مهندسی داده با Microsoft Fabric: آموزش +10 پروژه بلادرنگ
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ساخت پروژههای مهندسی داده end-to-end و واقعی با استفاده از Microsoft Fabric
- کار با Dataflow Gen2 برای دریافت و تبدیل دادهها از منابع متعدد
- طراحی و پیادهسازی معماری Lakehouse با استفاده از لایههای Bronze، Silver و Gold
- پاکسازی و تبدیل دادهها با استفاده از PySpark و Spark SQL در Fabric Notebooks
- خودکارسازی پایپلاینهای ETL با استفاده از Fabric Data Pipelines (مشابه Azure Data Factory)
- ایجاد داشبوردهای تعاملی و KPI با استفاده از Power BI در داخل Fabric
- پیادهسازی معماری مدالیون برای مدیریت دادههای خام، پالایششده و تجمیعشده
- کار با جداول Delta Lake برای تحلیلهای با کارایی بالا در Lakehouse
- انجام عملیات deduplication دادهها، مدیریت مقادیر null، تغییر نام ستونها و اصلاح schema
- طراحی مدلهای داده مقیاسپذیر و مصورسازی insights با استفاده از Power BI Reports
- ساخت پایپلاین برای دامنههای خردهفروشی، منابع انسانی، تجارت الکترونیک، بیمه و تحویل
- درک چگونگی زمانبندی، فعالسازی و مانیتورینگ پایپلاینهای end-to-end در Fabric
- آمادگی برای مصاحبههای شغلی مهندسی داده با تجربه عملی در Fabric
- کسب درک full-stack از اکوسیستم تحلیل یکپارچه Microsoft Fabric
پیش نیازهای دوره
- هیچ پیشنیازی لازم نیست.
توضیحات دوره
آیا آمادهاید تا با استفاده از جدیدترین پلتفرم end-to-end مایکروسافت، به یک مهندس داده آماده ورود به بازار کار تبدیل شوید؟
به دوره «مهندسی داده با Microsoft Fabric: آموزش +10 پروژه بلادرنگ» خوش آمدید. دوره عملی نهایی که مهارتهای مهندسی داده در دنیای واقعی را با استفاده از Microsoft Fabric و مجموعه کامل ابزارهای آن به شما میآموزد.
Microsoft Fabric پلتفرم تحلیل داده یکپارچه نسل بعدی است که بهترینهای Azure Data Factory ،Synapse Analytics ،Power BI و Data Lake را زیر یک رابط کاربری قدرتمند ترکیب میکند. این دوره برای مهندسان داده، تحلیلگران و متخصصان مشتاقی طراحی شده است که میخواهند پایپلاینهای داده بلادرنگ را از ابتدا بسازند.
آنچه خواهید آموخت (پوشش تمام موضوعات کلیدی Fabric):
Dataflow Gen2
- دریافت دادهها از منابع مختلف
- انجام تبدیلهای قدرتمند با استفاده از Power Query
- ایجاد پایپلاینهای داده قابل استفاده مجدد
Fabric Lakehouse
- درک معماری Delta Lake و Lakehouse
- سازماندهی دادهها در لایههای Bronze، Silver و Gold
- ذخیرهسازی کارآمد دادههای ساختاریافته و بدون ساختار
Fabric Notebooks
- پاکسازی و تبدیل دادهها با استفاده از PySpark و Spark SQL
- استفاده از نوتبوکها برای نوشتن کدهای مقیاسپذیر برای پایپلاینهای داده
- انجام عملیات پیشرفته مهندسی داده به صورت تعاملی
Microsoft Fabric Pipelines (تجربه Data Factory)
- ساخت گردش کار ETL
- خودکارسازی انتقال و تبدیل دادهها
- یکپارچهسازی با Lakehouse و Warehouse
Power BI in Fabric
- ایجاد داشبوردهای پویا و تعاملی
- مصورسازی KPIها و متریکها از دادههای مدیریتشده لایه Gold
- ساخت insights داستانمحور برای تصمیمگیری
سناریوهای پروژه واقعی
- +10 پروژه end-to-end در حوزههای خردهفروشی، منابع انسانی، مالی، تجارت الکترونیک، لجستیک و بیمه
- استفاده از مجموعه دادههای آشفته واقعی و اعمال گردش کار کامل پاکسازی داده
- اعمال معماری مدالیون (Bronze → Silver → Gold) در تمام پروژهها
مهارتهای کلیدی که به دست خواهید آورد:
- معماری و اجزای Microsoft Fabric
- دریافت، تبدیل و هماهنگسازی دادهها
- ساخت پایپلاینهای Lakehouse
- مدلسازی داده و گزارشدهی
- اجرای پروژه end-to-end
- گردش کارهای مهندسی داده آماده برای بازار کار
این دوره برای چه کسانی است؟
- مهندسان داده و تحلیلگران سطح مبتدی تا متوسط
- متخصصان Power BI یا Azure که به دنبال تسلط به Fabric هستند.
