آموزش مایکروسافت فابریک را به صورت مقدماتی برای پیشرفت با عملی بیاموزید

معرفی Introduction

• فابریک مایکروسافت چیست؟ What is Microsoft Fabric

• چرا مایکروسافت فابریک بسیار مهم است Why Microsoft Fabric is SO IMPORTANT

• نحوه استفاده از این دوره به بهترین شکل How to Use this Course in Best Manner

• مربی خود را بشناسید Know Your Instructor

راه اندازی فضای کاری Workspace Setup

• راه اندازی حساب با مایکروسافت فابریک Setup Account with Microsoft Fabric

• مروری بر ویژگی های مایکروسافت فابریک Walkthrough with Features of Microsoft Fabric

• معماری پارچه مایکروسافت Microsoft Fabric Architecture

• آزمون پایه پارچه Fabric Basic Quiz

خونه کنار دریاچه Lakehouse

• داخل این بخش چیست What's Inside this section

• مقدمه ای بر دیتا لیک، وان لیک، فایل های پارکت، دریاچه دلتا و لیک هاوس Introduction to Data Lake, OneLake, Parquet Files, Delta Lake and Lakehouse

• اولین Lakehouse & Ingest Data را راه اندازی کنید Setup your first Lakehouse & Ingest Data

• نقاط پایانی SQL SQL Endpoints

• ویرایشگر ویژوال پرس و جو Visual Query Editor

• ایجاد گزارش Create Report

• خونه کنار دریاچه Lakehouse

ذخیره سازی داده ها در مایکروسافت فابریک Data Warehousing in Microsoft Fabric

• داخل این بخش چیست What's Inside this section

• مقدمه ای بر Data Warehouse Introduction to Data Warehouse

• مدلسازی ابعادی در انبار داده Dimensional Modelling in Data Warehouse

• انبار داده خود را در MS Fabric راه اندازی کنید Setup your Data Warehouse in MS Fabric

• از انبار داده خود پرس و جو کنید Query your Data Warehouse

• ویرایشگر پرس و جو بصری در انبار داده Visual Query Editor in Data Warehouse

• نظارت بر عملکرد در انبار Performance Monitoring in Warehouse

پردازش داده ها با آپاچی اسپارک Data Processing with Apache Spark

• آنچه در داخل این بخش وجود دارد What is inside this section

• مقدمه ای بر تجزیه و تحلیل داده های مقیاس بزرگ Introduction to Large Scale Data Analytics

• آپاچی اسپارک Apache Spark

• تنظیمات Spark در مایکروسافت فابریک Spark Settings in Microsoft Fabric

• اولین نوت بوک خود را راه اندازی کنید Setup your first Notebook

• DataFrame از Lakehouse DataFrame from Lakehouse

• تبدیل داده ها، ذخیره داده های تبدیل شده و پارتیشن بندی با استفاده از PySpark Data Transformation, Saving the Transformed Data and Partitioning using PySpark

• فایل پارکت، پارتیشن بندی در Spark RDD Parquet File, Partitioning in Spark RDD

• SparkSQL API برای پردازش داده ها SparkSQL API to process data

• تجسم داده ها در نوت بوک Spark Data Visualization in Spark Notebook

• مسابقه جرقه Spark Quiz

جداول دلتا در مایکروسافت فابریک Delta Tables in Microsoft Fabric

• داخل این بخش چیست What's Inside this section

• دیتا لیک و جدول دلتا Data Lake and Delta Table

• جداول مدیریت شده و خارجی Managed and External Tables

• درج داده ها در جدول دلتا Data Insertion in Delta Table

• به روز رسانی جدول و نسخه بندی جدول Table Updation and Table Versioning

• جریان Streaming

• جدول دلتا را از جریان داده ایجاد کنید Create Delta Table from Streaming Data

خطوط لوله داده در مایکروسافت فابریک Data Pipelines in Microsoft Fabric

• آنچه در این بخش وجود دارد Whats Inside this section

• ETL (استخراج، انتقال و بارگذاری) ETL (Extract, Transfer and Load)

• Pipeline: Copy Data Activity، Delete Data Activity و Notebook Activity Pipeline: Copy Data Activity, Delete Data Activity and Notebook Activity

• متغیر در خط لوله Variable in Pipeline

• اجرای و نظارت بر خط لوله Run and Monitor Pipeline

دریافت داده با Dataflow (gen2) Ingest Data with Dataflow (gen2)

• کپی داده ها، تبدیل داده ها با استفاده از Dataflow Copy Data, Transform Data using Dataflow

تجزیه و تحلیل داده های زمان واقعی Real Time Data Analytics

• مقدمه ای بر تجزیه و تحلیل داده های زمان واقعی Introduction to Real time Data Analytics

• پایگاه داده KQL خود را راه اندازی کنید Setup your KQL Database

• پردازش و تجزیه و تحلیل داده ها با استفاده از KQL QuerySet Data Processing and Analysis using KQL QuerySet

• تجسم داده ها Data Visualization

علم داده با مایکروسافت فابریک Data Science with Microsoft Fabric

• مقدمه ای بر علم داده، تجزیه و تحلیل پیش بینی و یادگیری ماشین Introduction to Data Science, Predictive Analytics and Machine Learning

• نوت بوک، آزمایش و اجرا کنید Notebook, Experiment and Run

• راه اندازی و بارگذاری داده ها در Notebook Setup and load data into Notebook

• آزمایش ایجاد کنید و مدل خود را بسازید Create Experiment and Build your Model

• Save Models خود را مقایسه کنید Compare an Save your Models