جذب داده و مدل‌های معنایی با Microsoft Fabric

جذب داده و مدل‌های معنایی

در این دوره، چندین متدهای مختلف برای وارد کردن داده به Microsoft Fabric را خواهید آموخت. پس از ورود داده‌ خود، سپس یاد خواهید گرفت که چگونه این داده‌ را با استفاده از مدل‌های معنایی ساختار دهید تا مصورسازی ها و گزارش‌های خود را بهبود بخشید.

تسلط به پایپ لاین‌ها و Dataflowها برای جذب داده

کار را با بررسی پایپ لاین‌ها و Dataflowها در Fabric آغاز کنید. پیکربندی فعالیت‌های پایپ لاین، استفاده از پارامترها و متغیرها و زمان‌بندی اجراهای پایپ لاین خود را خواهید آموخت. سپس، یاد خواهید گرفت که چگونه از Dataflowها برای کشف گزینه‌های تبدیل مختلف و بهینه‌سازی عملکرد با پارتیشن‌بندی، استیجینگ و کپی سریع استفاده کنید.

استفاده از میانبرها برای دسترسی کارآمد به داده

استفاده از انواع مختلف میانبرها را برای مدیریت سناریوهای حذف و افزایش دسترسی به داده از طریق ویژگی‌های امنیتی بیاموزید.

ساخت و بهینه‌سازی مدل‌های معنایی

در نیمه دوم دوره، شما مدل‌های معنایی قوی در Fabric ایجاد خواهید کرد. با حالات کلیدی ذخیره‌سازی Import ،DirectQuery ،Direct Lake و مدل‌های Composite آشنا خواهید شد. روابط مؤثر خواهید ساخت، به مدل‌های ستاره‌ای و دانه برفی مسلط خواهید شد و با مجموعه داده‌ بزرگ کار خواهید کرد تا اطمینان حاصل شود که عملکرد بهینه در سناریوهای پیچیده حفظ می‌شود.

تسلط به مفاهیم پیشرفته در مدل‌های معنایی و Power BI

در نهایت، مفاهیم پیشرفته برای مدیریت و بهینه‌سازی مدل‌های معنایی را خواهید آموخت. امنیت سطح سطر (RLS) و امنیت سطح آبجکت (OLS) را پیاده‌سازی خواهید کرد، مدل‌ها را به‌روزرسانی کرده و گزارش‌های جامع Power BI را توسعه خواهید داد. سپس، در درون Power BI ،Copilot را کاوش خواهید کرد، عملکرد را با DAX Studio بهینه می‌کنید و از ابزارهایی مانند Best Practice Analyzer (BPA) و Performance Analyzer در Tabular Editor برای ایجاد مدل‌ها و گزارش‌های کارآمد و ایمن استفاده خواهید کرد.