دوره آموزشی
The Great Courses
دوبله زبان فارسی

تست تمرینی DP-700 سال 2025 (گواهینامه Fabric Data Engineer Associate)

تست تمرینی DP-700 سال 2025 (گواهینامه Fabric Data Engineer Associate)

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • در اولین تلاش خود آزمون DP‑700 (Fabric Data Engineer Associate) را با موفقیت پشت سر بگذارید.
  • نشان (Badge) Fabric Data Engineer Associate را دریافت کنید.
  • به‌جای فقط تماشای منفعلانه ویدئوها، اسکریپت‌ها را اجرا کنید و کار با Microsoft Fabric را به‌صورت عملی یاد بگیرید.
  • دموهای آزمایشگاهی  از تسک های مدیریتی موردنیاز در این آزمون را انجام دهید.

پیش نیازهای دوره

  • دانش اساسی درباره هر نوع داده و ابر
  • یک اشتراک رایگان Fabric / Azure

توضیحات دوره

چرا باید تست آزمایشی DP‑700 Fabric Data Engineer Associate این مدرس را تهیه کنید؟

  • سوالات آزمون DP‑700 به‌صورت عمیق تحقیق و طراحی شده‌اند. این مدرس برای حفظ کیفیت بالا، روزانه بیش از یک سؤال طراحی نمی‌کند.
  • هیچ سؤال ساده و تک‌خطی وجود ندارد. هر سؤال بر اساس درک یک سناریو طراحی شده است و شما را به درک، به‌کارگیری و تحلیل دانش خود به چالش می‌کشد.
  • این دوره شامل توضیحات ویدئویی و متنی شفاف و روان است. توضیحات متنی همراه با تصاویر و نمودارهای محصول ارائه شده‌اند تا درک مطالب آسان‌تر شود. همچنین می‌توانید برای مشاهده نمایش عملی روان‌تر از توضیحات ویدئویی استفاده کنید.
  • برای هر سؤال، یک فایل پروژه Python Notebook یا PowerQuery / اسکریپت‌ها ارائه می‌شود تا بتوانید محیط استفاده‌شده در سؤال را شبیه‌سازی کنید.
  • برای هر سؤال، دو نوع پاسخ ارائه شده است: پاسخ خلاصه (مناسب برای مرور سریع) - پاسخ کامل و مفصل (برای یادگیری عمیق‌تر)
  • تجربه واقعی آزمون DP‑700 Fabric Data Engineer شبیه‌سازی شده است؛ از جمله:
  • سوالات درگ و دراپ کردن / سوالات منوی کشویی /سوالات چندگانه بله/خیر با دکمه رادیویی / سناریوهای تکرارشونده و انواع دیگر سوالات آزمون
  • در این دوره صرفاً متن‌های طولانی در PowerPoint قرار داده نشده است. اسلایدها فقط برای نمایش معماری و کمک به درک بهتر مفاهیم استفاده می‌شوند.
  • توضیحات همزمان با محصول واقعی ارائه می‌شوند. هر توضیح مفصل با شواهد مرتبط از محصولات مایکروسافت (مانند Microsoft Fabric) همراه است که در قالب اسکرین‌شات‌ها و نشانه‌گذاری‌های واضح نمایش داده می‌شوند.
  • توضیحات مستقیماً از مستندات مایکروسافت کپی نشده‌اند. تمام مطالب با بیانی ساده و قابل فهم بازنویسی شده‌اند.
  • گزینه‌های پاسخ نادرست نادیده گرفته نشده‌اند. برای هر گزینه (چه درست و چه نادرست) توضیح کامل و منطقی همراه با لینک‌های مرجع ارائه شده است.
  • نگران ساختار نادرست جمله‌ها، اشتباهات گرامری یا علائم نگارشی نباشید؛ زیرا هر سؤال با استفاده از Grammarly بازبینی شده است.
  • تکرار سؤال‌ها تقریباً وجود ندارد و تعداد سؤالات صرفاً برای افزایش حجم دوره بالا برده نشده است.
  • مطالعه موردی: Contoware Analytics Modernization نیز در دوره گنجانده شده است تا به شما کمک کند برای آزمون بهتر آماده شوید.

سؤالات از حوزه‌های مختلف و زیر حوزه‌ها جمع‌آوری شده‌اند و به‌دقت رقبای متقابلی در هر بخش آزمون را حفظ می‌کنند. همچنین، سؤالات در سطوح متفاوتی قرار دارند.

  • تست سؤالات سطح یادآوری بررسی می‌کنند که آیا می‌توانید حقایق حفظ‌شده و مفاهیم اولیه را به خاطر بیاورید.
  • سؤالات سطح درک ارزیابی می‌کنند که آیا می‌توانید معانی اصطلاحات و مفاهیم را توضیح دهید.
  • سؤالات سطح کاربرد بررسی می‌کنند که آیا می‌توانید با استفاده از حقایق، مفاهیم و تکنیک‌ها تسک های عملی را انجام دهید.
  • سؤالات سطح تحلیل ارزیابی می‌کنند که آیا می‌توانید موقعیت‌ها را تشخیص دهید و با استفاده از مفاهیم و تکنیک‌ها مشکلات را حل کنید.

