دوره آموزشی
آموزش های یودمی
دوبله زبان فارسی

بررسی عمیق Microsoft Fabric

بررسی عمیق Microsoft Fabric

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • Power BI با DirectLake. یک جدول فکت با 170 میلیون ردیف مورد استفاده قرار می گیرد تا نشان دهد که ما دیگر به حالت ایمپورت نیاز نداریم!
  • ادغام آپاچی اسپارک با Microsoft Fabric
  • علم داده در Microsoft Fabric به منظور پیش‌بینی زمان ممکن برای یک سفر با تاکسی در شهر نیویورک
  • جذب داده با استفاده از قدرت و انعطاف‌پذیری پایپ لاین های داده با DataFlows Gen2 و Data Factory
  • ساخت data warehouse در Microsoft Fabric
  • ساخت یک راه‌حل تحلیلی بلادرنگ با استفاده از داده‌های تاکسی نیویورک و Event Streams با KQL
  • سمنتیک لینک برای Power BI

توضیحات دوره

نگاهی عمیق‌تر به آنچه ممکن است بپرسید؟ این دوره به بررسی عمیقتر دوره‌ی مقدماتی Microsoft Fabric می پردازد. در ادامه موضوعاتی مانند مهندسی داده، علم داده، data warehousing، اسپارک، Power BI با DirectLake، و Power BI با سمنتیک لینک را با مثال‌ها و مطالعات جامع، عمیقتر مورد بررسی قرار می دهیم.

اگر شما یک توسعه‌دهنده Power BI هستید، از بررسی عمیق ما در DirectLake لذت خواهید برد؛ چرا که ما از یک جدول فکت با 170 میلیون ردیف برای نشان‌دادن اینکه DirectLake به اندازه حالت ایمپورت جدول‌ها سریع است، استفاده می‌کنیم. سخت است که باور کنید اما حقیقت دارد. ما همچنین سمنتیک لینک را با Power BI پوشش می‌دهیم که به نوت بوکهای اسپارک اجازه می‌دهد با مجموعه‌های داده Power BI تعامل داشته باشند.

اگر تخصص شما مهندسی داده است، ما یک پروژه‌ی جامع را بررسی می‌کنیم که نحوه‌ی استفاده از Dataflows Gen2 و Data Factory Copy Activity را با پایپ لاین ها برای ساخت فرایند جذب داده نشان می‌دهد.

اگر شما به علم داده علاقه‌مند هستید، یک پروژه‌ی یادگیری ماشین جامع را بررسی می‌کنیم تا نشان دهیم که چگونه Fabric و نوت بوک ها می‌توانند برای پیش‌بینی زمان ممکن برای یک سفر تاکسی در شهر نیویورک استفاده شوند.

اگر شما نیاز دارید که بیشتر در مورد تحلیلات بلادرنگ و KQL بیاموزید، پروژه‌ای داریم که در آن جذب داده‌های تاکسی با استفاده از ایونت استریم ها و KQL شبیه‌سازی می‌شود.

اگر به ساخت data warehouse علاقه دارید، یک پروژه data warehouse جامع داریم که نحوه‌ی انجام این کار در Microsoft Fabric را نشان می‌دهد.

به آپاچی اسپارک علاقه‌مند هستید؟ ما بخش های مهم اسپارک و نحوه‌ی ادغام آن با Microsoft Fabric را پوشش می‌دهیم.

با اتمام این دوره‌ی بیش از 10 ساعته، در استفاده از همه‌ی تجربیات پرکاربرد در Microsoft Fabric احساس راحتی خواهید داشت.

این دوره برای چه کسانی مناسب است؟

  • آموزش پیش رو یک دوره‌ی سطح متوسط در Microsoft Fabric است. تاحدودی تجربه در زمینه Fabric یا گذراندن یک دوره‌ی مقدماتی دیگر در Microsoft Fabric ممکن است مفید باشد.

بررسی عمیق Microsoft Fabric

  • مقدمه 02:25
  • تمرین‌ها و آزمون‌ها در این دوره - لطفاً تماشا کنید! 01:38
  • آغاز کار با Microsoft Fabric 03:08
  • بررسی دوره - بخش 1 14:16
  • بررسی دوره - بخش 2 17:33
  • پشتیبانی از نوشتن XMLA 10:06
  • تست Direct Lake - بخش 1 14:26
  • آزمایش Direct Lake - بخش 2 11:34
  • Power BI Desktop و Direct Lake 08:58
  • بارگذاری درخواستی 07:23
  • مقدمه‌ای بر علم داده 13:31
  • علم داده در Microsoft Fabric 12:14
  • نوت بوک ها 11:24
  • آزمایش‌ها 05:47
  • مدل‌ها 11:27
  • آماده‌سازی داده - دست‌کاری داده 16:40
  • ساخت مدل - جذب داده 11:09
  • ساخت مدل - اکتشاف و مصورسازی داده 26:23
  • ساخت مدل - پاکسازی و آماده سازی داده 11:58
  • ساخت مدل - ایجاد مدل - بخش 1 09:02
  • ساخت مدل - ایجاد مدل - بخش 2 07:11
  • ساخت مدل - ایجاد مدل - بخش 3 09:32
  • ساخت مدل - ایجاد مدل - بخش 4 09:07
  • مقدمه‌ای بر تحلیل های بلادرنگ در Microsoft Fabric 09:41
  • ایونت استریم 03:03
  • ایجاد پایگاه داده KQL 03:13
  • ایجاد ایونت استریم 06:50
  • دریافت داده‌های موقعیتی 02:59
  • اضافه کردن داده‌ها به Lakehouse 05:49
  • اکتشاف داده 14:38
  • اکتشاف داده بیشتر 14:51
  • مقدمه‌ای بر Data Factory در Microsoft Fabric 11:25
  • ساخت پایپ لاین - بخش 1 08:41
  • ساخت پایپ لاین - بخش 2 09:04
  • ساخت پایپ لاین - بخش 3 24:17
  • ساخت پایپ لاین - بخش 4 10:01
  • ساخت پایپ لاین - بخش 5 06:35
  • مقدمه‌ای بر Data Warehouse در Microsoft Fabric 08:05
  • ساخت Data Warehouse - بخش 1 10:42
  • ساخت Data Warehouse - بخش 2 07:17
  • ساخت Data Warehouse - بخش 3 12:08
  • ساخت Data Warehouse - بررسی Query Builder بصری 13:13
  • استفاده از میانبرها برای تحلیل داده در Lakehouse 07:55
  • مدل‌سازی داده و تولید خودکار یک گزارش Power BI 05:51
  • مقدمه‌ای بر آپاچی اسپارک در Fabric 09:22
  • کتابخانه‌های اسپارک 03:46
  • مبانی دیتافریم - بخش 1 09:47
  • مبانی دیتافریم - بخش 2 19:20
  • مبانی دیتافریم - بخش 3 10:39
  • عملیات رایج با دیتافریم ها 15:16
  • فیلتر کردن داده 22:21
  • تجمیع داده‌ها 15:20
  • جوین کردن دیتافریم ها 08:33
  • کار با تاریخ‌ها 11:38
  • دستورات SQL و اسپارک 08:56
  • یادگیری ماشین 02:51
  • Microsoft Fabric 1.1 - زمان اجرای اسپارک 05:54
  • پیکربندی اسپارک 10:43
  • سمنتیک لینک برای Power BI - بخش 1 06:36
  • سمنتیک لینک برای Power BI - بخش 2 09:42
  • سمنتیک لینک برای Power BI - بخش 3 15:06

4,173,500 834,700 تومان

مشخصات آموزش

بررسی عمیق Microsoft Fabric

  • تاریخ به روز رسانی: 1404/06/14
  • سطح دوره:متوسط
  • تعداد درس:61
  • مدت زمان :10:34:34
  • حجم :4.61GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

آموزش های یودمی
3,403,500 680,700 تومان
  • زمان: 08:37:22
  • تعداد درس: 34
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش های یودمی
3,476,000 695,200 تومان
  • زمان: 08:48:53
  • تعداد درس: 26
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش های یودمی
493,500 98,700 تومان
  • زمان: 01:15:49
  • تعداد درس: 40
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش های یودمی
9,157,000 1,831,400 تومان
  • زمان: 23:11:13
  • تعداد درس: 161
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش های یودمی
10,730,500 2,146,100 تومان
  • زمان: 27:10:32
  • تعداد درس: 203
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش های یودمی
809,500 161,900 تومان
  • زمان: 02:03:56
  • تعداد درس: 26
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش های یودمی
7,643,000 1,528,600 تومان
  • زمان: 19:21:59
  • تعداد درس: 121
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش های یودمی
6,477,500 1,295,500 تومان
  • زمان: 16:24:29
  • تعداد درس: 101
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش های یودمی
4,680,500 936,100 تومان
  • زمان: 11:51:28
  • تعداد درس: 158
  • 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