آزمون های عملی | مهندس MS Azure DP-600 Fabric Analytics

به منظور ایجاد انتظارات واقع بینانه، لطفاً توجه داشته باشید: این سؤالات سؤالات رسمی نیستند که در آزمون رسمی پیدا کنید. این سوالات تمام مطالبی را که در بخش‌های دانش زیر بیان شده‌اند را پوشش می‌دهد. بسیاری از سؤالات بر اساس سناریوهای ساختگی است که سؤالاتی در درون آنها مطرح شده است.

الزامات دانش رسمی برای امتحان به طور معمول بررسی می شود تا اطمینان حاصل شود که محتوا دارای آخرین الزامات گنجانده شده در سؤالات تمرینی است. به روز رسانی محتوا اغلب بدون اطلاع قبلی انجام می شود و در هر زمان ممکن است تغییر کند.

هر سؤال دارای توضیح مفصل و پیوندهایی به مواد مرجع برای پشتیبانی از پاسخ‌ها است که صحت راه‌حل‌های مشکل را تضمین می‌کند.

هر بار که تست‌ها را تکرار می‌کنید، سؤالات به هم می‌ریزند، بنابراین باید بدانید که چرا یک پاسخ صحیح است، نه اینکه آخرین باری که آزمون را انجام دادید، پاسخ صحیح مورد «B» بود.

توجه: این دوره نباید تنها مطالب آموزشی شما برای آمادگی برای آزمون رسمی باشد. این آزمون‌های تمرینی برای تکمیل مطالب مطالعه موضوعی است.

اگر با محتوایی مواجه شدید که نیاز به توجه دارد، لطفاً پیامی با اسکرین شات از محتوایی که نیاز به توجه دارد ارسال کنید و من به سرعت بررسی خواهم شد. ارائه آزمون و شماره سؤال، سؤالات را مشخص نمی کند زیرا سؤالات در هر بار اجرا می چرخند. شماره سوالات برای همه متفاوت است.

به‌عنوان کاندیدای این آزمون، باید در طراحی، ایجاد و استقرار راه‌حل‌های تجزیه و تحلیل داده در مقیاس سازمانی تخصص موضوعی داشته باشید.

مسئولیت‌های شما برای این نقش شامل تبدیل داده‌ها به دارایی‌های تحلیلی قابل استفاده مجدد با استفاده از مؤلفه‌های فابریک مایکروسافت است، مانند:

• Lakehouses

• انبار داده

• نوت بوک

• جریان داده

• خطوط داده

• مدل های معنایی

• گزارش‌ها

شما بهترین شیوه های تجزیه و تحلیل را در Fabric پیاده سازی می کنید، از جمله کنترل نسخه و استقرار.

برای پیاده‌سازی راه‌حل‌ها به‌عنوان یک مهندس تجزیه و تحلیل پارچه، با نقش‌های دیگری شریک می‌شوید، مانند:

• معماران راه حل

• مهندسین داده

• دانشمندان داده

• مهندسین AI

• مدیران پایگاه داده

• تحلیلگران داده Power BI

علاوه بر کار عمیق با پلتفرم Fabric، به تجربه در موارد زیر نیاز دارید:

• مدل سازی داده

• تغییر داده

• کنترل منبع مبتنی بر Git

• تجزیه و تحلیل اکتشافی

• زبان‌ها، از جمله زبان جستجوی ساختاریافته (SQL)، عبارات تحلیل داده‌ها (DAX) و PySpark

مهارت ها در یک نگاه

• راه حلی برای تجزیه و تحلیل داده ها (10 تا 15 درصد) برنامه ریزی، اجرا و مدیریت کنید

• داده‌ها را تهیه و ارائه دهید (40-45%)

• مدل های معنایی (20 تا 25 درصد) را پیاده سازی و مدیریت کنید

• کاوش و تجزیه و تحلیل داده ها (20-25٪)

راه حلی برای تجزیه و تحلیل داده ها (10 تا 15 درصد) برنامه ریزی، اجرا و مدیریت کنید

یک محیط تجزیه و تحلیل داده را برنامه ریزی کنید

• الزامات یک راه حل، از جمله اجزاء، ویژگی ها، عملکرد، و واحدهای ذخیره ظرفیت (SKU) را شناسایی کنید

• تنظیمات را در پورتال مدیریت Fabric توصیه کنید

• نوع دروازه داده را انتخاب کنید

• یک تم گزارش Power BI سفارشی ایجاد کنید

محیط تجزیه و تحلیل داده را پیاده سازی و مدیریت کنید

• کنترل‌های دسترسی در سطح مورد و فضای کاری را برای اقلام Fabric اجرا کنید

• اشتراک گذاری داده ها را برای فضاهای کاری، انبارها و دریاچه ها اجرا کنید

• برچسب‌های حساسیت را در مدل‌های معنایی و خانه‌های دریاچه مدیریت کنید

• تنظیمات فضای کاری Fabric-enabled را پیکربندی کنید

• مدیریت ظرفیت پارچه

چرخه عمر توسعه تجزیه و تحلیل را مدیریت کنید

• کنترل نسخه را برای یک فضای کاری اجرا کنید

• یک پروژه Power BI Desktop (pbip.) ایجاد و مدیریت کنید

• راه حل های استقرار را برنامه ریزی و اجرا کنید

• انجام تجزیه و تحلیل تأثیر وابستگی‌های پایین دست از دریاچه‌ها، انبارهای داده، جریان‌های داده و مدل‌های معنایی

• مدل های معنایی را با استفاده از نقطه پایانی XMLA مستقر و مدیریت کنید

• ایجاد و به‌روزرسانی دارایی‌های قابل استفاده مجدد، از جمله فایل‌های الگوی Power BI (pbit.)، فایل‌های منبع داده Power BI (.pbids) و مدل‌های معنایی مشترک

داده‌ها را تهیه و ارائه دهید (40-45%)

اشیاء را در یک دریاچه یا انبار ایجاد کنید

• داده‌ها را با استفاده از خط لوله داده، جریان داده یا نوت بوک دریافت کنید

• میانبرها را ایجاد و مدیریت کنید

• پارتیشن بندی فایل را برای حجم کاری تجزیه و تحلیل در یک خانه دریاچه اجرا کنید

• نماها، توابع، و رویه های ذخیره شده ایجاد کنید

• داده ها را با افزودن ستون ها یا جداول جدید غنی کنید

کپی داده ها

• روش مناسبی را برای کپی کردن داده ها از منبع داده Fabric به lakehouse یا انبار انتخاب کنید

• داده ها را با استفاده از خط لوله داده، جریان داده یا نوت بوک کپی کنید

• روش‌های ذخیره‌شده، نوت‌بوک‌ها و جریان‌های داده را به خط لوله داده اضافه کنید

• زمان‌بندی خطوط لوله داده

• جریان های داده و نوت بوک ها را برنامه ریزی کنید

تغییر داده ها

• روند پاکسازی داده ها را اجرا کنید

• اجرای طرح ستاره ای برای یک دریاچه یا انبار، از جمله نوع 1 و نوع 2 که به آرامی در حال تغییر ابعاد هستند

• جدول پل را برای یک دریاچه یا یک انبار اجرا کنید

• عادی کردن داده ها

• تجمع یا حذف داده

• ادغام یا پیوستن به داده ها

• داده های تکراری، داده های از دست رفته یا مقادیر تهی را شناسایی و حل کنید

• تبدیل انواع داده با استفاده از SQL یا PySpark

• داده ها را فیلتر کنید

بهینه سازی عملکرد

• تشخیص و رفع تنگناهای عملکرد بارگذاری داده در جریان‌های داده، نوت‌بوک‌ها و پرسش‌های SQL

• پیاده سازی بهبود عملکرد در جریان داده، نوت بوک، و جستجوهای SQL

• مشکلات مربوط به اندازه فایل جدول Delta را شناسایی و حل کنید

مدل های معنایی (20 تا 25 درصد) را پیاده سازی و مدیریت کنید

طراحی و ساخت مدل های معنایی

• یک حالت ذخیره سازی، از جمله دریاچه مستقیم

  را انتخاب کنید

• مورد استفاده برای DAX Studio و Tabular Editor 2 را شناسایی کنید

• یک طرح واره ستاره ای برای مدل معنایی پیاده سازی کنید

• روابط را پیاده سازی کنید، مانند جداول پل و روابط چند به چند

• محاسباتی بنویسید که از متغیرها و توابع DAX استفاده می‌کنند، مانند تکرارکننده‌ها، فیلتر کردن جدول، پنجره‌سازی، و توابع اطلاعات

• گروه های محاسباتی، رشته های پویا و پارامترهای فیلد را پیاده سازی کنید

• یک مجموعه داده با فرمت بزرگ طراحی و بسازید

• مدل‌های ترکیبی را طراحی و بسازید که دارای تجمیع هستند

• اجرای امنیت پویا در سطح ردیف و امنیت سطح شی

• امنیت سطح ردیف و امنیت سطح شی

  را تأیید کنید

مدل‌های معنایی مقیاس سازمانی را بهینه کنید

• پیاده سازی بهبود عملکرد در جستارها و گزارش تصویری

• با استفاده از DAX Studio عملکرد DAX را بهبود بخشید

• یک مدل معنایی را با استفاده از ویرایشگر جدول 2 بهینه کنید

• بازسازی افزایشی را اجرا کنید

کاوش و تجزیه و تحلیل داده ها (20-25٪)

انجام تجزیه و تحلیل اکتشافی

• تحلیل های تشریحی و تشخیصی را پیاده سازی کنید

• تحلیل‌های تجویزی و پیش‌بینی‌کننده را در یک گزارش تصویری یا گزارش ادغام کنید

• داده های نمایه

داده ها را با استفاده از SQL پرس و جو کنید

• با استفاده از پرس و جوهای SQL یا ویرایشگر پرس و جوی بصری، از یک خانه دریاچه در Fabric پرس و جو کنید

• با استفاده از پرس و جوهای SQL یا ویرایشگر پرس و جوی بصری، از یک انبار در Fabric پرس و جو کنید

• با استفاده از نقطه پایانی XMLA به مجموعه داده‌ها وصل شوید و آنها را پرس و جو کنید