ترکیبی از سؤالات در سطوح مختلف دانش شما را تقویت کرده و شما را برای موفقیت در آزمون آماده می‌کند.

حوزه‌های آزمونی که در آزمون تمرینی DP‑700 پوشش داده می‌شوند عبارت‌اند از:

پیاده‌سازی و مدیریت یک راهکار تحلیلی (30–35%)

پیکربندی تنظیمات فضای کاری Microsoft Fabric

  • پیکربندی تنظیمات Spark Workspace
  • پیکربندی تنظیمات Domain Workspace
  • پیکربندی تنظیمات OneLake Workspace
  • پیکربندی تنظیمات Data Workflow Workspace

پیاده‌سازی مدیریت چرخه عمر در Fabric

  • پیکربندی کنترل نسخه
  • پیاده‌سازی پروژه‌های پایگاه داده
  • ایجاد و پیکربندی Deployment Pipeline

پیکربندی امنیت و حاکمیت داده

  • پیاده‌سازی کنترل دسترسی در سطح Workspace
  • پیاده‌سازی کنترل دسترسی در سطح آیتم 
  • پیاده‌سازی کنترل دسترسی در سطوح سطر، ستون، آبجکت و پوشه/فایل
  • پیاده‌سازی Dynamic Data Masking
  • اعمال Sensitivity Label برای آیتم‌ها
  • تأیید آیتم‌ها
  • پیاده‌سازی و استفاده از ثبت رویدادها و لاگ‌های Workspace

هماهنگ‌سازی و مدیریت فرآیندها 

  • انتخاب بین Pipeline و Notebook
  • طراحی و پیاده‌سازی زمان‌بندی‌ها و Triggerهای مبتنی بر رویداد
  • پیاده‌سازی الگوهای Orchestration با استفاده از Notebook و Pipeline شامل پارامترها و عبارات پویا

جذب و تبدیل داده‌ (30–35%)

طراحی و پیاده‌سازی الگوهای بارگذاری داده

  • طراحی و پیاده‌سازی بارگذاری کامل و افزایشی 
  • آماده‌سازی داده برای بارگذاری در مدل بُعدی 
  • طراحی و پیاده‌سازی الگوی بارگذاری برای داده‌ جریانی

جذب و تبدیل داده‌ دسته‌ای 

  • انتخاب Data Store مناسب
  • انتخاب بین Dataflows ،Notebooks ،KQL و T‑SQL برای تبدیل داده
  • ایجاد و مدیریت Shortcutها برای داده
  • پیاده‌سازی Mirroring
  • جذب داده با استفاده از Pipelines
  • تبدیل داده با استفاده از PySpark ،SQL و KQL
  • Denormalize کردن داده‌
  • گروه‌بندی و تجمیع داده‌
  • مدیریت داده‌ duplicate، ناقص و دیررس

جذب و تبدیل داده جریانی

  • انتخاب موتور مناسب برای پردازش داده جریانی
  • انتخاب بین Native Storage ،Followed Storage یا Shortcutها Real-Time Intelligence
  • پردازش داده با استفاده از Eventstreams
  • پردازش داده با استفاده از Spark Structured Streaming
  • پردازش داده با استفاده از KQL
  • ایجاد Windowing Functions

نظارت و بهینه‌سازی یک راهکار تحلیلی (30–35%)

نظارت بر آیتم های Fabric

  • نظارت بر جذب داده
  • نظارت بر تبدیل داده‌
  • نظارت بر بروزرسانی مدل معنایی
  • پیکربندی هشدارها

شناسایی و رفع خطاها

  • شناسایی و رفع خطاهای Pipeline
  • شناسایی و رفع خطاهای Dataflow
  • شناسایی و رفع خطاهای Notebook
  • شناسایی و رفع خطاهای Eventhouse
  • شناسایی و رفع خطاهای Eventstream
  • شناسایی و رفع خطاهای T‑SQL

بهینه‌سازی عملکرد

  • بهینه‌سازی جدول‌های Lakehouse
  • بهینه‌سازی Pipeline
  • بهینه‌سازی Data Warehouse
  • بهینه‌سازی Eventstream و Eventhouse
  • بهینه‌سازی عملکرد Spark
  • بهینه‌سازی عملکرد Query

این دوره برای چه کسانی مناسب است؟

  • دانشجویانی که می‌خواهند آزمون DP‑700 را با موفقیت پشت سر بگذارند.
  • افرادی که می‌خواهند نشان (Badge) Fabric Data Engineer Associate را دریافت کنند.

