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.


Gegevens opschonen en filteren

Data opschonen in de praktijk

Gegevenstypen converteren

Gegevens filteren met PySpark

Gegevensaggregatie

Opties

PySpark

Dataflows

Scenario’s voor gegevensaggregatie

Gegevensaggregratie toepassen

Gegevens samenvoegen en joinen

Joinen met SQL

Mergen met PySpark

Gegevens verkennen en analyseren

Gegevens profileren

SQL-eindpunt

XMLA-eindpunt

Use cases voor XMLA- en SQL-eindpunten

SQL query-editor

Visual query-editor

Een SQL-querytool kiezen

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.

Query tabellen in een lakehouse of warehouse

Verbindingsreeks heeft de vorm [server].datawarehouse.fabric.microsoft.com

Query semantische modellen in een werkruimte

Verbindingsreeks is een URL in de vorm powerbi://api.powerbi.com/v1.0/[tenant]/[workspace]

Use cases voor XMLA- en SQL-eindpunten

Gegevens transformeren en analyseren met Microsoft Fabric

Praktische interactieve oefening