End-to-end zelfstudies in Microsoft Fabric
In dit artikel vindt u een uitgebreide lijst met end-to-end zelfstudies die beschikbaar zijn in Microsoft Fabric. Deze zelfstudies begeleiden u door een scenario dat betrekking heeft op het hele proces, van gegevensverwerving tot gegevensverbruik. Ze zijn ontworpen om u te helpen bij het ontwikkelen van een fundamenteel begrip van de infrastructuurgebruikersinterface, de verschillende ervaringen die worden ondersteund door Fabric en hun integratiepunten, en de professionele en burgerontwikkelaarservaringen die beschikbaar zijn.
Zelfstudies voor meerdere ervaringen
De volgende tabel bevat zelfstudies die meerdere Fabric-ervaringen omvatten.
Naam van zelfstudie | Scenario |
---|---|
Lakehouse | In deze zelfstudie neemt, transformeert en laadt u de gegevens van een fictieve detailhandel, Wide World Importers, in het lakehouse en analyseert u verkoopgegevens in verschillende dimensies. |
Datawetenschap | In deze zelfstudie verkent, schoont en transformeert u een semantisch taxicab-reismodel en bouwt u een machine learning-model om de duur van de reis op schaal te voorspellen op een groot semantisch model. |
Realtime intelligence | In deze zelfstudie gebruikt u de streaming- en querymogelijkheden van Real-Time Intelligence om gegevens van de fietsshare in Londen te analyseren. U leert hoe u de gegevens streamt en transformeert, KQL-query's uitvoert, een realtime dashboard en een Power BI-rapport bouwt om inzichten te verkrijgen en te reageren op deze realtime gegevens. |
Datawarehouse | In deze zelfstudie bouwt u een end-to-end datawarehouse voor het fictieve bedrijf Wide World Importers. U neemt gegevens op in datawarehouse, transformeert deze met behulp van T-SQL en pijplijnen, voert query's uit en bouwt rapporten. |
Fabric SQL-database | De zelfstudie bevat een uitgebreide handleiding voor het gebruik van de SQL-database in Fabric. Deze zelfstudie is afgestemd op het navigeren door het proces van het maken van databases, het instellen van databaseobjecten, het verkennen van autonome functies en het combineren en visualiseren van gegevens. Daarnaast leert u hoe u een GraphQL-eindpunt maakt, dat fungeert als een moderne benadering om uw gegevens efficiƫnt te verbinden en er query's op uit te voeren. |
Ervaringsspecifieke zelfstudies
In de volgende zelfstudies worden scenario's in specifieke Fabric-ervaringen beschreven.
Naam van zelfstudie | Scenario |
---|---|
Power BI | In deze zelfstudie bouwt u een gegevensstroom en pijplijn om gegevens in een lakehouse te brengen, een dimensional model te maken en een overtuigend rapport te genereren. |
Data Factory | In deze zelfstudie neemt u gegevens op met gegevenspijplijnen en transformeert u gegevens met gegevensstromen en gebruikt u vervolgens de automatisering en melding om een volledig scenario voor gegevensintegratie te maken. |
end-to-end AI-voorbeelden Datawetenschap | In deze reeks zelfstudies leert u meer over de verschillende Datawetenschap ervaringsmogelijkheden en voorbeelden van hoe ML-modellen uw veelvoorkomende zakelijke problemen kunnen oplossen. |
Datawetenschap - Prijsvoorspelling met R | In deze zelfstudie bouwt u een machine learning-model om de avocadoprijzen in de VS te analyseren en te visualiseren en toekomstige prijzen te voorspellen. |
Beheer van de levenscyclus van toepassingen | In deze zelfstudie leert u hoe u implementatiepijplijnen samen met Git-integratie kunt gebruiken om samen te werken met anderen in de ontwikkeling, testen en publicatie van uw gegevens en rapporten. |
Gerelateerde inhoud
- Een werkruimte maken
- Gegevensitems detecteren in de OneLake-gegevenshub