تست تمرینی DP-700 سال 2025 (گواهینامه Fabric Data Engineer Associate)

  • تست تمرینی DP‑700 1 None
  • تست تمرینی DP‑700 2 None
  • بازیابی داده از کش میانبر 02:42
  • جذب رویدادها از Azure Event Hub به Fabric lakehouse 03:09
  • تکمیل کوئری داده شده KQL 04:06
  • بهینه‌سازی کوئری KQL 05:15
  • استفاده از سیاست بروز‌رسانی برای جدول KQL 04:15
  • ساخت کوئری های KQL بر اساس داده‌ بازدید 08:18
  • انتخاب کوئری برای تبدیل داده از جدول KQL 02:50
  • تبدیل نوع داده بدون خطا در Fabric warehouse 02:33
  • استفاده از توابع رده‌بندی در KQL 02:46
  • بارگذاری داده در lakehouse از Azure SQL با غیرفعال کردن دسترسی عمومی 05:28
  • الگوی بارگذاری داده در جدول دلتا 03:26
  • [Modernization Analytics Contoware] پرسش 2. داده منبع POS در پایگاه داده Azure SQL 09:09
  • [Modernization Analytics Contoware] پرسش 3. دسترسی به داده‌ Contoware از لایه برنز 07:27
  • [Modernization Analytics Contoware] پرسش 4. بارگذاری افزایشی داده 11:12
  • [Modernization Analytics Contoware] پرسش 5. بارگذاری افزایشی داده‌های JSON 06:10
  • [Modernization Analytics Contoware] پرسش 6. کوانتین‌های ردیف و ایجاد DimProduct 05:16
  • تایید آیتم Microsoft Fabric 02:18
  • حذف یک دامنه Microsoft Fabric 04:34
  • اختصاص دامنه‌ها به فضاهای کاری Fabric 03:57
  • بررسی دسترسی کاربر به فضاهای کاری و دامنه‌ها 04:12
  • استفاده از Deployment Pipeline برای استقرار در محیط کاری تست 02:33
  • بازنویسی آیتم‌ها هنگام استقرار با استفاده از Deployment Pipeline 06:12
  • اتصال به یک مدل معنایی از داخل Jupyter Notebook 03:32
  • پیاده‌سازی امنیت در سطح ردیف در یک Fabric Warehouse 03:06
  • اختصاص مجوز برای اضافه کردن داده به یک جدول در Lakehouse 08:50
  • سشن با همزمانی بالا برای نوت‌بوک‌های Fabric 05:14
  • جزئیات اجرای نوت‌بوک در Fabric 02:12
  • کپی داده‌ SQL Server داخلی به Lakehouse با استفاده از Gateway 05:14
  • سناریوهای انتقال داده که به مرحله موقت نیاز دارند 08:15
  • مجوزهای دسترسی به داده‌ Lakehouse از طریق PySpark و SQL – بخش 1 03:32
  • مجوزهای دسترسی به داده‌ Lakehouse از طریق PySpark و SQL – بخش 2 04:54
  • مجوزهای دسترسی به داده‌ Lakehouse از طریق PySpark و SQL – بخش 3 03:09
  • اعطای دسترسی جزئی به یک کاربر برای حذف ردیف‌ها در جدول Warehouse 06:09
  • [Contoware Analytics Modernization] سؤال 1: نیازهای دسترسی مهندسان داده 05:31
  • بهینه‌سازی جداول دلتا در Lakehouse 03:02
  • استفاده از T-SQL و KQL برای کوئری داده 02:03
  • ایجاد محدودیت یکتا در Fabric Data Warehouse 02:41
  • انتخاب یک DMV برای شناسایی ورودهای کاربران 03:00
  • استفاده از Monitor Hub برای اشکال‌زدایی شکست در Pipeline 01:53

1,788,800 447,200 تومان

مشخصات آموزش

تست تمرینی DP-700 سال 2025 (گواهینامه Fabric Data Engineer Associate)

  • تاریخ به روز رسانی: 1405/04/02
  • سطح دوره:متوسط
  • تعداد درس:41
  • مدت زمان :03:00:05
  • حجم :1.26GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

The Great Courses
6,472,000 1,294,400 تومان
  • زمان: 08:41:15
  • تعداد درس: 87
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
2,260,000 452,000 تومان
  • زمان: 03:02:02
  • تعداد درس: 14
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
795,000 159,000 تومان
  • زمان: 58:00
  • تعداد درس: 12
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
19,403,000 3,880,600 تومان
  • زمان: 26:02:40
  • تعداد درس: 175
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
8,508,000 1,701,600 تومان
  • زمان: 11:25:13
  • تعداد درس: 94
  • سطح دوره:
  • زبان: دوبله فارسی
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,833,000 366,600 تومان
  • زمان: 02:27:39
  • تعداد درس: 24
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
6,100,500 1,220,100 تومان
  • زمان: 08:11:21
  • تعداد درس: 28
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
7,256,500 1,451,300 تومان
  • زمان: 09:44:25
  • تعداد درس: 67
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید