تست و آزمون تمرینی گواهینامه Microsoft DP-600 Fabric Analytic Engineer

با کمک این دوره در آزمون گواهینامه Microsoft DP-600 Fabric Analytic Engineer در اولین تلاش خود قبول می شوید.

آنچه یاد خواهید گرفت

• برنامه ریزی، پیاده سازی و مدیریت راه حل برای تحلیل داده 
• آماده سازی و ارائه داده 
• پیاده سازی و مدیریت مدل های سمانتیک
• بررسی تحلیل داده 

پیش نیارهای دوره

• اصول آژور

توضیحات دوره

این آزمون های تمرینی شباهت زیادی به سوالات آزمون واقعی دارند که ممکن است در آزمون DP-600 با آن ها روبرو شوید. آن ها تمام زمینه های سیلابس درسی را پوشش می دهند و دانش شما را به طور کامل تست می کنند. از آنجایی که بسیاری از گزینه های پاسخ ممکن است صحیح به نظر برسند، ما توضیحات مختصری در مورد علت نادرست بودن برخی گزینه ها ارائه کرده ایم. اگر با پشتکار این تست‌ ها را انجام دهید و به یادگیری مفاهیم مایکروسافت فابریک (Microsoft Fabric) پایبند باشید، تضمین می‌ کنیم که برای قبولی در آزمون با اطمینان خاطر آماده خواهید بود.

در زیر مهارت هایی وجود دارد که توسط آزمون های تمرینی مورد تست قرار می گیرند.

مهارت ها در یک نگاه

• برنامه ریزی، پیاده سازی و مدیریت یک راه حل برای تحلیل داده (10 تا 15٪)
• آماده سازی و ارائه داده (40 تا 45%)
• پیاده سازی و مدیریت مدل های سمانتیک (20 تا 25%)
• بررسی و تحلیل داده (20 تا 25%)

برنامه ریزی، پیاده سازی و مدیریت راه حلی برای تحلیل داده (10 تا 15%)

برنامه ریزی محیط تحلیل داده 

• شناسایی الزامات یک راه حل، از جمله کامپوننت ها، ویژگی ها، عملکرد و واحدهای ذخیره ظرفیت (SKUs)
• تنظیمات پیشنهادی در پورتال ادمین مایکروسافت فابریک
• انتخاب نوع درگاه داده 
•  ایجاد تم گزارش سفارشی در پاور بی آی

پیاده سازی و مدیریت محیط تحلیل داده 

• پیاده سازی فضای کاری و کنترل‌ های دسترسی در سطح آیتم های برای آیتم های مایکروسافت فابریک
• پیاده سازی اشتراک گذاری داده برای فضاهای کاری، انبارها و lakehouses 
• مدیریت برچسب‌ های حساسیت در مدل‌ های سمانتیک و lakehouses
• پیکربندی تنظیمات فضای کاری با قابلیت مایکروسافت فابریک
• مدیریت ظرفیت مایکروسافت فابریک

مدیریت چرخه عمر توسعه تحلیل 

• پیاده سازی کنترل نسخه برای فضای کاری
• ایجاد و مدیریت پروژه Power BI Desktop (pbip.)
• برنامه ریزی و پیاده سازی راه حل های استقرار
• انجام تحلیل تاثیر وابستگی های downstream از lakehouses، انبارهای داده، جریان های داده و مدل های سمانتیک
• استقرار و مدیریت مدل های سمانتیک با استفاده از اندپوینت XMLA
• ایجاد و بروزرسانی دارایی‌ های قابل استفاده مجدد، از جمله فایل‌ های قالب پاور بی آی (pbit.)، فایل‌ های منبع داده پاور بی آی (.pbids) و مدل‌ های سمانتیک مشترک

آماده سازی و ارائه داده (40 تا 45%)

ایجاد آبجکت ها در lakehouse یا انبار داده

• جذب داده با استفاده از پایپ لاین داده، جریان داده یا نوت بوک 
• ایجاد و مدیریت میانبرها 
• پیاده سازی پارتیشن بندی فایل برای حجم کاری تحلیل در Lakehouse
• ایجاد views، توابع و رویه های ذخیره شده 
• غنی سازی داده با افزودن ستون ها یا جداول جدید

کپی داده

• انتخاب متد مناسبی برای کپی داده از منبع داده مایکروسافت فابریک به lakehouse یا انبار داده
• کپی داده با استفاده از پایپ لاین داده، جریان داده یا نوت بوک 
• افزودن رویه های ذخیره شده، نوت بوک ها و جریان های داده به پایپ لاین داده 
• زمانبندی پایپ لاین های داده
• زمانبندی جریان های داده و نوت بوک ها 

تبدیل داده 

• پیاده سازی فرآیند پاکسازی داده 
• پیاده سازی اسکیمای ستاره ای برای lakehouse یا انبار داده، از جمله نوع 1 و نوع 2 که به آرامی در حال تغییر ابعاد هستند.
• پیاده سازی جداول پل برای lakehouse یا انبار داده
• غیرنرمال سازی داده 
• تجمیع یا لغو تجمیع داده 
• ادغام یا جوین کردن داده 
• شناسایی و حل داده داپلیکیت، داده گمشده و یا مقادیر null
• تبدیل تایپ های داده با استفاده از SQL یا PySpark 
• فیلترینگ داده

بهینه سازی عملکرد

• شناسایی و حل تنگناهای عملکرد بارگذاری داده در جریان های داده، نوت بوک ها و کوئری های SQL
• پیاده سازی بهبودهای عملکرد در جریان های داده، نوت بوک ها و کوئری های SQL 
• شناسایی و حل مشکلات مربوط به اندازه های فایل جدول دلتا 

پیاده سازی و مدیریت مدل های سمانتیک (20 تا 25%)

طراحی و ساخت مدل های سمانتیک

• انتخاب حالت ذخیره سازی، از جمله دریاچه مستقیم 
• شناسایی یوزکیس ها برای DAX Studio و Tabular Editor 2
• پیاده سازی اسکیمای ستاره ای برای مدل سمانتیک
• پیاده سازی روابط، مانند جداول پل و روابط many-to-many
• نوشتن محاسباتی که از متغیرها و توابع DAX استفاده می‌ کنند، مانند iterators، فیلترینگ جدول، پنجره‌ سازی و توابع اطلاعات
• پیاده سازی گروه های محاسباتی، رشته های پویا و پارامترهای فیلد
• طراحی و ساخت یک مجموعه داده با فرمت بزرگ
• طراحی و ساخت مدل های کامپوزیت که شامل تجمیع ها هستند.
• پیاده سازی امنیت سطح سطر پویا و امنیت سطح آبجکت
• اعتبارسنجی امنیت سطح سطر و امنیت سطح آبجکت

بهینه سازی مدل های سمانتیک در مقیاس سازمانی

• پیاده سازی بهبودهای عملکرد در کوئری ها و ویژوال های گزارش
• بهبود عملکرد DAX با استفاده از DAX Studio
• بهینه سازی مدل سمانتیک با استفاده از Tabular Editor 2
• پیاده سازی رفرش افزایشی 

بررسی تحلیل داده (20 تا 25%)

انجام تحلیل اکتشافی 

• پیاده سازی تحلیل توصیفی و تشخیصی
• یکپارچه سازی تحلیل های تجویزی و پیش بینانه در یک گزارش یا ویژوال
• پروفایلینگ داده

کوئری داده با استفاده از SQL

• کوئری lakehouse در مایکروسافت فابریک با استفاده از کوئری های SQL یا ویرایشگر کوئری ویژوال
• کوئری انبار داده در مایکروسافت فابریک با استفاده از کوئری های SQL یا ویرایشگر کوئری ویژوال
• اتصال به مجموعه داده‌ های کوئری با استفاده از اندپوینت XMLA

این دوره برای چه کسانی مناسب است؟

• معماران راه حل، مهندسان داده، دانشمندان داده، مهندسان هوش مصنوعی، مدیران پایگاه داده و تحلیلگران داده پاور بی آی