الزامات اس کیوال - تسلط به مهندسی داده در Microsoft Fabric

آنچه یاد خواهید گرفت:

• بهینه‌سازی Microsoft Fabric: بهترین شیوه‌ها برای سازماندهی بهینه مهندسی داده را بیاموزید.
• درک Azure Data Factory: گردش کار ارکستراسیون را برای دانش اساسی در مهندسی داده درک کنید.
• کاربرد یکپارچه‌سازی داده: از اصول را برای راه‌حل‌های end-to-end در مهندسی داده استفاده کنید.
• ارزیابی تبدیلات داده: تکنیک‌های Microsoft Fabric را برای پردازش داده آگاهانه مقایسه کنید.
• پیاده‌سازی راه‌حل‌ها با Azure Data Factory: از آن به همراه انبار داده اس کیوال برای مهندسی داده جامع بهره ببرید.
• توسعه راه‌حل‌ها با اسپارک: راه‌حل‌های end-to-end برای پردازش و تحلیل داده در مقیاس بزرگ ایجاد کنید.
• ساختاردهی جریان‌های داده در Fabric: جریان‌هایی را در Microsoft Fabric برای تبدیل و مدیریت داده در دریاچه داده سفارشی‌سازی کنید.
• ساخت Jobهای اسپارک در Fabric: ایجاد Jobهای اسپارک پیشرفته در Microsoft Fabric برای تبدیلات داده پیچیده
• ایجاد انبار داده: داده را از دریاچه داده Fabric هضم کنید تا یک انبار داده مقیاس‌پذیر و قابل اطمینان بسازید.
• طراحی پایپ‌لاین‌های ADF: پایپ‌لاین‌های Azure Data Factory را برای تبدیلات داده end-to-end و موثر توسعه دهید.
• ایجاد راه‌حل‌های داده با Dataflows: راه‌حل‌های end-to-end ساختاردهی کنید و کامپوننت‌ها را برای پردازش بی‌وقفه داده یکپارچه کنید.
• کاربرد DevOps برای کنترل نسخه: از Microsoft DevOps برای مدیریت سیستماتیک کد منبع استفاده کنید.
• پیاده‌سازی معماری Medallion: اصول پیشرفته را در Microsoft Fabric برای مدیریت موثر داده به کار ببرید.

پیش‌نیازهای دوره

• آشنایی با اس کیوال و مهارت‌های اولیه برنامه‌نویسی مفید خواهد بود. ما روی اس کیوال و پایتون تمرکز داریم. تمامی نمونه‌های لازم برای تکمیل مطالعه موردی را در اختیار شما قرار می‌گیرد.
• تسلط به برنامه‌نویسی هنگام کار با اسکریپت‌نویسی و وظایف تبدیل داده ارزشمند خواهد بود.
• تجربه در عیب‌یابی و اشکال‌زدایی مسائل فنی به ساخت و عیب‌یابی پایپ‌لاین‌های Azure Data Factory کمک خواهد کرد.

توضیحات دوره

پتانسیل کامل مهندسی داده را با این دوره جامع درباره Microsoft Fabric آنلاک کنید. این برنامه عملی برای افرادی طراحی شده که می‌خواهند به جدیدترین فناوری‌های تبدیل و یکپارچه‌سازی داده با Microsoft Fabric مسلط شوند. چه مهندس داده، تحلیلگر یا متخصص فناوری اطلاعات باشید، این دوره شما را به مهارت‌های لازم برای ساخت راه‌حل‌های داده قوی و مقیاس‌پذیر مجهز می‌کند.

آنچه یاد خواهید گرفت:

• آشنایی با Microsoft Fabric: کار با Microsoft Fabric را شروع کنید، ویژگی‌های اصلی و قابلیت‌های آن در مهندسی داده را بررسی کنید. یاد بگیرید چگونه فضای کاری خود را راه‌اندازی و برای هضم داده آماده شوید.
• معماری Medallion: معماری Medallion در Microsoft Fabric را درک و پیاده‌سازی کنید.بینش‌هایی در مورد سازماندهی داده در لایه‌های خام، برنز، نقره‌ای و طلایی برای پردازش و تحلیل بهینه دریافت کنید.
• Dataflows Gen 2: قدرت Dataflows Gen 2 را برای تبدیل و مدیریت داده کشف کنید. یاد بگیرید چگونه داده را در مراحل مختلف، از خام تا طلایی، هضم کنید و به چالش‌های رایج رسیدگی کنید.
• یکپارچه‌سازی اس کیوال و پایتون: اس کیوال و پایتون را برای تبدیل و پردازش پیشرفته داده بررسی کنید. پایپ‌لاین‌هایی بسازید، گردش کارها را خودکار کنید و از کوئری‌های اس کیوال و PySpark برای بهبود مدیریت داده بهره ببرید.
• مصورسازی و گزارش‌دهی: از پاور بی آی برای مصورسازی داده و تولید گزارش‌های پربینش استفاده کنید. درک کنید چگونه داده را برای مصورسازی آماده کنید و داشبوردهای معنی‌دار بسازید.
• راه‌حل‌های End-to-End: راه‌حل‌های مهندسی داده End-to-End ساختاردهی کنید. یاد بگیرید چگونه جریان‌های داده، پایپ‌لاین‌ها و تکنیک‌های تبدیل را یکپارچه‌سازی کرده و معماری داده مقیاس‌پذیر ایجاد کنید.
• کاربرد عملی: تمرین‌های عملی با مثال‌های واقعی، از جمله مطالعه موردی فروش خودرو را انجام دهید. همراه مدرس کار کنید تا راه‌حل‌های مهندسی داده را پیاده‌سازی و و مسائل کاربردی را حل کنید.

ویژگی‌های برجسته دوره:

• یادگیری عملی: رویکرد «با من کار کنید» را تجربه کنید که در آن شما فعالانه با ابزارها و مفاهیم به همراه مدرس درگیر می‌شوید.
• مسیر یادگیری انعطاف‌پذیر: با مفاهیم پایه شروع کنید و به موضوعات پیچیده‌تر برسید، در حالی که با سرعت خود پیشرفت می‌کنید. از متدهای اس کیوال و پایتون برای تسلط به جنبه‌های مختلف تبدیل داده استفاده کنید.
• تمرین‌های تعاملی: جریان‌های داده را بسازید و بهینه‌سازی کنید، پایپ‌لاین‌ها را ایجاد کنید و مدل‌های جامع توسعه دهید. به سناریوهای واقعی رسیدگی کرده و مسائل رایج را عیب‌یابی کنید.
• پیشرفت شغلی: مهارت‌های مهندسی داده خود را بهبود داده و برای نقش‌های نیازمند به تخصص در Microsoft Fabric، اس کیوال و پایتون آماده شوید. تجربه عملی بدست آورید که در حوزه مهندسی داده شما را متمایز می‌کند.

با ما همراه شوید تا تجربه عملی با Microsoft Fabric کسب کنید و مهارت‌های مهندسی داده خود را ارتقا دهید!

توجه: این دوره مقدمه خوبی برای Fabric است و بسیاری از موضوعات مورد نیاز گواهینامه Azure Data Engineer Associate را پوشش می‌دهد. درس پیش‌نمایش «آشنایی با مهندسی داده در Microsoft Fabric و تطابق با گواهینامه» را مشاهده کنید تا ببینید این دوره چه مواردی را پوشش می‌دهد و به چه مواردی نمی‌پردازد.

این دوره برای چه کسانی مناسب است؟

• مهندسان داده: متخصصانی که مسئول طراحی، ساختاردهی و نگهداری معماری داده، پایگاه داده‌ها و سیستم‌های پردازش هستند.
• تحلیلگران داده: کسانی که به دنبال گسترش مهارت‌های پردازش و یکپارچه‌سازی داده برای تحلیل جامع می‌باشند.
• مدیران پایگاه داده: افرادی که می‌خواهند دانش خود از Microsoft Fabric و ابزارهای مرتبط را برای بهینه‌سازی مدیریت داده افزایش دهند.
• متخصصان هوش تجاری: افرادی که به توسعه راه‌حل‌های end-to-end تحلیل و هوش کسب‌وکار علاقه‌مند هستند.
• دانشمندان داده: متخصصانی که می‌خواهند توانایی‌های مهندسی داده خود را به ویژه در پردازش داده در مقیاس بزرگ با فناوری‌هایی مانند اسپارک تقویت کنند.
• متخصصان فناوری اطلاعات: افراد مشغول در نقش‌های فناوری اطلاعات که می‌خواهند در مهندسی داده در اکوسیستم مایکروسافت تخصص پیدا کنند.
• دانشجویان و فارغ‌التحصیلان: کسانی که در رشته‌های مرتبط با علم داده، علوم کامپیوتر یا فناوری اطلاعات تحصیل می‌کنند یا اخیراً فارغ‌التحصیل شده‌اند.
• علاقه‌مندان به فناوری: افرادی که مشتاق یادگیری جدیدترین ابزارها و بهترین شیوه‌ها در حوزه مهندسی داده هستند.
• متخصصان در حال تغییر شغل: افرادی که قصد تغییر مسیر شغلی به حوزه مهندسی داده یا مشاغل مرتبط را دارند.
• علاقه‌مندان به فناوری‌های داده مایکروسافت: افراد علاقه‌مند که می‌خواهند در فناوری‌های مایکروسافت برای مهندسی و تحلیل داده تخصص پیدا کنند.