لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آمادهسازی دادهها برای تحلیل در Microsoft Fabric
- آخرین آپدیت
دانلود Preparing Data for Analytics in Microsoft Fabric
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره بر آمادهسازی مجموعهدادههای یکپارچه برای تحلیل، گزارشدهی و بارهای کاری هوش تجاری (BI) در محیط Microsoft Fabric تمرکز دارد. فراگیران بررسی میکنند که مهندسان داده چگونه مجموعهدادهها را ساختاردهی میکنند تا بتوانند بهطور بهینه توسط ابزارهای تحلیلی مانند Power BI و نقاط انتهایی SQL (SQL endpoints) مورد پرسوجو، مدلسازی و استفاده قرار گیرند.
این دوره مفاهیم کلیدی را معرفی میکند که مجموعهدادههای یکپارچه را به داراییهای دادهای آماده برای تحلیل تبدیل میکند، از جمله ساختار مجموعهداده، ملاحظات مدلسازی و جریانهای کاری پرسوجو. فراگیران بررسی میکنند که چگونه جداول Lakehouse و انبارهای داده Fabric از بارهای کاری تحلیلی پشتیبانی میکنند و چگونه مجموعهدادههای ساختاریافته، گزارشدهی و تصمیمگیری قابل اعتماد را امکانپذیر میسازند.
از طریق سناریوهای عملی و نمایشهای هدایتشده، فراگیران درکی جامع از نحوه آمادهسازی مجموعهدادهها توسط مهندسان داده برای مصرف تحلیلی به دست میآورند و اطمینان حاصل میکنند که دادهها قابل اعتماد، در دسترس و برای ابزارهای تحلیلی پاییندستی بهینه شدهاند.
این دوره با یک پروژه پرتفولیو به پایان میرسد که در آن فراگیران یک مجموعهداده آماده برای تحلیل را در محیط Fabric آماده و اعتبارسنجی میکنند.
سرفصل ها و درس ها
آشنایی با پلتفرم دادههای مایکروسافت فبریک
Introduction to the Microsoft Fabric Data Platform
چرا دادههای آماده برای تحلیل اهمیت دارند
Why analytics-ready data matters
ویژگیهای مجموعهدادههای آماده برای تحلیل
Characteristics of analytics-ready datasets
سازماندهی و تأیید جداول تحلیلی در Lakehouse فبریک
Organizing and verifying analytics tables in a Fabric Lakehouse
مدلسازی دادهها برای تحلیل
Data Modeling for Analytics
چرا مدلسازی دادهها برای تحلیل ضروری است
Why data modeling is essential for analytics
جداول واقعیت (Fact) و جداول بُعد (Dimension)
Fact tables and dimension tables
ساخت و ایجاد ارتباط بین جداول تحلیلی در Lakehouse فبریک
Building and relating analytical tables in a Fabric Lakehouse
پرسوجوی دادهها برای تحلیل در فبریک
Querying Data for Analytics in Fabric
چرا پرسوجوی دادهها برای تحلیل ضروری است
Why querying data is essential for analytics
آشنایی با پرسوجوهای SQL برای تحلیل
Introduction to SQL queries for analytics
پرسوجو و اعتبارسنجی مجموعهدادههای Lakehouse در رابط پرسوجوی فبریک
Querying and validating Lakehouse datasets in the Fabric Query Interface
آمادهسازی دادهها برای گزارشدهی و تحلیل
Preparing Data for Reporting and Analytics
چرا سیستمهای گزارشدهی به دادههای ساختاریافته نیاز دارند
Why reporting systems require structured data
آمادهسازی مجموعهدادهها برای جریانهای کاری گزارشدهی
Preparing datasets for reporting workflows
آمادهسازی و تأیید مجموعهدادههای Lakehouse برای گزارشدهی
Preparing and verifying Lakehouse datasets for reporting
تبدیل دادهها با کمک هوش مصنوعی
AI-Assisted Data Transformation
چرا هوش مصنوعی در حال تبدیل شدن به بخشی از جریانهای مهندسی داده است
Why AI Is becoming part of data engineering workflows
چگونه هوش مصنوعی میتواند به وظایف تبدیل دادهها کمک کند
How AI can assist data transformation tasks
استفاده از هوش مصنوعی برای تولید و اعتبارسنجی تبدیلهای PySpark
Using AI to generate and validate PySpark transformations
اعتبارسنجی پرسوجوهای تولید شده توسط هوش مصنوعی
Validating AI-generated queries
نمایش نظرات