آموزش Microsoft Fabric - راهنمای نهایی (به همراه پروژهها)
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت
- انبار داده: اصول انبار داده را درک کنید، به اس کیوال برای کوئری کردن و مدیریت داده مسلط شوید و یاد بگیرید چگونه انبار داده را طراحی و پیاده سازی کنید.
- مهندسی داده: پایپلاینهای مهندسی داده قوی با اسپارک (PySpark) توسعه دهید، تبدیلات داده در مقیاس بزرگ را مدیریت کنید و به طور کارآمد گردش کارها را خودکار کنید.
- Data Factory: به استفاده از Data Factory مایکروسافت برای ارکستراسیون و اتوماسیون حرکت و تبدیل داده مسلط شوید.
- هوش بلادرنگ: از قابلیتهای پردازش بلادرنگ داده برای بدست آوردن بینشهای فوری و سریع عمل کردن در محیطهای کسب و کار پویا استفاده کنید.
- پاور بی آی: گزارشها و داشبوردهای قدرتمند و تعاملی ایجاد کنید.
- درک کامل Microsoft Fabric
پیشنیازهای دوره
حساب آژور و نسخه آزمایشی رایگان Microsoft Fabric
توضیحات دوره
تسلط به Microsoft Fabric کلید موفقیت شما در دنیای مبتنی بر داده امروز است. با توجه به اینکه مهارتهای داده در حال حاضر در بازار کار بسیار پرتقاضا است، یادگیری این پلتفرم همهکاره شما را در بازار کار متمایز خواهد کرد. از اتوماسیون فرآیندهای داده تا ایجاد بینشهای بلادرنگ، Microsoft Fabric شما را به ابزارهای پیشرفته مورد نیاز کارفرمایان بزرگ مجهز میکند. چه به دنبال ارتقای شغل خود باشید، چه بخواهید استراتژی داده شرکتهای خود را رهبری کنید، تسلط به Microsoft Fabric میتواند سرنوشتساز باشد. این فرصت را برای تبدیل شدن به یک متخصص مورد تقاضا در زمینه رو به رشد تحلیل و مهندسی داده از دست ندهید.
این دوره ترکیبی متعادل از تئوری و کاربرد عملی ارائه میدهد. شما مفاهیم پشت هر کامپوننت Microsoft Fabric را به طور عمیق بررسی خواهید کرد و سپس این مفاهیم را به صورت عملی به کار خواهید گرفت. پروژههای چند تجربهای دوره شما را به چالش میکشد تا دانش خود را با ابزارهای مختلف Fabric یکپارچه کنید و شما را برای مدیریت سناریوهای واقعی با اعتماد به نفس آماده میکند.
ویژگیهای دوره:
- درسهای تئوری: مفاهیم و متدولوژیهای اساسی پشت هر کامپوننت Microsoft Fabric را درک کنید.
- بررسیهای عملی: یادگیری خود را با بررسیهای دقیق و گام به گام از ابزارها و ویژگیهای کلیدی به صورت بلادرنگ به کار ببرید.
- پروژههای چند تجربهای: در پروژههای جامعی شرکت کنید که نیاز به ادغام چندین تجربه Fabric دارد و چالشهای کسب و کار واقعی را شبیهسازی میکند.
در پایان این دوره، شما در استفاده از Microsoft Fabric برای طراحی، ساخت و مدیریت راهحلهای داده کامل مهارت خواهید یافت. چه یک مهندس داده، چه تحلیلگر یا متخصص هوش تجاری باشید، این دوره شما را به مهارتهای لازم برای تبدیل شدن به یک متخصص Microsoft Fabric تجهیز میکند.
این دوره برای چه کسانی مناسب است؟
- هر کسی که میخواهد Microsoft Fabric را یاد بگیرد.
