پیاده‌سازی راهکارهای مهندسی داده با استفاده از Microsoft Fabric (DP-700) - دوره آمادگی آزمون توسط Microsoft Press

Name: پیادهسازی راهکارهای مهندسی داده با استفاده از Microsoft Fabric (DP-700) - دوره آمادگی آزمون توسط Microsoft Press
Price: 7955000 IRR
Availability: InStock
Author: AI Academy

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

مهارت‌های حرفه‌ای خود را ارتقا دهید و با این دوره در مورد Microsoft Fabric، برای دریافت گواهینامه DP-700 آماده شوید. با استفاده از PySpark ،Power Query و KQL، به جذب و تبدیل داده‌ مسلط شوید. مدیریت چرخه عمر، امنیت، بهینه‌سازی و گزینه‌های ذخیره‌سازی داده از جمله lakehouseها و انبار داده را بیاموزید.

جریان داده را با pipelineها و زمان‌بندی، Orchestrate کنید. از طریق پروژه‌های کوچک، تجربه عملی کسب کنید. روش‌های طراحی، استقرار و بهینه‌سازی مؤثر راهکارهای مهندسی داده با استفاده از Microsoft Fabric را بررسی کنید. این دوره برای مهندسان تحلیلگر، معماران، تحلیلگران و مدیران ایده‌آل است.

پیاده‌سازی راهکارهای مهندسی داده با استفاده از Microsoft Fabric (DP-700) - دوره آمادگی آزمون توسط Microsoft Press

فصل 1: مقدمه

آزمون DP-700: پیاده‌سازی راهکارهای مهندسی داده با استفاده از Microsoft Fabric: مقدمه 0:04:33

فصل 2: درس 1: مقدمه‌ای بر مهندسی داده Microsoft Fabric

اهداف یادگیری 0:00:34
درک اصول Microsoft Fabric 0:04:59
بررسی کامپوننت های کلیدی مهندسی داده Microsoft Fabric 0:04:09
درک نقش مهندسان داده در اکوسیستم‌های داده مدرن 0:01:50
مقایسه مهندسی داده، علم داده و تحلیل 0:02:53
دسترسی به Microsoft Fabric 0:01:14
درک مجوزها و لایسنس‌های مورد نیاز 0:01:59
آزمون 0:02:21

فصل 3: درس 2: پیکربندی Workspaceهای Fabric

اهداف یادگیری 0:00:19
پیکربندی تنظیمات Spark 0:07:30
پیکربندی تنظیمات دامنه 0:06:34
پیکربندی تنظیمات OneLake 0:02:21
پیکربندی تنظیمات گردش کار داده 0:02:29
آزمون 0:02:29

فصل 4: درس 3: پیاده‌سازی مدیریت چرخه عمر

اهداف یادگیری 0:00:19
استفاده از Git برای کنترل نسخه workspaceها و آیتم‌ها 0:08:38
استفاده از پروژه‌های پایگاه داده برای انبار داده 0:03:40
پیاده‌سازی pipelineهای استقرار 0:06:32
آزمون 0:02:21

فصل 5: درس 4: پیکربندی امنیت و حاکمیت

اهداف یادگیری 0:00:33
پیکربندی کنترل‌های دسترسی برای workspaceها 0:03:50
پیکربندی کنترل‌های دسترسی برای آیتم‌ها 0:01:51
پیکربندی کنترل‌های دسترسی RLS ،CLS، سطح آبجکت و سطح پوشه/فایل 0:02:25
پیکربندی پوشش پویای داده 0:05:22
پیکربندی و استفاده از گزارش‌دهی workspace 0:03:20
پیکربندی و استفاده از امنیت OneLake 0:02:11
آزمون 0:02:34

فصل 6: درس 5: چگونگی Orchestrate آیتم‌های Fabric

اهداف یادگیری 0:00:20
پیکربندی زمان‌بندی pipelineها 0:03:23
پیکربندی زمان‌بندی notebookها 0:02:19
پیکربندی زمان‌بندی‌های Dataflow Gen2 0:02:42
استفاده از پارامترها و عبارات پویا در pipelineها 0:04:25
استفاده از پارامترها در notebookها 0:03:27
آزمون 0:03:03

فصل 7: درس 6: طراحی و پیاده‌سازی الگوهای بارگذاری

اهداف یادگیری 0:00:17
پیاده‌سازی بارگذاری کامل داده 0:08:48
پیاده‌سازی بارگذاری افزایشی داده 0:06:50
آماده‌سازی داده برای ورود به یک مدل ابعادی 0:04:48
آزمون 0:02:56

فصل 8: درس 7: جذب و تبدیل داده‌ دسته‌ای

اهداف یادگیری 0:00:35
انتخاب بین lakehouse و انبار داده برای ذخیره‌سازی داده 0:04:39
تبدیل داده با استفاده از Power Query ،PySpark ،KQL و T-SQL 0:06:37
ایجاد و مدیریت میانبرهای lakehouse 0:05:34
استفاده از pipelineها برای جذب داده 0:03:17
جذب داده با استفاده از یکپارچه‌سازی پیوسته از OneLake 0:02:19
گروه‌بندی و تجمیع داده 0:06:11
مدیریت داده‌ duplicate، گمشده و دیررس 0:05:30

فصل 9: درس 8: جذب و تبدیل داده استریمینگ

اهداف یادگیری 0:00:32
انتخاب بین Eventstream ،Spark Structured Streaming و KQL برای پردازش استریمینگ 0:03:26
درک ذخیره‌سازی بومی پایگاه داده KQL، ذخیره‌سازی پیروشده و میانبرهای OneLake 0:06:11
استفاده از Eventstreams برای پردازش داده 0:06:34
استفاده از Spark Structured Streaming برای پردازش داده 0:06:41
استفاده از KQL برای پردازش داده 0:06:25
استفاده از توابع پنجره‌ای برای کوئری داده استریمینگ 0:06:27
آزمون 0:02:14