Ingesta de datos y modelos semánticos

En este curso, aprenderás varios métodos diferentes para importar datos a Microsoft Fabric. Después de introducir tus datos, aprenderás a estructurarlos utilizando modelos semánticos para mejorar tus visualizaciones e informes.

Domina los flujos de datos y las tuberías para la ingesta de datos

Comienza explorando Pipelines y Dataflows en Fabric. Aprenderás a configurar actividades de canalización, utilizar parámetros y variables, y programar las ejecuciones de tu canalización. A continuación, aprenderás a utilizar Dataflows para descubrir diversas opciones de transformación y optimizar el rendimiento con partición, preparación y copia rápida.

Aprovecha los accesos directos para acceder a los datos de forma eficiente

Aprende a utilizar diferentes tipos de accesos directos para gestionar situaciones de eliminación y mejorar la accesibilidad de los datos mediante funciones de seguridad.

Crear y optimizar modelos semánticos

En la segunda mitad del curso, crearás modelos semánticos robustos en Fabric. Aprenderás los modos de almacenamiento clave: modelos Import, DirectQuery, Direct Lake y Composite. Establecerás relaciones eficaces, dominarás los esquemas estrella y Snowflake, y trabajarás con grandes conjuntos de datos para garantizar un rendimiento óptimo en escenarios complejos.

Domina los conceptos avanzados de los modelos semánticos y Power BI

Por último, aprenderás conceptos avanzados para gestionar y optimizar modelos semánticos. Implementarás la seguridad a nivel de fila (RLS) y la seguridad a nivel de objeto (OLS), actualizarás modelos y desarrollarás informes completos de Power BI. A continuación, dentro de Power BI, explorarás Copilot, optimizarás el rendimiento con DAX Studio y aprovecharás herramientas como el Analizador de mejores prácticas (BPA) y el Analizador de rendimiento de Tabular Editor para crear modelos e informes eficientes y seguros.

Explorar actividades de Data Pipeline

Ingesta de datos y modelos semánticos con Microsoft Fabric

Ejercicio interactivo práctico