دوره جامع مهندسی تحلیل داده با استفاده از پلتفرم مایکروسافت فابریک (Microsoft Fabric) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع مهندسی تحلیل داده با استفاده از پلتفرم مایکروسافت فابریک (Microsoft Fabric)

موضوع کلی: علوم داده و تحلیل هوشمند کسب‌وکار

موضوع میانی: مهندسی داده و معماری انباره‌های داده ابری

📋 سرفصل‌های دوره

• 1. مبانی و مفاهیم پلتفرم مایکروسافت فابریک و اکوسیستم داده
• 2. معماری تحلیل داده در فضای ابری و نقش مهندس داده
• 3. آشنایی با محیط کاربری و قابلیت‌های پورتال فابریک
• 4. مدیریت ظرفیت و منابع در مایکروسافت فابریک
• 5. مفاهیم پایه وان‌لیک (OneLake) و سازماندهی داده‌ها
• 6. امنیت و حاکمیت داده در پلتفرم فابریک
• 7. ایجاد و مدیریت ورک‌اسپیس‌ها در فابریک
• 8. آشنایی با پایتون و زبان‌های اسکریپتی در تحلیل داده
• 9. مفاهیم لیک‌هاوس (Lakehouse) و معماری مدرن داده
• 10. طراحی و پیاده‌سازی جداول در لیک‌هاوس
• 11. استفاده از اس‌کیو‌ال (SQL) در محیط فابریک
• 12. وارد کردن داده‌ها با استفاده از پایپ‌لاین‌های داده (Data Pipelines)
• 13. استفاده از جریان‌های داده (Dataflows Gen2) برای آماده‌سازی داده
• 14. اتصال به منابع داده‌ای متنوع و ایمن‌سازی ارتباطات
• 15. مفاهیم تبدیل داده و پاک‌سازی با استفاده از دفترچه‌های نوت‌بوک
• 16. استفاده از آپاچی اسپارک (Apache Spark) برای پردازش‌های سنگین
• 17. بهینه‌سازی عملکرد کوئری‌ها در لیک‌هاوس
• 18. معماری انبار داده (Warehouse) در فابریک
• 19. طراحی مدل‌های داده‌ای ستاره‌ای و اسنو‌فلیک
• 20. پیاده‌سازی تراکنش‌های اس‌کیو‌ال در انبار داده فابریک
• 21. مدیریت فضای ذخیره‌سازی و ایندکس‌گذاری در انبار داده
• 22. استفاده از مدل‌های معنایی (Semantic Models) در فابریک
• 23. تعریف روابط و اندازه‌های (Measures) در مدل‌های داده
• 24. پیاده‌سازی امنیت در سطح ردیف (RLS) و سطح شیء
• 25. استفاده از ابزار مدل‌سازی تبولار (Tabular)
• 26. یکپارچه‌سازی مدل‌های داده با پاور بی‌آی (Power BI)
• 27. مفاهیم میانبر (Shortcuts) در وان‌لیک برای دسترسی به داده‌ها
• 28. اشتراک‌گذاری داده‌ها و همکاری در محیط فابریک
• 29. مانیتورینگ و عیب‌یابی پایپ‌لاین‌های داده
• 30. مدیریت خطا و استراتژی‌های بازیابی در پردازش داده
• 31. استفاده از رویدادها و تریگرها در اتوماسیون داده
• 32. مقدمه‌ای بر تحلیل هوشمند با استفاده از فابریک
• 33. تجسم داده‌ها در پلتفرم فابریک
• 34. مدیریت چرخه حیات داده و نسخه‌بندی (Git Integration)
• 35. استفاده از محیط توسعه (Deployment Pipelines)
• 36. مفاهیم پیشرفته در بهینه‌سازی پردازش‌های توزیع‌شده
• 37. آشنایی با معماری مدالیون (Medallion Architecture)
• 38. پیاده‌سازی لایه‌های برنزی، نقره‌ای و طلایی در لیک‌هاوس
• 39. حفاظت از داده‌های حساس و رعایت قوانین حریم خصوصی
• 40. گزارش‌گیری و مانیتورینگ عملکرد سیستم
• 41. تلفیق داده‌های ساختاریافته و غیرساختاریافته
• 42. استفاده از قابلیت‌های هوش مصنوعی در تحلیل داده‌ها
• 43. بهترین روش‌های نگهداری و پشتیبانی از راهکارهای داده‌محور
• 44. پروژه نهایی: طراحی و پیاده‌سازی یک معماری جامع تحلیل داده