دوره آموزشی
دوبله زبان فارسی
آمادگی برای آزمون گواهینامه Fabric Data Engineer Associate - Microsoft DP-700
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک اصول مایکروسافت فابریک، از جمله معماری مدالیون و دریاچه دلتا
- انجام کار عملی با OneLake و درک نحوه عملکرد میانبرهای داخلی و خارجی در پشت صحنه
- ایجاد پایپلاینهای end-to-end ETL با استفاده از Fabric Data Factory و مثالهای واقعی
- پاکسازی، تبدیل و غنیسازی داده با Data Flow Gen2 بدون نیاز به کدنویسی یا با کمترین کدنویسی
- تسلط به معماری Lakehouse به طور کامل و درک اینکه چگونه شکاف بین دریاچههای داده و انبارهای داده را پر میکند.
- یادگیری توسعه PySpark در فابریک، از جمله ویژگیهای جدید مانند محیطها و نوتبوکها
- بررسی قابلیتهای قدرتمند انبار داده و نوشتن کوئریها، توابع و رویههای ذخیرهشده پیشرفته T-SQL
- جذب، تبدیل و بارگذاری داده بلادرنگ با استفاده از Eventstreams و Eventhouse و KQL DB و تسلط به به زبان کوئری Kusto
- پیادهسازی CI/CD با استفاده از دواپس آژور و پایپلاینهای استقرار فابریک برای تحویل سریعتر و ایمنتر
- ایمنسازی و مدیریت راهحلهای تحلیلی خود با ابزارهای حاکمیت داده فابریک مانند ردیابی نسب داده، تاییدیهها و نقشهای فضای کاری
- نظارت و بهینهسازی راهحلهای تحلیلی خود با استفاده از Monitor Hub و رابط کاربری وب اسپارک
پیشنیازهای دوره
- نیاز به پیشنیاز نیست. همه مطالب از صفر آموزش داده میشود.
توضیحات دوره
آیا آمادهاید که به فرد دارنده گواهینامه Microsoft Certified Fabric Data Engineer Associate (DP-700)? تبدیل شوید؟
فرقی نمیکند کاملاً مبتدی باشید یا یک حرفهای که میخواهد مهارتهای خود را ارتقا دهد، این دوره شما را با همه آنچه باید بدانید - با روشی عملی، جذاب و کاربردی - آشنا میکند.
این دوره به گونهای طراحی شده که به شما کمک کند در آزمون DP-700 موفق شوید و با اطمینان در پلتفرم فابریک خبره شوید.
دستیابی به تسلط عملی روی موارد زیر:
- OneLake + میانبرها - میآموزید چطور به سرعت در حوزههای مختلف داده از طریق میانبرهای تغییردهنده OneLake دسترسی داشته باشید.
- Fabric Data Factory - با ابزارهای ویژوال قدرتمند و جریانهای داده، پایپلاینهای end-to-end بلادرنگ میسازید.
- معماری Lakehouse -کشف میکنید چگونه مهندسی داده و تحلیلها را در یک محیط قدرتمند ترکیب میکند.
- توسعه PySpark در نوتبوکها - با Notebookutils، پیکربندیهای محیط و قابلیتهای PySpark پروژههای واقعی در مایکروسافت فابریک میسازید.
- تسلط به انبار داده و T-SQL - رویههای ذخیرهشده، توابع و کوئریهای پیچیده T-SQL را مانند حرفهایها به کمک نکات، ترفندها و مثالهای واقعی مینویسید.
- تحلیلهای بلادرنگ با KQL - به زبان کوئری Kusto (KQL) برای ساخت داشبوردهای بسیار سریع و بلادرنگ با Eventstream و Eventhouse و پایگاه داده KQL مسلط میشوید.
- CI/CD برای پروژههای فابریک - استقرارها را با استفاده از دواپس آژور + پایپلاینهای فابریک خودکار میکنید.
- سادهسازی حاکمیت داده - نسب داده، تاییدیهها، برچسبهای حساسیت و موارد دیگر را درک میکنید.
آنچه این دوره را متفاوت میکند؟
- دروس بسیار جذاب - بدون تئوری خستهکننده! مفاهیم به شیوهای شاداب، واضح و مناسب مبتدیان با مثالهای واقعی و تصاویر بیان میشوند.
- مباحث عمیق - فقط سطحی پیش نمیرویم. شما دلیل و روش هر ویژگی را خواهید فهمید تا بتوانید آن را در پروژههای واقعی و مصاحبهها به کار ببرید.
- تمرکز قوی بر عمل - یادگیری عملی - درست مثل مهندس داده فابریک، از پایپلاینها و نوتبوکها تا داشبوردها، شما گامبهگام راهحلهای واقعی را میسازید.
این دوره برای چه کسانی مناسب است؟
- کسی که میخواهد دانش لازم برای موفقیت در آزمون گواهینامه Fabric Data Engineer Associate را کسب کند.
آمادگی برای آزمون گواهینامه Fabric Data Engineer Associate - Microsoft DP-700
-
بررسی دوره 02:42
-
مهندسی داده چیست؟ 13:15
-
تحولات مهندسی داده 08:47
-
Lakehouse چیست؟ 06:23
-
توضیح معماری مدالیون 03:17
-
دریاچه دلتا - مبحث داغ 10:27
-
حساب رایگان آژور 11:18
-
اصول آژور 34:28
-
چرا مایکروسافت فابریک؟ 06:08
-
مایکروسافت فابریک چیست؟ 10:12
-
سلسلهمراتب در مایکروسافت فابریک 09:17
-
نقشها در مایکروسافت فابریک 11:10
-
حساب رایگان فابریک 17:02
-
بررسی پورتال فابریک 10:50
-
OneLake چیست؟ 06:59
-
چرا OneLake؟ 09:58
-
مدیریت داده خود - File Explorer در One Lake 03:09
-
تست دانش None
-
Fabric Lakehouse چیست؟ 11:47
-
ایجاد اولین Lakehouse خود 11:51
-
بارگذاری داده در Lakehouse 07:12
-
file explorer در OneLake با Lakehouse 03:07
-
ایجاد جداول در Lakehouse 06:27
-
فایلهای Parquet با Lakehouse 05:45
-
میانبرها در Fabric 03:26
-
میانبرهای داخلی چیست؟ 04:41
-
میانبرهای خارجی چیست؟ 02:46
-
میانبرهای داخلی با فایلها 06:03
-
میانبرهای داخلی با جداول 14:24
-
تصاویر میانبرهای خارجی 16:15
-
کش کردن در میانبرها 08:00
-
Lakehouse با اسکیمای جدید 08:08
-
اندپوینتهای SQL در Lakehouse 08:02
-
جذب داده در فابریک 02:40
-
Fabric Data Factory چیست؟ 06:48
-
بررسی Fabric Data Factory 11:02
-
فعالیت کپی در Fabric Data Factory 18:06
-
جذب داده از Azure Data Lake Storage Gen 2 12:42
-
حلقهها و پارامترها در Fabric Data Factory 20:17
-
فعالیت متادیتا 09:06
-
فعالیت فیلتر 08:55
-
فعالیت شرطی - شرطی If 04:16
-
حذف در Data Factory 02:58
-
متغیرها در Fabric Data Factory 04:08
-
چگونه هنگام خطا نوتیفیکیشن ایمیلی ارسال کنیم؟ 05:16
-
پایپلاینهای والد و فرزند 06:07
-
تریگرها در Fabric Data Factory 03:45
-
نظارت در Fabric Data Factory 05:01
-
تست دانش None
-
بررسی Dataflow Gen2 06:29
-
Type casting در DataflowGen2 10:49
-
جایگزینی مقادیر در DataflowGen2 02:17
-
تبدیلات رشته 03:52
-
اعمال توابع آماری 04:00
-
Diagram view در DataflowGen2 04:56
-
اعمال جوینها در DataflowGen2 06:34
-
افزودن مقصد (Lakehouse) 05:18
-
زمانبندی جریانهای داده 02:38
-
یکپارچهسازی DataflowGen2 با Data Factory 05:42
-
اول از همه - درک اسپارک 12:04
-
اندازه گرهها در فابریک 02:25
-
استخرهای استارتر در مقابل استخرهای سفارشی 07:15
-
بررسی نوتبوکهای فابریک 17:14
-
اصول PySpark 18:42
-
Type Casting در PySpark 06:29
-
تبدیل ستونهای تاریخ 10:43
-
جایگزینی مقادیر در PySpark 11:01
-
توابع سطح متوسط PySpark 20:51
-