- هر کسی که میخواهد مهندسی داده مدرن را با استفاده از مجموعه دادههای واقعی بیاموزد.
- متخصصانی که برای مصاحبههای شغلی و نقشهای مرتبط با Fabric آماده میشوند.
این دوره برای چه کسانی مناسب است؟
- مهندسان داده، تحلیلگران داده و توسعهدهندگان BI مشتاقی که به دنبال تسلط به Microsoft Fabric هستند
- متخصصان با تجربه در Azure، Power BI یا SQL که میخواهند به نقشهای مهندسی داده منتقل شوند.
- مبتدیان در مهندسی داده که میخواهند از طریق پروژههای واقعی، مهارتهای آماده برای بازار کار بسازند.
- متخصصان داده که برای مصاحبههای شغلی یا مسیرهای گواهینامه Microsoft Fabric آماده میشوند.
- کاربران Power BI که میخواهند ETL، تبدیل داده و طراحی Lakehouse را در Fabric بیاموزند.
- متخصصان IT که در حال بررسی معماری داده مدرن با استفاده از یک پلتفرم یکپارچه هستند.
- هر کسی که علاقهمند به ساخت پایپلاینهای داده end-to-end با استفاده از آخرین پلتفرم تحلیلی مایکروسافت است.
- دانشجویان و خودآموزانی که به دنبال یادگیری عملی و پروژهمحور در Microsoft Fabric هستند.
مهندسی داده با Microsoft Fabric: آموزش +10 پروژه بلادرنگ
-
معرفی 01:19
-
معرفی دوره 03:12
-
معرفی Microsoft Fabric 11:43
-
ایجاد حسابهای رایگان Azure 02:19
-
چگونه حساب Fabric ایجاد کنیم؟ 14:54
-
هزینه Fabric بعد از 30 روز 02:48
-
سلسله مراتب و اصطلاحات Fabric 06:26
-
مروری بر Fabric 03:45
-
چگونه Workspace را در Fabric ایجاد کنیم؟ 05:07
-
OneLake در Fabric 08:40
-
Lakehouse چیست در Fabric 10:59
-
چگونه Lakehouse را در Fabric ایجاد کنیم؟ 08:10
-
فایل اکسپلور OneLake در Fabric 04:24
-
ایجاد جداول در Lakehouse Fabric 04:29
-
کوتاهنویسها در Fabric 05:54
-
کوتاهنویسهای عملی در Fabric 06:19
-
کوتاهنویسهای خارجی عملی در Fabric 10:07
-
کش در Fabric 04:56
-
پایانههای SQL در Fabric 04:14
-
Data Factory در Fabric 08:56
-
ایجاد Data Factory در Fabric 06:22
-
فعالیت Copy Data 08:26
-
فعالیت Delete در Fabric 05:03
-
فعالیت Getmeta Data در Fabric 12:31
-
فعالیت Filter در Fabric 10:01
-
فعالیت Lookup در Fabric 06:37
-
پارامترگذاری در Fabric 08:34
-
فعالیت For Each در Fabric 10:19
-
فعالیت If Condition در Fabric 12:48
-
اطلاعرسانی در Fabric 01:30
-
فعالیت Invoke Pipeline در Fabric 02:34
-
زمانبندی پایپ لاین در Fabric 02:47
-
مانیتور پایپ لاین در Fabric 03:05
-
فعالیت Wait در Fabric 02:54
-
Dataflow Gen2 در Fabric 08:01
-
Dataflow Gen2 - اتصال منابع در Fabric 07:15
-
Dataflow Gen2 - تبدیل رشته در Fabric 03:35
-
Dataflow Gen2 - نمای دیاگرام در Fabric 02:46
-
Dataflow Gen2 - Join در Fabric 03:26
-
Dataflow Gen2 - بارگذاری جدول مقصد در Fabric 04:51
-
معرفی Spark در Fabric 09:10
-
پولهای Spark در Fabric 03:12
-
ایجاد اولین دفترچه Spark در Fabric 08:04
-
ایجاد DataFrame با PySpark 10:22
-
دستور انتخاب، حذف و محدود در PySpark 03:13
-
تبدیل نوع در PySpark 08:36
-
مرتبسازی در PySpark 03:09
-
گروهبندی در PySpark 03:39
-
فیلتر در PySpark در Fabric 04:28
-
مدیریت Null در PySpark در Fabric 09:02
-
Spark SQL در Fabric 06:27
-
مصورسازی در PySpark Notebook Fabric 08:33
-
ایجاد، مدیریت و جداول خارجی 13:03
-
Notebookutils در دفترچه Fabric 09:51
-
محیط در Fabric 08:19
