کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش مایکروسافت فبریک (Microsoft Fabric): ورود و تبدیل داده‌ها - آخرین آپدیت

دانلود Microsoft Fabric: Ingest and Transform Data

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به دوره جامع و کاربردی «مایکروسافت فبریک: ورود و تبدیل داده‌ها» خوش آمدید. این دوره برای متخصصان داده، مهندسان داده و تحلیلگران طراحی شده است تا بتوانند جریان‌های کاری پردازش داده قابل اعتماد و مقیاس‌پذیر را در محیط Microsoft Fabric ایجاد کنند. تمرکز این دوره بر روی ورود داده‌های دسته‌ای (Batch) و بلادرنگ (Real-time)، تبدیل داده‌ها و سازماندهی خط لوله‌های انتقال (Pipeline Orchestration) با استفاده از ابزارهایی مانند Eventstreams، KQL، Spark، Dataflows و Pipelines است. شما خواهید آموخت که چگونه منابع داده‌های ساختاریافته و استریمینگ را یکپارچه کنید، منطق تبدیل داده‌ها را پیاده‌سازی نمایید و مجموعه‌داده‌های آماده برای تحلیل را جهت گزارش‌گیری و استخراج بینش‌های تجاری آماده کنید. این دوره با ارائه دموهای هدایت‌شده و تمرینات عملی، فاصله بین مفاهیم تئوری پردازش داده و اجرای واقعی آن‌ها در محیط صنعتی را پر می‌کند. این دوره شامل بیش از ۳ ساعت آموزش ویدئویی ساختاریافته است که مبانی مفهومی را با نمایش‌های عملی ترکیب می‌کند. مسیر یادگیری به دو ماژول اصلی تقسیم شده است که هر کدام بر تکنیک‌های پیاده‌سازی عملی تمرکز دارند. برای تثبیت مهارت‌ها، در هر ماژول نقاط بررسی (Checkpoints) و آزمون‌های کوتاه گنجانده شده است. با ثبت‌نام در دوره Microsoft Fabric: Ingest and Transform Data، مهارت‌های عملی لازم برای ساخت جریان‌های کاری داده‌ای که قابل اعتماد، بلادرنگ و بهینه برای تحلیل و گزارش‌گیری باشند را کسب کنید. سرفصل‌های دوره: ماژول ۱: بارگذاری داده‌ها و پردازش بلادرنگ در مایکروسافت فبریک یاد بگیرید چگونه الگوهای بارگذاری داده‌های دسته‌ای و استریمینگ را طراحی کنید، داده‌های بلادرنگ را وارد نمایید، عملیات فیلتر و تجمیع را انجام دهید و داشبوردهای زنده را با استفاده از Fabric Eventstreams، KQL و Spark بسازید. ماژول ۲: ورود و تبدیل داده‌ها در مایکروسافت فبریک ساخت خط لوله‌های پردازش داده انتها-به-انتها (End-to-End) از طریق انتخاب ذخیره‌سازهای مناسب، تبدیل داده‌ها با PySpark/SQL/KQL، مدیریت Shortcutها، Pipelineها، Mirroring و اعمال تکنیک‌های حاکمیت و کیفیت داده. در پایان این دوره، شما قادر خواهید بود: - طراحی و پیاده‌سازی الگوهای بارگذاری داده‌های دسته‌ای و افزایشی با کارایی بالا در Microsoft Fabric. - ورود و پردازش داده‌های استریمینگ بلادرنگ با استفاده از KQL، Eventstreams و Spark Structured Streaming. - ساخت خط لوله‌های کامل تبدیل داده با استفاده از Dataflows، Notebooks، Mirroring و Fabric Pipelines. - اعمال تکنیک‌های تبدیل و کیفیت داده مانند Windowing، Aggregation، حذف داده‌های تکراری و Denormalization. - استقرار مجموعه‌داده‌های مقیاس‌پذیر و آماده برای تحلیل جهت استفاده در گزارش‌ها، داشبوردها و تحلیل‌های پیشرفته. چه کسانی باید در این دوره شرکت کنند؟ - مهندسان داده و متخصصان داده‌های ابری - توسعه‌دهندگان Power BI و Microsoft Fabric - تحلیلگران داده‌ای که قصد انتقال به جریان‌های کاری جامع داده را دارند - متخصصانی که برای دریافت گواهینامه‌های مایکروسافت فبریک آماده می‌شوند. این دوره برای متخصصان داده و مهندسان ابری طراحی شده است که به دنبال روش‌های بهینه برای ورود، بارگذاری، تبدیل و پردازش داده‌ها با استفاده از Microsoft Fabric هستند.
سرفصل ها و درس ها

بارگذاری داده‌ها و پردازش بلادرنگ در مایکروسافت فبریک Data Loading and Real-Time Processing in Microsoft Fabric

  • آماده‌سازی داده‌ها برای بارگذاری در مدل ابعادی (دمو) Prepare data for loading into a dimensional model - Demo

  • طراحی و پیاده‌سازی بارگذاری داده‌های کامل و افزایشی (دمو) Design and implement full and incremental data loads - Demo

  • طراحی و پیاده‌سازی الگوی بارگذاری برای داده‌های استریمینگ (دمو) Design and implement a loading pattern for streaming data - Demo

  • هوش بلادرنگ و داشبوردها در مایکروسافت فبریک Real-Time Intelligence and Dashboards in Microsoft Fabric

  • انتخاب موتور استریمینگ مناسب (دمو) Choose an appropriate streaming engine - Demo

  • انتخاب، فیلتر و تجمیع داده‌ها با استفاده از KQL (دمو) Select, filter, and aggregate data by using the KQL - Demo

  • پردازش داده‌ها با استفاده از Eventstreams و KQL (دمو) Process data by using eventstreams and KQL - Demo

  • ایجاد توابع پنجره‌ای یا Windowing (دمو) Create windowing functions - Demo

  • پردازش داده‌ها با استفاده از Spark Structured Streaming (دمو) Process data by using Spark structured streaming - Demo

ورود و تبدیل داده‌ها در مایکروسافت فبریک Data Ingestion and Transformation in Microsoft Fabric

  • ورود داده‌ها (دمو) Data Ingestion - Demo

  • انتخاب ذخیره‌ساز داده مناسب - بخش اول Choose an appropriate data store - Part 1

  • انتخاب ذخیره‌ساز داده مناسب - بخش دوم Choose an appropriate data store - Part 2

  • انتخاب بین Dataflows، Notebooks و T-SQL برای تبدیل داده‌ها Choose between dataflows, notebooks, and T-SQL for data transformation

  • ایجاد و مدیریت Shortcutها (دمو) Create and manage shortcuts - Demo

  • پیاده‌سازی Mirroring Implement mirroring

  • دمو: ورود داده‌ها با استفاده از Pipelineها Demo: Ingest data by using pipelines

  • تبدیل داده‌ها با استفاده از PySpark، SQL و KQL Transform data by using PySpark, SQL, and KQL

  • نا-نرمال‌سازی داده‌ها (بررسی کلی) Denormalize data - Overview

  • تجمیع یا تفکیک داده‌ها (دمو) Aggregate or de-aggregate data - Demo

  • مدیریت داده‌های تکراری و ردیف‌های خطا در Azure Data Explorer Handle duplicate data and Error rows in Azure Data Explorer

نمایش نظرات

آموزش مایکروسافت فبریک (Microsoft Fabric): ورود و تبدیل داده‌ها
جزییات دوره
10h 23m
20
(آخرین آپدیت)
620
- از 5
دارد
دارد
دارد
Chris Croft

https://donyad.com/d/e1c929

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Data Quality Power BI Dataflow Data Processing Data Pipelines Data Governance Apache Spark Data Store PySpark Extract Transform Load Analytics Real Time Data Data Transformation Data Integration کیفیت داده پردازش داده خط لوله داده حاکمیت داده ذخیره‌ساز داده ETL تحلیل داده داده‌های بلادرنگ تبدیل داده یکپارچه‌سازی داده‌ها