازی داده ها Visulizing Data

• گرفتن داده Getting data

• پیوستن به داده ها Joining data

• ایجاد جریان رویداد Creating Eventstream

• پردازش رویداد Event Processing

• مسیریابی جریان داده به پایگاه داده KQL Routing streaming data to into KQL database

• اتصال پایگاه داده KQL به Power BI Connecting KQL database to Power BI

• بلعیدن جریان به خانه دریاچه Ingesting stream into lakehouse

• داده های بلادرنگ در نوت بوک ها Real-time data in notebooks

• سیاست های نگهداری Retention policies

• حذف جریان رویداد Deleting Eventstream

علم داده Data Science

• مقدمه علم داده Data Science Introduction

• راه اندازی نوت بوک و بارگذاری داده ها Setup of Notebook & Load Data

• ایجاد چارچوب داده پاندا Creating Pandas Dataframe

• پاکسازی داده ها با استفاده از Data Wrangler Data Cleansing using Data Wrangler

• تجزیه و تحلیل اکتشافی - توزیع ها Exploratory Analysis - Distributions

• تجزیه و تحلیل تاثیر ویژگی Feature Impact Analysis

• مهندسی ویژگی Feature Engineering

• اتصال نتایج به Power BI Connecting the results to Power BI

• راه اندازی آزمایش ها و درک مدل ها Setting up experiments & understanding models

• تقسیم و نمونه داده های آموزشی Split and Sample Training Data

• مدل قطار Train Model

• کاوش آزمایش و معیارها Exploring Experiment & Metrics

• درک ROC و منحنی فراخوان دقیق Understanding ROC & Precision Recall Curve

• مقایسه مدل های مختلف Comparing different models

• اجرا را به عنوان مدل ML ذخیره کنید Save run as ML model

• استفاده از مدل ML Applying the ML model

فعال کننده داده Data Activator

• بررسی اجمالی Activator Data Data Activator Overview

• Reflex را از داده های Power BI ایجاد کنید Create Reflex from Power BI data

• راه اندازی Triggers Setting up Triggers

• داده‌ها را از Eventstream اضافه کنید Add data from Eventstream

• ایجاد تریگر از اشیاء Create Triggers from Objects