- تحلیلگران داده
- مهندسان داده
- متخصصان هوش تجاری
آموزش Microsoft Fabric - راهنمای نهایی (به همراه پروژهها)
-
به این دوره خوش آمدید 02:15
-
Microsoft Fabric چیست؟ 06:50
-
مایکروسافت آژور چیست؟ 03:16
-
راه اندازی حساب آژور 02:17
-
بررسی پورتال آژور، سلسلهمراتب منابع و مدیریت هزینه 11:16
-
شروع کار با نسخه آزمایشی رایگان در Fabric با دامنه شخصی 06:18
-
شروع کار با نسخه آزمایشی رایگان در Fabric با دامنه کسب و کار 01:21
-
بررسی رابط کاربری Fabric 07:55
-
ایجاد یک گروه منبع و حساب ذخیرهسازی ADLS Gen 2 06:13
-
فرمتهای فایل پارکت و دلتا 02:50
-
مروری بر بخش 00:52
-
بررسی انبارهای داده در Fabric 02:01
-
ایجاد فضای کاری Fabric برای این بخش 01:54
-
ایجاد یک انبار داده 02:35
-
بررسی کوئریهای اس کیوال 02:21
-
کامنتها را به کوئریهای اس کیوال خود اضافه کنید 01:18
-
کد اس کیوال مورد استفاده در این بخش 01:06
-
ایجاد و حذف اسکیماها 02:52
-
نوع دادهها 04:21
-
ایجاد و حذف جداول 06:54
-
درج رکوردها در یک جدول (و بررسی اولیه دستور Select) 14:16
-
بارگذاری مجموعه داده خردهفروشی 08:26
-
دستور Select 06:57
-
انتخاب رکوردهای متمایز 01:52
-
توابع و عبارات 16:23
-
ترتیببندی و محدود کردن نتایج 03:08
-
فیلترینگ رکوردها 07:59
-
گروهبندی و تجمیع 09:54
-
جوین کردن جداول 10:52
-
ترتیب اجرای اس کیوال 03:57
-
Create Table As Select 03:34
-
بروزرسانی و حذف رکوردها 05:37
-
کوئریهای فرعی 06:04
-
Viewها 06:13
-
Visual Query Editor 08:44
-
Zero Copy Clones و Time Travel 08:37
-
کوئری کردن بین انبارها 03:30
-
نظارت بر کوئری 03:03
-
رویههای ذخیره شده 10:49
-
(اختیاری) Mirror کردن در Fabric - دموی Snowflake 07:05
-
مدلسازی سمانتیک و پاور بی آی 06:57
-
ایجاد روابط در مدل داده 10:56
-
Measures 07:06
-
آمادهسازی لایه ارائه و مدل سمانتیک 11:31
-
ایجاد گزارش پاور بی آی 24:17
-
داشبوردها 04:02
-
برنامهها 05:21
-
مروری بر بخش 00:38
-
ایجاد فضای کاری برای این بخش 00:34
-
ایجاد Lakehouse برای این بخش 06:26
-
بررسی پایپلاینهای 06:23
-
افزودن داده Citibike به Lakehouse 03:49
-
کپی داده - فایلهای Lakehouse 09:25
-
کپی داده - رفتار کپی 09:38
-
کپی داده - جداول 08:00
-
کپی داده - ذخیرهسازی خارجی (ADLS Gen2) 04:28
-
فعالیت Lookup 04:59
-
فعالیت دریافت متادیتا 04:56
-
عبارات و محتوای پویا 08:14
-
پارامترها 02:48
-
متغیرها 06:09
-
فعالیت ForEach 04:52
-
فعالیت سوئیچ 03:26
-
فعالیت فراخوانی پایپلاین 02:10
-
Dataflows Gen2 09:25
-
فعالیت اسکریپت 07:07
-
فعالیت رویه ذخیره شده 03:05
-
زمانبندی 00:35
-
پروژه داده تاکسی نیویورک: بررسی و معماری راهحل 03:42
-
بررسی داده تاکسی نیویورک 02:05
-
ایجاد Lakehouse داده برای ذخیرهسازی اولیه داده 05:39
-
پایپلاین داده برای هضم به Staging 29:53
-
Dataflow Gen2 برای پردازش به ارائه 16:58
-
سازماندهی پایپلاین End to End 04:13
-
گزارشدهی پاور بی آی 04:06
-
جایگزینی Dataflow Gen2 با یک رویه ذخیره شده 06:11
-
مروری بر بخش 01:15
-
آپاچی اسپارک چیست؟ 03:52
-
اسپارک اس کیوال و API DataFrame 02:54
-
ایجاد فضای کاری و بررسی Spark Starter Pool 02:21
-
ایجاد Lakehouse برای این بخش 02:19
-
بارگذاری فایلهای داده تحلیل خردهفروشی 02:01
-
بررسی نوتبوکها در Fabric 12:40
-
نوتبوکهای بخش (دانلود و ایمپورت در Fabric) 02:29
-
افزودن کامنتها به سلولهای کد 00:46
-
توابع و ماژولهای Built-In 04:00
-
خواندن فایلهای پارکت 10:13
-
خواندن فایلهای CSV و JSON 17:17
-
مشخص کردن اسکیما با StructType و StructField 04:57
-
رشتههای چند خطی 02:39
-
بارگذاری فایلها در دیتافریمها با رابط کاربری 00:58
-
محدودیتهای اس کیوال در اسپارک 01:12
-
انتخاب ستونها از دیتافریمها 08:30
-
انتخاب ستونها از دیتافریمها (تکمیلی) 01:15
-
نوشتن دیتافریمها در فایلها 10:00
-
نوشتن در دیتافریمها و خواندن دیتافریمها از جداول 06:03
-
افزودن، بروزرسانی و حذف ستونهای دیتافریم 18:01
-
تغییر انواع داده 03:48
-
تغییر نام ستونهای دیتافریم 04:57
-
فیلترینگ ردیفها 09:56
-
مرتبسازی و محدود کردن 04:22
-
گروهبندی و تجمیع 07:26
-
جوین کردن داده 04:59
-
Union و حذف تکراریها 02:27
-
اس کیوال 04:30
-
Viewهای موقت 02:58
-
میانبرها 07:45
-
ایجاد دیتافریمهای اسپارک از ساختارهای داده پایتون 06:53
-
پارامترها و ارکستراسیون نوتبوک 08:55
-
بررسی معماری مدالیون 02:23
-
پیادهسازی معماری مدالیون 12:39
-
Poolهای سفارشی اسپارک 05:26
-
محیطها در Microsoft Fabric 01:50
-
مروری بر بخش 00:24
-
بررسی هوش بلادرنگ 01:57
-
ایجاد فضای کاری و Lakehouse برای این بخش 00:43
-
Eventstream به Lakehouse 10:17
-
Eventhouses، پایگاه دادههای KQL و مجموعههای کوئری KQL 06:35
-
Eventstream به پایگاه داده KQL 02:59
-
تحلیل بلادرنگ و داشبوردها 04:18
-
رفلکسها (فعالکننده داده) 07:43
-
رفلکسها برای هشدارهای پاور بی آی 01:26
-
حذف فضای کاری 00:23
-
بررسی پروژه و معماری راهحل 02:18
-
ایجاد فضای کاری و Lakehouse پروژه 00:46
-
ایجاد کانتینر ADLS Gen2 و میانبر Lakehouse 03:35
-
تخصیص دسترسی به Storage Blob Data Contributor 01:04
-
داده رکورد سفر TLC 01:32
-
ایجاد اسکیماهای مدالیون و جدول Silver Lookup 02:48
-
بررسی نوتبوکهای پردازش داده 07:57
-
ایجاد پایپلاین ارکستراسیون 03:24
-
اجرای پایپلاین End to End 06:23
-
فعالسازی تریگر خودکار رسیدن فایل رفلکس (فعالکننده داده) 06:08
-
تحلیل بیشتر 00:40
مشخصات آموزش
آموزش Microsoft Fabric - راهنمای نهایی (به همراه پروژهها)
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:134
- مدت زمان :12:37:34
- حجم :6.08GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy