Microsoft Fabric
Bu eğitim, Microsoft Fabric kullanarak kurumsal ölçekte veri analitiği çözümlerini uygulamaya ve yönetmeye yönelik yöntem ve uygulamaları kapsar. Katılımcılar mevcut ...
Daha fazla göster
Eğitmen
Sarp Vahabi
8
Öğrenciler
Maksimum Sınıf Kontenjanı
- Genel Bilgiler
- Eğitim İçeriği (Müfredat)
MICROSOFT FABRIC GİRİŞ
ONELAKE & LAKEHOUSE'LAR
-
5OneLake
-
6Workspaces
-
7Lakehouses
-
8Çalışma Alanlarını (Workspaceler) Keşfetme
-
9Lakehouse'a Veri Yükleme
-
10Tablolara Veri Yükleme
-
11Delta Tablolarını Keşfetme
-
12Dataflow Gen 2 Kullanımı
-
13OneLake Dosya Gezgini
-
14SQL Aalytics Endpoint Kullanımı
-
15Görsel Sorgu Oluşturma
-
16Kısayollar Oluşturma
-
17Erişim & Paylaşım Yönetimi
POWER BI & SEMANTIC MODELLER
-
18Anlamsal Modelleri (Semantic Model) Anlama
-
19Power BI'da Anlamsal Modelleri Kullanma
-
20Yeni Anlamsal Model Oluşturma
-
21Ölçü (Measure) Oluşturma
-
22Power BI Desktop'tan Fabric'e Bağlanma
-
23SQL Endpoint Kullanımı
-
24Otomatik Rapor Oluşturma
-
25Uygulama Oluşturma
-
26Uygulamaları Güncelleme ve Silme
DATA FACTORY
VERİ AMBARLARI (DATA WAREHOUSES)
-
33Veri Ambarı Nedir?
-
34Veri Ambarı Oluşturma
-
35Table Oluşturma
-
36Veri Ekleme ve Güncelleştirme
-
37Tablo Şemasını Değiştirme
-
38Sütunları ve Şema Güncellemelerini Hesaplama
-
39COPY INTO Komutu
-
40Pipeline Kullanarak Veri Kopyalama
-
41Lakehouse'lardan SQL Endpoint'lerine Başvurma
-
42Tablo Klonlama
-
43Anlamsal Modeli Değiştirme ve Raporlar Oluşturma
VERİ MÜHENDİSLİĞİ (DATA ENGINEERING)
-
44Fabric Spark
-
45Bir Veri Çerçevesi (DataFrame) Oluşturma
-
46Notebooks
-
47Dosyaları Yükleme ve Okuma
-
48Lakehouse'a Bağlanma
-
49Şema Tanımlama
-
50Verileri Filtreleme
-
51Şema Değiştirme
-
52Sütun Ekleme
-
53Toplama & Gruplama (Aggregating & Grouping)
-
54Fonksiyonları Kullanma
-
55DataFrame'leri Birleştirme
-
56Lakehouse'a Dosya Yazma
-
57Delta Tablolarına Yazma
-
58SparkSQL Sorguları
-
59Geçici Görünümler (Temporary Views)
-
60Python ve SQL Kullanma
-
61Notebook'ları Zamanlama
-
62Notebook'ları Pipeline'a Entegre Etme
-
63Spark Ayarları
-
64Spark İş Tanımı
-
65Spark İş Tanımı Zamanlama
GERÇEK ZAMANLI ANALİZ (REAL-TIME ANALYTICS)
-
66Fabric'te Gerçek Zamanlı Analizin Temelleri
-
67Kusto Query Language (KQL) Veritabanı Oluşturma
-
68KQL'nin Temelleri
-
69Sıralama ve Filtreleme
-
70Toplama & Gruplama (Aggregating & Grouping)
-
71Verileri Görselleştirme
-
72Veri Alma
-
73Verileri Birleştirme
-
74Eventstream Oluşturma
-
75Steam Verilerini KQL Veritabanına Yönlendirme
-
76Olay İşleme (Event Processing)
-
77KQL Veritabanını Power BI'a Bağlama
-
78Steam'i Lakehouse'a Alma
-
79Notebook'larda Gerçek Zamanlı Veriler
-
80Saklama Politikaları (Retention Policies)
-
81Eventstream'i Silme
VERİ BİLİMİ (DATA SCIENCE)
-
82Veri Bilimine Giriş
-
83Notebook Kurulumu ve Veri Yükleme
-
84Pandas Dataframe Oluşturma
-
85Data Wrangler Kullanarak Veri Temizleme
-
86Keşif Analizi - Dağılımlar (Exploratory Analysis - Distributions)
-
87Özellik Etki Analizi (Feature Impact Analysis)
-
88Özellik Mühendisliği (Feature Engineering)
-
89Sonuçları Power BI'a Bağlama
-
90Deneyleri (Experiments) Kurma ve Modelleri Anlama
-
91Eğitim Verilerini (Training Data) Bölme ve Örnekleme
-
92Modeli Eğitme
-
93Deney ve Metrikleri (Experiment & Metrics) Keşfetme
-
94ROC ve Hassas Geri Çağırma Eğrisini (ROC & Precision Recall Curve) Anlama
-
95Farklı Modelleri Karşılaştırma
-
96Çalışmayı ML Modeli Olarak Kaydetme
-
97ML Modelini Uygulama