تبدیل ستونهای حساس به زمان با توابع Timestamp 06:16
-
SQL اسپارک - اجرای کوئریهای SQL در PySpark 06:09
-
مصورسازی داده برای تحلیل کلان داده 07:29
-
جداول خارجی در مقابل جداول مدیریت شده 26:19
-
NotebookUtils در PySpark (MSSparkUtils) 23:34
-
جداول دریاچه دلتا 02:42
-
Time Travel در جداول دریاچه دلتا 10:10
-
استراتژیهای بهینهسازی در جداول دریاچه دلتا 09:39
-
فرمان VACUUM و OptimizeWrite 04:54
-
SparkStreaming با جداول دلتا 12:26
-
محیطهای ایزوله در Fabric Spark 05:03
-
چگونه محیطها را در فابریک ایجاد کنیم؟ 18:24
-
نظارت و زمانبندی نوتبوکهای اسپارک 09:51
-
تعریف Job اسپارک 06:14
-
چگونه نوتبوکها را از کامپیوتر ایمپورت کنیم؟ 00:53
-
تست دانش None
-
اصول انبار داده 23:15
-
بررسی انبار داده فابریک 17:06
-
بارگذاری داده در انبار داده 06:22
-
فرمان COPY INTO در انبار داده فابریک 07:35
-
CTAS - کپی جدول به صورت انتخابی 11:02
-
View تجمیعی لایه طلایی با T-SQL 20:36
-
View کسبوکار لایه طلایی با استفاده از T-SQL 09:09
-
توابع T-SQL 07:50
-
رویههای ذخیره شده T-SQL 05:57
-
Views مدیریت پویا 05:49
-
Views بینشهای کوئری 05:49
-
ویرایشگر کوئری ویژوال در انبار داده فابریک 07:35
-
یکپارچهسازی T-SQL با نوتبوک 04:47
-
راهاندازی SSMS 12:24
-
کنترل دسترسی در انبار داده فابریک 11:48
-
ماسک کردن داده پویا 08:20
-
امنیت در سطح ستون 07:56
-
امنیت در سطح سطر 14:36
-
مدلهای سمانتیک 10:38
-
دریاچه مستقیم در فابریک 05:42
-
تست دانش None
-
چرا کنترل دسترسی در فابریک؟ 02:17
-
کنترل دسترسی در سطح فضای کاری 04:09
-
کنترل دسترسی در سطح آیتم 07:35
-
کنترل دسترسی در سطح One Lake 07:06
-
نسب داده 07:23
-
تاییدیهها 09:05
-
نظارت در فابریک 04:07
-
دسترسی ادمین فابریک 04:05
-
اتصالات و درگاههای فابریک 02:08
-
اپلیکیشن متریک ظرفیت فابریک 03:46
-
تحلیلهای بلادرنگ چیست؟ 06:57
-
پنجرههای چرخشی 01:37
-
پنجرههای پرشی 01:58
-
پنجرههای کشویی 01:58
-
پنجرههای سشن 01:32
-
پنجرههای اسنپشات 01:39
-
EventStream در فابریک 06:33
-
تبدیل داده بلادرنگ 08:25
-
EventHouse و پایگاه داده KQL 13:49
-
بررسی زبان کوئری Kusto 02:15
-
مبانی KQL 04:43
-
فیلترینگ و توابع تاریخ 07:45
-
توابع تجمیع در KQL 04:14
-
Materialized Views در KQL 08:02
-
توابع در KQL 04:23
-
داشبوردهای بلادرنگ 07:26
-
کوئریهای اولیه برای داشبوردهای بلادرنگ 04:00
-
Fabric Activator 08:14
-
تست دانش None
-
CI/CD چیست؟ 02:37
-
یکپارچهسازی مداوم در فابریک 09:35
-
راهاندازی دواپس آژور 13:49
-
برنچ ویژگی و Pull Requests 07:32
-
استقرار مداوم در فابریک 02:04
-
راهاندازی پایپلاینهای استقرار 03:15
-
همزمانسازی تغییرات در مراحل 03:42
-
پایپلاین استقرار End-To-End 10:43
-
خطاهای استقرار (نگران نباشید) 08:53
-
تست دانش None
مشخصات آموزش
آمادگی برای آزمون گواهینامه Fabric Data Engineer Associate - Microsoft DP-700
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:مقدماتی
- تعداد درس:144
- مدت زمان :18:57:37
- حجم :14.83GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy