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.


Yıldız Şemalarını Uygulama

Boyut Tabloları Oluşturma

Seçenekler

Ölçüler

Boyut Anahtarları

Öznitelikler

Olgu Tablosu Özellikleri

Olay (Fact) Tabloları Oluşturma

Yavaş Değişen Boyutlar

SCD Tipi 1

SCD Tipi 2

SCD Türleri

SCD Tip 2 Değişikliklerini Uygulama

Özel Boyut Senaryoları

Tarih boyutu

Uyumlu boyutlar

Çok değerli boyutlar

Özel Boyutlar

Tarih Boyutlarının Uygulanması

Çok Değerli Boyutlar ve Köprü Tablolar

Veri Denormalizasyonu

Denormalizasyon

Normalizasyon

Denormalizasyon vs. Normalizasyon

Veri Denormalizasyonunu Uygulama

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

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 ile Verileri Dönüştür ve Analiz Et

Microsoft Fabric hesabınızda verileri dönüştürmeyi ve analiz etmeyi öğrenin

Genellikle Boyut tabloları için önerilir

Daha az birleştirme ve daha hızlı sorgularla sonuçlanır

Genellikle Olgu tabloları için önerilir

Denormalizasyon vs. Normalizasyon

Microsoft Fabric ile Verileri Dönüştür ve Analiz Et

Uygulamalı interaktif egzersiz