Implement analytics solutions using Microsoft Fabric (DP-600T00)

Erkunden von Analysedatenspeichern in Microsoft Fabric

• Einführung in End-to-End-Analysen mithilfe von Microsoft Fabric
• Entdecken und Verbinden mit Daten in OneLake
• Erste Schritte mit Seehäusern in Microsoft Fabric
• Erste Schritte mit Data-Warehouses in Microsoft Fabric
• Erste Schritte mit Real-Time Intelligence in Microsoft Fabric

Entwerfen und Transformieren von Analysedaten in Microsoft Fabric

• Auswählen von Datenspeichern in Microsoft Fabric
• Entwerfen von dimensionalen Modellen für Analysen in Microsoft Fabric
• Transformieren von Daten mithilfe von Dataflows Gen2 in Microsoft Fabric
• Transformieren von Daten mithilfe von Notizbüchern in Microsoft Fabric
• Transformieren von Daten mithilfe von T-SQL in Microsoft Fabric

Entwerfen und Verwalten von semantischen Modellen in Microsoft Fabric

• DAX-Berechnungen in semantischen Modellen erstellen
• Entwerfen von semantischen Modellen zur Skalierung in Microsoft Fabric
• Optimieren der Leistung des semantischen Modells
• Erzwingen von Sicherheitsmaßnahmen für das Semantikmodell
• Verwalten des Lebenszyklus der Semantikmodellentwicklung

Vorbereiten von KI-fähigen Analysedaten in Microsoft Fabric

• Vorbereiten der semantischen Ebene für KI in Microsoft Fabric
• Grundlegendes zu Microsoft Fabric IQ
• Erstellen einer Ontologie mit Fabric IQ

Sichern und Steuern von Analysedaten in Microsoft Fabric

• Sicherer Datenzugriff in Microsoft Fabric
• Sichern eines Microsoft Fabric-Data Warehouse
• Verwalten von Daten in Microsoft Fabric mit Purview
• Verwalten von Analysedaten in Microsoft Fabric

Die Lernenden sollten mit einer der folgenden Programmiersprachen vertraut sein: Structured Query Language (SQL), Kusto-Abfragesprache (KQL) oder Data Analysis Expressions (DAX).

Dieser Kurs richtet sich an Datenexperten mit Erfahrung in der Datenmodellierung, Transformation und Analyse. Lernende sollten bereits Erfahrung damit haben, geschäftliche Anforderungen mithilfe von Structured Query Language (SQL) oder Data Analysis Expressions (DAX) in analytische Kennzahlen zu überführen. Erfahrung beim Erstellen semantischer Modelle und Berichte in Power BI wird empfohlen. Vertrautheit mit kusto Query Language (KQL) und Python ist auch hilfreich, aber nicht erforderlich.