-
زمانبندی و مانیتور دفترچه در Fabric 04:17
-
Datawarehouse چیست و کاربردهای آن 07:09
-
Datawarehouse در Fabric 08:51
-
بارگذاری داده در انبار 04:11
-
دستور Copy into در Datawarehouse Fabric 04:26
-
CTAS - ایجاد جدول به عنوان انتخاب بارگذاری داده در DWH 03:19
-
نمایشها در DWH Fabric 05:21
-
روش ذخیره در TSQL 05:34
-
کوئری بصری جدید در DWH Fabric 03:02
-
دانلود ویژگی پروژه پایگاه داده SQL 02:01
-
نوشتن T-SQL در دفترچه Fabric 02:07
-
معرفی دوره 06:52
-
Power BI چیست؟ 08:31
-
نصب Power BI Desktop 02:08
-
مروری بر Power BI Desktop 04:42
-
بارگذاری داده در Power BI Desktop 05:52
-
داشبورد - تنظیم هدر و لوگو 09:20
-
تصاویر کارت 11:14
-
ایجاد نمودار میلهای 09:48
-
نمودار خطی 06:22
-
نمودار خط و ستون پشتهای 04:48
-
نمودار دایرهای 03:46
-
Slicer در Power BI 05:22
-
تصاویر ثابت با استفاده از Power BI 05:22
-
KPI در Power BI 04:20
-
نمودار Gauge 02:10
-
ایجاد دکمهی فیلتر واضح 02:31
-
نقشه در Power BI 09:00
-
نمودار Q&A در Power BI 02:54
-
TOOLTIP در Power BI 05:16
-
فیلترها در Power BI 08:33
-
دریل در Power BI 02:59
-
مدل داده در Power BI 07:32
-
معرفی DAX 08:23
-
فرمت DAX 06:32
-
DAX Datediff و مثال شرط If 08:05
-
شرط Switch در DAX 05:24
-
متغیر DAX 05:37
-
DAX - توابع محاسبه و فیلتر 05:56
-
گروه در Power BI 05:19
-
Measures در Power BI 04:52
-
پراکتیک Measures در Power BI 08:01
-
پراکتیک RANKX در Power BI 05:29
-
ویرایشگر Power Query 05:16
-
ویرایشگر Power Query - تبدیل داده 06:09
-
پاور کوئری - تغییر متن 05:30
-
پاور کوئری - بررسی کیفیت ستون 04:19
-
پاور کوئری - مدیریت مقادیر Null 03:19
-
پاور کوئری - ستونهای شرطی 06:17
-
پاور کوئری - ادغام ستونها 03:10
-
افزودن کوئری با Power Query 01:23
-
معرفی پروژه 10:16
-
راه اندازی پروژه و منبع 02:50
-
فضای کاری Fabric & Lakehouse 01:58
-
پایپ لاین داده - کپی ADLS به Lakehouse 06:53
-
پاکسازی داده و گزارشگیری - PySpark + Power BI 50:44
-
معرفی پروژه 10:06
-
پایپ لاین داده - ADLS به Lakehouse 14:23
-
پاکسازی داده و گزارشگیری - PySpark & Power BI 40:50
-
معرفی پروژه 00:40
-
مورد استفاده تجاری و مشکل 08:06
-
عملی - پایپ لاین داده end-to-end 32:30
-
معرفی پروژه 04:25
-
پروژه عملی - پایپ لاین داده + Lakehouse + Spark SQL 29:14
-
Power BI و گزارشگیری 09:39
-
معرفی پروژه و مورد استفاده کسب و کار 04:11
-
پروژه عملی - خطوط لوله داده + Lakehouse + Data Flow Gen2 + Power BI 41:57
-
معرفی پروژه و مورد استفاده کسب و کار 04:11
-
پایپ لاین داده end-to-end 23:13
-
معرفی پروژه و مورد استفاده کسب و کار 10:50
-
پروژه عملی - ADLS + Lakehouse + PySpark + گزارشگیری 41:59
-
معرفی پروژه 08:43
-
پروژههای عملی - پایپ لاین داده + PySpark + Lakehouse + گزارشگیری 31:23
-
معرفی پروژه - SCD نوع 1 14:52
-
پروژههای end-to-end - پایپ لاین داده 32:14
-
معرفی پروژه 08:23
-
درک مجموعه داده - SCD نوع 2 09:57
-
پروژه عملی 26:52
مشخصات آموزش
مهندسی داده با Microsoft Fabric: آموزش +10 پروژه بلادرنگ
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:همه سطوح
- تعداد درس:133
- مدت زمان :18:41:14
- حجم :9.98GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy