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.


Veri Temizleme ve Filtreleme

Uygulamalı Veri Temizleme

Veri Türlerini Dönüştürme

PySpark ile Veri Filtreleme

Veri Birleştirme (Toplama)

Seçenekler

PySpark

Dataflows

Veri Toplama Senaryoları

Veri Birleştirme (Aggregation) Uygulaması

Verileri Birleştirme ve İlişkilendirme

SQL kullanarak join işlemi

PySpark kullanarak birleştirme

Verileri Keşfet ve Analiz Et

Veri Profilleme

SQL uç noktası

XMLA uç noktası

XMLA ve SQL Uç Noktaları için kullanım senaryuları

SQL sorgu düzenleyicisi

Visual sorgu düzenleyicisi

Bir SQL Sorgu Aracı Seçmek

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

Bir lakehouse veya warehouse içindeki tabloları sorgula

Bağlantı dizesi şu biçimdedir: [server].datawarehouse.fabric.microsoft.com

Bir çalışma alanındaki semantik modelleri sorgula

Bağlantı dizesi powerbi://api.powerbi.com/v1.0/[tenant]/[workspace] biçiminde bir URL’dir

XMLA ve SQL Uç Noktaları için kullanım senaryuları

Microsoft Fabric ile Verileri Dönüştür ve Analiz Et

Uygulamalı interaktif egzersiz