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.


Stermodellen implementeren

Dimensietabellen maken

Opties

Measures

Dimension Keys

Attributen

Kenmerken van een facttabel

Feitentabellen maken

Slowly Changing Dimensions

SCD Type 1

SCD Type 2

SCD-typen

SCD Type 2-wijzigingen implementeren

Speciale dimensiescenario's

Datedimensie

Geconformeerde dimensies

Dimensies met meerdere waarden

Speciale dimensies

Datumdimensies implementeren

Multivalued Dimensions en bridgetabellen

Gegevens denormaliseren

Denormalisatie

Normalisatie

Denormalisatie vs. normalisatie

Gegevens denormaliseren implementeren

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.

Identifying performance issues

Install the Fabric Capacity Metrics app

Monitoring Usage with the Capacity Metrics App

Monitoring Storage with the Capacity Metrics App

Implement performance improvements

Implement performance improvements in Dataflows

Delta Lake table optimization

Use the OPTIMIZE Operation

Congratulations!

Optimize Performance

Deze cursus behandelt drie belangrijke onderwerpen in Microsoft Fabric: gegevens transformeren, gegevens verkennen en analyseren, en prestaties optimaliseren. Via lessen en interactieve oefeningen leer je verschillende technieken om gegevens te transformeren in Fabric lakehouses en warehouses, van het identificeren van dataproblemen tot het samenvoegen, aggregeren en filteren van gegevens. Je leert ook over verschillende tools en methoden om gegevens in Fabric lakehouses en warehouses te verkennen en te profileren, en hoe je de prestaties van deze Fabric-objecten kunt monitoren en optimaliseren.

Introduction to Microsoft Fabric

Leer hoe je gegevens kunt transformeren en analyseren in je Microsoft Fabric-account.

Gegevens transformeren en analyseren met Microsoft Fabric

Leer hoe je gegevens binnen je Microsoft Fabric-account kunt transformeren en analyseren.

Dimensietabel bevat alleen de nieuwste attribuutwaarden.

Geschiedenis overschrijven. Nieuwe waarden overschrijven eerdere waarden.

Vereist geen extra kolommen om wijzigingen in dimensie-attributen bij te houden.

Bewaart geschiedenis. Nieuwe waarden worden toegevoegd en eerdere waarden blijven behouden.

Vereist extra kolommen om wijzigingen in dimensie-attributen bij te houden.

SCD-typen

Gegevens transformeren en analyseren met Microsoft Fabric

Praktische interactieve oefening