Microsoft Fabric

Analytics Engineer

Ihr Nutzen

Diese Seminar behandelt Methoden und Praktiken zur Implementierung und Verwaltung von Datenanalyselösungen mit Microsoft Fabric. Sie erfahren wie Sie Komponenten verwenden, einschließlich Lakehouses, Data Warehouses, Notebooks, Dataflows, Datenpipelines und semantischer Modelle, um Analyseressourcen zu erstellen und bereitzustellen.

Zielgruppe

Daten-Analysten

Voraussetzungen

Grundlegende Kenntnisse zur Modellierung, Extraktion und Datenanalyse mit PowerBI.

Dauer und Investition

Seminardauer: 4 Tag(e)
€ 2.550,- pro Teilnehmer excl. MwSt.
Individuelle Firmenseminare
Frühbucher-Bonus möglich
Mehr Teilnehmer?
Punktekarte

Termine
  • 17.03.25 in Innsbruck
  • 17.03.25 als Online-Webinar
  • 13.10.25 in Innsbruck
  • 13.10.25 als Online-Webinar
Hinweis

DP-600,

Original-Seminar

DP-600 mit digitalen Seminarunterlagen.

InhalteAlle Details anzeigen

    1. Tag

    • Einführung in End-to-End-Analysen mit Microsoft Fabric (DP-601)
    • Informationen zu End-to-End-Analysen mit Microsoft Fabric
    • Datenteams und Microsoft Fabric
    • Aktivieren und Verwenden von Microsoft Fabric

    • Erste Schritte mit Lakehouses in Microsoft Fabric
    • Untersuchen von Microsoft Fabric Lakehouse5
    • Arbeiten mit Microsoft Fabric-Lakehouses
    • Untersuchen und Transformieren von Daten in einem Lakehouse

    • Verwenden von Apache Spark in Microsoft Fabric
    • Vorbereiten des Verwendens von Apache Spark
    • Ausführen von Spark-Code
    • Herstellen einer Verbindung mit Datenquellen und Erfassen von Datenmin
    • Arbeiten mit Daten in einem Spark-Dataframe
    • Arbeiten mit Daten mithilfe von Spark SQL
    • Visualisieren von Daten in einem Spark-Notebook

    2. Tag

    • Arbeiten mit Delta Lake-Tabellen in Microsoft Fabric
    • Grundlegendes zu Delta Lake
    • Erstellen von Deltatabellen
    • Erstellen von Deltatabellenmin
    • Arbeiten mit Deltatabellen in Spark
    • Verwenden von Deltatabellen mit Streamingdaten

    • Verwenden von Data Factory-Pipelines in Microsoft Fabric
    • Grundlegendes zu Pipelines
    • Verwenden der Aktivität „Daten kopieren“
    • Verwenden von Pipelinevorlagen
    • Ausführen und Überwachen von Pipelines

    • Erfassen von Daten mit Gen2-Dataflows in Microsoft Fabric
    • Grundlegendes zu Dataflows (Gen2) in Microsoft Fabric
    • Grundlegendes zu Dataflows (Gen2) in Microsoft Fabric
    • Integrieren von Dataflows (Gen2) und Pipelines in Microsoft Fabric

    3. Tag

    • Data Warehouses in Microsoft Fabric (DP-602)
    • Grundlegendes zu Data Warehouses
    • Grundlegendes zu Data Warehouses in Fabric
    • Abfragen und Transformieren von Daten
    • Aufbereiten von Daten für die Analyse und Berichterstellung
    • Schützen und Überwachen Ihres Data Warehouse

    • Real-Time Intelligence in Microsoft Fabric (DP-603)
    • Real-Time Intelligence in Microsoft Fabric
    • Grundlegendes zu KQL-Datenbanken und -Tabellen
    • Beschreiben des Real-Time Hub in Microsoft Fabric
    • Schreiben von Abfragen mit KQL

    • Data Science in Microsoft Fabric (DP-604)
    • Grundlegendes zum Data-Science-Prozess
    • Untersuchen und Verarbeiten von Daten mit Microsoft Fabric
    • Trainieren und Bewerten von Modellen mit Microsoft Fabric

    4. Tag

    • Data Activator in Microsoft Fabric (DP-603)
    • Data Activator verstehen
    • Erste Schritte mit Data Activator
    • Grundlegendes zu Triggern, Bedingungen und Aktionen in Data Activator
    • Abrufen von Daten aus PowerBI-Berichten und EventStreams mit Data Activator
    • Zuweisen von Daten in Data Activator
    • Erstellen von Triggern in Data Activator

    • Verwalten einer Microsoft Fabric-Umgebung
    • Grundlegendes zur Fabric-Architektur
    • Grundlegendes zur Fabric-Administratorrolle
    • Verwalten der Sicherheit in Microsoft Fabric
    • Verwalten von Daten in Fabric

    Beschreibung

    Microsoft Fabric ist eine All-in-One-Analyselösung für Unternehmen, die von der Datenverschiebung über Data Science bis hin zu Real-Time Analytics und Business Intelligence alles abdeckt.