آموزش راهنمای جامع مدیریت داده با Microsoft Fabric: از مبتدی تا پیشرفته - آخرین آپدیت

دانلود Complete Guide to Managing Data with Microsoft Fabric: From Beginner to Advanced

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

Microsoft Fabric خدمات کلیدی Azure شامل Power BI، Azure Synapse Analytics و Data Factory را با OneLake (یک دریاچه داده منطقی و واحد برای متمرکز کردن ذخیره‌سازی و حاکمیت داده‌ها) ترکیب می‌کند. در این دوره جامع، دیپاک گویال —مدیرعامل Azurelib Academy و اینفلوئنسر لینکدین با بیش از ۲۵۰ هزار دنبال‌کننده —دانشمندان داده و تحلیل‌گران را از مفاهیم پایه Fabric تا تکنیک‌های پیشرفته در مهندسی داده و تحلیل‌ها هدایت می‌کند. این دوره موضوعاتی چون Workspaces، Lakehouses و خطوط لوله داده (Data Pipelines) را به همراه بهترین روش‌ها برای دسترسی امن و مجوزها پوشش می‌دهد. همچنین شامل گزارش‌گیری و بصری‌سازی با Power BI برای استخراج بینش‌های اثرگذار است. چالش‌های عملی یادگیری را تقویت کرده و پروژه نهایی به شما اجازه می‌دهد توانایی خود را در طراحی و بهینه‌سازی جریان‌های کاری واقعی در Microsoft Fabric به نمایش بگذارید. علاوه بر این، بررسی کنید که چگونه ویژگی‌های مبتنی بر هوش مصنوعی مانند Copilot وظایف را ساده کرده و سرعت دستیابی به تحلیل‌ها را افزایش می‌دهند.

نکته: برای تکمیل چالش‌ها و پروژه نهایی، دسترسی به Microsoft Fabric الزامی است.


سرفصل ها و درس ها

مقدمه Introduction

  • تسلط بر Microsoft Fabric Master Microsoft Fabric

1. آشنایی با Microsoft Fabric 1. Introduction to Microsoft Fabric

  • نقطه انتهایی تحلیل SQL در Lakehouse SQL analytics endpoint in lakehouse

  • آپلود داده‌ها در Lakehouse Upload data to the lakehouse

  • ایجاد اولین محیط کاری (Workspace) Create your first workspace

  • آپلود پوشه در Lakehouse Upload folder into the lakehouse

  • راه‌اندازی یک Fabric Lakehouse Setting up a Fabric lakehouse

  • درک مدل معنایی پیش‌فرض (Default Semantic Model) Understanding the default semantic model

  • پرس‌وجوی بصری در SQL Endpoint Visual query in SQL endpoint

  • ایجاد میان‌بر در فایل‌های Lakehouse Create shortcuts in files of lakehouse

  • ایجاد میان‌بر در جداول Lakehouse Create shortcuts in tables of a lakehouse

2. کار با محیط‌های کاری (Workspaces) در Microsoft Fabric 2. Working with Microsoft Fabric Workspaces

  • معماری Fabric Fabric architecture

  • همه چیز درباره محیط‌های کاری Microsoft Fabric All about Microsoft Fabric workspaces

  • رابط کاربری و پیمایش در Fabric Fabric UI and navigation

  • مزایای کلیدی و موارد استفاده Key benefits and use cases

  • معرفی جامع Microsoft Fabric All about Microsoft Fabric

  • لایسنس و قیمت‌گذاری Fabric Fabric licensing and pricing

3. کارخانه داده مایکروسافت (Microsoft Fabric Data Factory) 3. Microsoft Fabric Data Factory

