Get an introductory overview of the basic elements of data engineering in Microsoft Fabric, from key solution design items like the star schema to the various features in Fabric supporting data exploration and transformation. 

Transform and Analyze Data with Microsoft Fabric

Creating your first Lakehouse

Data Engineering in Microsoft Fabric

Exploring Fabric Data Engineering

Data storage and transformation items

Lakehouse verus Warehouse

Introduction to Star Schemas

Star Schemas

Snowflake Schemas

Data Modeling Scenarios

Data Exploration and Transformation

Data Aggregation

Data Merging

Data Engineering with Microsoft Fabric

Drill down into specific aspects to consider when implementing star schemas in Microsoft Fabric, including creating fact and dimension tables, managing slowly changing dimensions and other special dimension scenarios, and normalizing and de-normalizing data.


Implementing Star Schemas

Creating Dimension Tables

Fact Table Characteristics

Creating Fact Tables

Slowly Changing Dimensions

SCD Types

Implementing SCD Type 2 Changes

Special Dimension Scenarios

Special Dimensions

Implementing Date Dimensions

Multivalued Dimensions and Bridge Tables

Data Denormalization

Denormalization vs. Normalization

Implementing Data Denormalization

Implement a Star Schema for a Lakehouse or Warehouse

Drill down into key areas of data transformation and exploration: cleansing, filtering, aggregating and merging data.


Data Cleansing and Filtering

Data Cleansing in Action

Converting Data Types

Data Filtering with PySpark

Data Aggregation Scenarios

Implementing Data Aggregation

Merging and Joining Data

Joining using SQL

Merging using PySpark

Explore and Analyze Data

Data Profiling

Use cases for XMLA and SQL Endpoints

Choosing a SQL Query Tool

Transform, Explore, and Analyze Data

Learn about tools available to monitor the performance of a Fabric solution and how to implement performance improvements in the Fabric infrastructure and individual items, including optimization of delta lake tables.

Identificare i problemi di prestazioni

Installa l'app Fabric Capacity Metrics

Monitorare l'utilizzo con l'app Capacity Metrics

Monitorare l'archiviazione con l'app Capacity Metrics

Implementare miglioramenti delle prestazioni

Implementa miglioramenti delle prestazioni nei Dataflow

Ottimizzazione delle tabelle Delta Lake

Usa l'operazione OPTIMIZE

Congratulazioni!

Optimize Performance

Questo corso si concentra su tre temi chiave di Microsoft Fabric: trasformazione dei dati, esplorazione e analisi dei dati, e ottimizzazione delle prestazioni. Attraverso lezioni ed esercizi interattivi, imparerai diverse tecniche per trasformare i dati nei lakehouse e nei warehouse di Fabric, dall’individuazione dei problemi, all’unione, aggregazione e filtraggio dei dati. Scoprirai anche strumenti e metodi per esplorare e profilare i dati nei lakehouse e nei warehouse di Fabric, e come monitorare e ottimizzare le prestazioni di questi oggetti Fabric.

Introduction to Microsoft Fabric

Scopri come trasformare e analizzare i dati nel tuo account Microsoft Fabric.

Trasforma e analizza i dati con Microsoft Fabric

Monitorare l'archiviazione con l'app Capacity Metrics

Trasforma e analizza i dati con Microsoft Fabric

Esercizio pratico interattivo