آموزش مهندس مایکروسافت Fabric Analytics: پیاده سازی و مدیریت مدل های معنایی
Microsoft Fabric Analytics Engineer: Implement and Manage Semantic Models
بررسی اجمالی دوره Course Overview
-
بررسی اجمالی دوره Course Overview
طراحی و ساخت مدل های معنایی Design and Build Semantic Models
-
درک حالت های مختلف ذخیره سازی برای مدل های معنایی Power BI Understanding Different Storage Modes for Power BI Semantic Models
-
درک حالت معنایی دریاچه مستقیم در مایکروسافت فابریک Understanding Direct Lake Semantic Mode in Microsoft Fabric
-
نسخه ی نمایشی: ایجاد مدل معنایی دریاچه مستقیم Demo: Creating Direct Lake Semantic Model
-
پیاده سازی طرحواره ستاره ای برای مدل معنایی Implementing a Star Schema for Semantic Model
-
نسخه ی نمایشی: پیاده سازی یک طرح ستاره با Power Query Demo: Implementing a Star Schema with Power Query
-
درک روابط در مدل های معنایی Understanding Relationships in Semantic Models
-
نسخه ی نمایشی: پیاده سازی روابط در مدل های معنایی Demo: Implementing Relationships in Semantic Models
مدل های معنایی را با استفاده از مفاهیم و تکنیک های پیشرفته تقویت کنید Enhance Semantic Models by Applying Advanced Concepts and Techniques
-
تقویت مدل معنایی با متغیرهای DAX و توابع تکرار کننده Enhancing Semantic Model with DAX Variables and Iterator Functions
-
تقویت مدل معنایی با پنجره DAX و توابع اطلاعات Enhancing Semantic Model with DAX Window and Information Functions
-
پیاده سازی گروه های محاسباتی Implementing Calculation Groups
-
پیاده سازی پارامترهای فیلد Implementing Field Parameters
-
پیاده سازی رشته های فرمت پویا Implementing Dynamic Format Strings
-
طراحی مدل معنایی با فرمت بزرگ Designing a Large Format Semantic Model
-
درک مدل های مرکب و تجمیع Understanding Composite Models and Aggregations
-
نسخه ی نمایشی: پیاده سازی و مدیریت تجمعات Demo: Implementing and Managing Aggregations
-
پیاده سازی و اعتبارسنجی امنیت در سطح ردیف پویا Implementing and Validating Dynamic Row-level Security
-
پیاده سازی و اعتبار سنجی امنیت در سطح شی Implementing and Validating Object-level Security
بهینه سازی مدل های معنایی در مقیاس سازمانی Optimize Enterprise-scale Semantic Models
-
پیاده سازی بهبودهای عملکرد در کوئری ها و گزارش تصویری Implementing Performance Improvements in Queries and Report Visuals
-
نسخه ی نمایشی: بهینه سازی عملکرد گزارش تصویری Demo: Optimizing Performance of Report Visuals
-
نسخه ی نمایشی: بهبود عملکرد DAX با DAX Studio Demo: Improving DAX Performance with DAX Studio
-
نسخه ی نمایشی: بهینه سازی یک مدل معنایی با استفاده از ویرایشگر جدول Demo: Optimizing a Semantic Model by Using Tabular Editor
-
درک تازه سازی افزایشی Understanding Incremental Refresh
-
نسخه ی نمایشی: اجرای تازه سازی افزایشی Demo: Implementing Incremental Refresh
https://donyad.com/d/93ac38
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.
نمایش نظرات