  • بررسی Gateway در Fabric Explore the gateway in Fabric

  • زمان‌بندی خط لوله (Pipeline) Schedule the pipeline

  • مانیتورینگ خطوط لوله Monitor pipelines

  • درک فعالیت Lookup Understand lookup activity

  • مقایسه ADF در مقابل Fabric Data Factory Compare ADF vs. Fabric Data Factory

  • درک فعالیت For Each Understand "for each" activity

  • ایجاد اولین خط لوله Create your first pipeline

  • ایجاد یک ADLS در Azure Create an ADLS in Azure

  • بررسی رابط کاربری Fabric Data Factory Explore Fabric Data Factory UI

  • ایجاد Dataflow Gen2 Creating a Dataflow Gen2

  • درک فعالیت If Understand "if" activity

4. اسپارک (Spark) در Microsoft Fabric 4. Spark in Microsoft Fabric

  • اعمال فیلتر و مرتب‌سازی در Fabric Notebook Apply filter and order by in Fabric Notebook

  • ابزارهای کمکی MSSparkUtils MSSparkUtils: Additional utilities

  • اجرای اولین نوت‌بوک Run your first notebook

  • فراخوانی یک نوت‌بوک از نوت‌بوک دیگر Call one notebook from another

  • ایجاد استخرهای Spark سفارشی Creating custom spark pools

  • استخر Spark در Fabric Spark pool in Fabric

  • ایجاد جدول‌های مدیریت شده و خارجی Create a managed and external table

  • درک رابط کاربری Fabric Notebook Understand Fabric Notebook UI

  • اعمال تجمیع (Aggregation) در Fabric Notebook Apply aggregation in Fabric Notebook

  • اتصال (Mount) با MSSparkUtils MSSparkUtils: Mount

5. انبار داده مایکروسافت (Microsoft Fabric Data Warehouse) 5. Microsoft Fabric Data Warehouse

  • بارگذاری داده‌ها در جدول Load data into table

  • سفر در زمان (Time Travel) در انبار داده Time travel in warehouse

  • ایجاد اولین انبار داده Create your first data warehouse

  • کلون بدون کپی (Zero Copy Clone) Zero copy clone

  • انبار داده در Fabric چیست؟ What is a data warehouse in Fabric?

  • ایجاد جداول در انبار داده Create tables in data warehouse

6. مجوزها و کنترل دسترسی در Fabric 6. Permissions and Access Control in Fabric

  • سطوح دسترسی در ظرفیت و آیتم‌های محیط کاری Capacity and workspace items level permission

7. ساخت گزارش‌های Power BI در Fabric 7. Building Power BI Reports in Fabric

  • ایجاد گزارش‌ها از مدل معنایی Create reports from the semantic model

8. پروژه نهایی 8. Capstone Project

  • راهکار پروژه: مدل معنایی Project solution: Semantic model

  • راهکار پروژه: جداول اطلاعات محصول Project solution: Product information tables

  • راهکار پروژه: گزارش نهایی Project solution: Report

  • نیازمندی‌های پروژه Project requirements

جمع‌بندی Conclusion

  • گام‌های بعدی Next steps

نمایش نظرات

آموزش راهنمای جامع مدیریت داده با Microsoft Fabric: از مبتدی تا پیشرفته
جزییات دوره
4h 52m
50
(آخرین آپدیت)
2,429
- از 5
دارد
دارد
دارد
Deepak Goyal
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Deepak Goyal Deepak Goyal

Azure Cloud Solution Architect

Deepak Goyal یک معمار راه حل ابری Azure است.

Deepak بیش از سیزده سال تجربه فناوری اطلاعات و بیش از ده سال تجربه در زمینه های بزرگ دارد. دنیای داده دیپک به شرکت‌ها کمک می‌کند تا کسب‌وکار خود را با معماری مبتنی بر داده و پلت‌فرم‌های داده‌ای که از ابر مدیریت می‌شوند، توسعه دهند. دیپک عاشق نوشتن در مورد فناوری‌های Azure مانند Data Factory، DataBricks و Snowflake Data Ware است. می‌توانید در وبلاگ فنی با رتبه‌ی بالای او، جایی که او توصیه‌ها و بینش‌هایی را برای کمک به پیشرفت دیگران در این زمینه ارائه می‌دهد، و همچنین در YouTube و LinkedIn، جایی که او ویدیوهای آموزشی در Hadoop، pySpark، Azure و موارد دیگر تولید می‌کند، بیابید.