DP-600 Microsoft Fabric Analytics Engineer
Preis Netto: € MwSt.: €
Preis Preis auf Anfrage
Dauer
4 Tage
Standort
Kurssprache englisch
Trainingslösung Online Live
Microsoft Fabric ist die Antwort auf die modernen Herausforderungen im Bereich der Datenanalyse. Mit einer leistungsstarken, einheitlichen Plattform können Daten effizient erfasst, verarbeitet und ausgewertet werden – und das in einer modernen, cloudbasierten Umgebung. Dieser umfassende Einblick in Microsoft Fabric vermittelt fortschrittliche Methoden, um auf die Bedürfnisse der Datenanalyse und -modellierung auf höchstem Niveau einzugehen.
Themenübersicht:
- Datenintegration mit Microsoft Fabric: Nahtlose Verknüpfung unterschiedlicher Datenquellen.
- Analyse von Daten mit Power BI: Visuelle Aufbereitung und Interaktivität.
- Verwaltung von Datasets und Datenflüssen: Effektives Handling großer Datenmengen.
- Implementierung von Echtzeit-Datenströmen: Schnelle Verarbeitung und Echtzeit-Analysen.
- Anwendung von Data Lakehouse-Technologien: Optimierung von Speicher und Analyse.
- Modellierung von Daten und Erstellung von Dashboards: Professionelle Visualisierungen.
- Optimierung der Performance von Analyseprozessen: Schnellere Ergebnisse bei großen Datenmengen.
Mit Microsoft Fabric gelingt die Umsetzung von leistungsstarken, skalierbaren Datenlösungen. Eine ideale Plattform, um effizient und zukunftssicher in der Welt der Datenanalyse zu arbeiten.
- Gen2-Datenflüsse in Microsoft Fabric analysieren
- Gen2-Datenflüsse erforschen
- Gen2-Datenflüsse und Pipelines kombinieren
- Spark-Datenintegration
- Lakehouse-Datenablage
- Nutzung der erfassten Daten analysieren
- Pipeline-Konzepte begreifen
- Nutzung von Datenkopieraufgaben
- Einsatz von Pipeline-Vorlagen
- Pipeline-Start und -Überwachung
- Microsoft Fabric Lakehouse entdecken
- Arbeiten mit Lakehouse in Microsoft Fabric
- Datenumwandlung im Lakehouse untersuchen
- Medaillon-Architektur erklären
- Medaillon-Architektur umsetzen
- Datenabfragen und Berichtserstellung
- Lakehouse-Management-Strategien
- Spark-Setup und Konfiguration
- Ausführung von Spark-Programmen
- Bearbeitung von Daten im Spark-Datenframe
- Nutzung von Spark SQL für Datenverarbeitung
- Datenvisualisierung in Spark-Notizbüchern
- Delta Lake Konzept
- Erstellung von Deltatabellen
- Spark-Integration mit Deltatabellen
- Deltatabellen für Streaming-Daten nutzen
- Einführung in Data Warehouses
- Data Warehouses in Fabric nutzen
- Datenabfragen und -transformation
- Vorbereitung von Daten für Analysen
- Sicherheit und Monitoring von Data Warehouses
- Datenlade-Methoden untersuchen
- Einsatz von Datenpipelines für Warehouse-Integration
- T-SQL für Datenladen nutzen
- Datenintegration und -transformation mit Dataflow Gen2
- SQL-Editor nutzen
- Visuellen Editor entdecken
- Client-Tools für Warehouse-Abfragen einsetzen
- Überwachung der Kapazität
- Tracking aktueller Prozesse
- Überwachung von Abfragen
- Bedeutung skalierbarer Modelle verstehen
- Best Practices für Power BI-Datenmodellierung anwenden
- Optimierung der Konfiguration großer Datensätze
- Modellbeziehungen analysieren
- Beziehungen konfigurieren
- DAX-Funktionen für Beziehungen anwenden
- Auswertung von Beziehungen verstehen
- DAX-Performance überwachen
- DAX Studio für Fehleranalyse nutzen
- Datenmodell mit Best Practice Analyzer verbessern
- Power BI-Modellzugriff begrenzen
- Modellobjekte in Power BI schützen
- Best Practices für Modellierung nutzen
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
09:00 - 17:00
