DP-700 Fabric Data Engineer: Prüfungsvorbereitung

• Tag 1: Arbeitsbereich, Lebenszyklus, Sicherheit
• Arbeitsbereich und Kapazität einrichten
  
• Lebenszyklus und Versionskontrolle
  
• Zugriff und Governance
  
• Orchestrierung wählen
  
• Praxis-Übung 1: Ein Arbeitsbereich wird eingerichtet, an Git gebunden und mit einer Deployment-Pipeline in einen zweiten Arbeitsbereich befördert. Anschließend wird eine Sicherheitsrolle mit Zeilenfilter angelegt und geprüft, was ein Benutzer dieser Rolle tatsächlich sieht.
• Tag 2: Daten aufnehmen
• Lademuster entscheiden
  
• Den Datenspeicher wählen
  
• OneLake-Shortcuts und Mirroring
  
• Pipelines für die Aufnahme
  
• Praxis-Übung 2: Ein Lakehouse wird mit Bronze- und Silberschicht angelegt. Eine Pipeline lädt zunächst vollständig, dann inkrementell über ein Wasserzeichen. Zusätzlich wird ein Shortcut auf eine externe Quelle gelegt und der Unterschied zum Kopieren festgehalten.
• Tag 3: Transformieren und Streaming
• Transformieren mit PySpark
  
• Transformieren mit T-SQL
  
• KQL von Grund auf
  
• Streaming verarbeiten
  
• Praxis-Übung 3: Dieselbe Transformation wird in PySpark und in T-SQL umgesetzt und das Ergebnis verglichen. Danach wird ein Eventstream in ein Eventhouse geleitet und mit einer KQL-Abfrage über ein Zeitfenster ausgewertet.
• Tag 4: Überwachen, optimieren, Prüfung
• Überwachen und Fehler finden
  
• Optimieren
  
• Die Fragenform und die Probeprüfung
  
• Praxis-Übung 4: In einer vorbereiteten Umgebung mit drei eingebauten Fehlern werden die Fehlläufe im Monitoring-Hub gefunden und behoben. Danach wird eine langsame Lakehouse-Tabelle optimiert und die Verbesserung gemessen.
  
  
  
  
• ...

Den kompletten Seminarinhalt finden Sie auf der Anbieterseite

• Data Engineers, die Fabric im Einsatz haben und DP-700 ablegen wollen
• BI- und Datenbankentwickler, die von Synapse, SSIS oder Data Factory auf Fabric wechseln
• Cloud- und Dateningenieure, die Lakehouse und Real-Time Intelligence verantworten
• Teams, die mehrere Personen zertifizieren und eine gemeinsame Vorbereitung brauchen

Voraussetzungen: Sicheres SQL, also Joins, Gruppierungen und Fensterfunktionen lesen und schreiben. Praktische Erfahrung mit mindestens einer Verarbeitungssprache, Python mit PySpark oder T-SQL. Grundverständnis von Cloudspeicher und Dateiformaten. KQL wird nicht vorausgesetzt und im Kurs von Grund auf aufgebaut
, weil die meisten Kandidaten genau dort die Lücke haben. Erste Erfahrung mit Fabric oder Azure ist hilfreich. Wer Fabric noch nie gesehen hat, beginnt mit S7358 oder S7176.