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. 

Microsoft Fabric ile Verileri Dönüştür ve Analiz Et

İlk Lakehouse'unu oluşturma

Microsoft Fabric ile Veri Mühendisliği

Fabric Veri Mühendisliğini Keşfetme

Seçenekler

Lakehouse

Warehouse

Data Pipeline

Veri depolama ve dönüştürme öğeleri

Lakehouse ve Warehouse

Yıldız Şemalarına Giriş

Yıldız Şemaları

Snowflake Şemaları

Yıldız şeması

Kar tanesi şeması

Veri Modellemesi Senaryoları

Veri Keşfi ve Dönüşümü

Veri Toplama (Aggregation)

Veri Birleştirme

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

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

Bu kurs, Microsoft Fabric'in üç temel konusuna odaklanır: verileri dönüştürme, verileri keşfetme ve analiz etme, ve performansı iyileştirme. Dersler ve etkileşimli egzersizler boyunca, Fabric lakehouse'ları ve warehouse'larında verileri dönüştürmeye yönelik farklı teknikleri öğreneceksin; verilerdeki sorunları belirlemeden birleştirme, özetleme ve filtrelemeye kadar. Ayrıca, Fabric lakehouse'ları ve warehouse'larında verileri keşfetmek ve profillemek için farklı araçları ve yöntemleri, ayrıca bu Fabric nesnelerinin performansını nasıl izleyip iyileştireceğini öğreneceksin.

Introduction to Microsoft Fabric

Microsoft Fabric hesabınızda verileri dönüştürmeyi ve analiz etmeyi öğrenin.

Microsoft Fabric hesabınızda verileri dönüştürmeyi ve analiz etmeyi öğrenin

Yapılandırılmamış veriyi (ör. görüntü dosyaları) yapılandırılmış tablo verileriyle (ör. CSV dosyaları) birlikte depola.

Birincil geliştirme arayüzü olarak Spark not defterlerini kullan.

Veriyi okumak ve yazmak için ağırlıklı olarak T-SQL kullanacak kullanıcılar için yapılandırılmış veriyi depola.

Birincil geliştirme arayüzü olarak T-SQL betiklerini kullan.

Veriyi bir veri gölüne kopyalayan ve veriyi dönüştürmek için saklı yordamları çağıran karmaşık bir ETL iş akışı oluştur.

Veri depolama ve dönüştürme öğeleri

Microsoft Fabric ile Verileri Dönüştür ve Analiz Et

Uygulamalı interaktif egzersiz