Pular para o conteúdo principal

Curso

Transforme e analise dados com o Microsoft Fabric

BásicoNível de habilidade

Atualizado 12/2025

Aprenda a transformar e analisar dados na sua conta do Microsoft Fabric.

Iniciar curso gratuitamente

AzureOther

4 h

16 vídeos

50 Exercícios

4,100 XP

2,402

Declaração de realização

Preferido por alunos de milhares de empresas

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

Este curso aborda três tópicos principais do Microsoft Fabric: transformação de dados, exploração e análise de dados e otimização de desempenho. Por meio de aulas e exercícios interativos, você vai aprender diferentes técnicas para transformar dados em lakehouses e warehouses do Fabric, desde identificar problemas nos dados até mesclar, agregar e filtrar dados. Você também vai conhecer ferramentas e métodos para explorar e perfilar dados em lakehouses e warehouses do Fabric, além de como monitorar e otimizar o desempenho desses objetos do Fabric.

Pré-requisitos

Introduction to Microsoft Fabric

1

Data Engineering with Microsoft Fabric

Get an introductory overview of the basic elements of data engineering in Microsoft Fabric, from key solution design items like the star schema to the various features in Fabric supporting data exploration and transformation.

Transform and Analyze Data with Microsoft Fabric

Creating your first Lakehouse

Data Engineering in Microsoft Fabric

Exploring Fabric Data Engineering

Data storage and transformation items

Lakehouse verus Warehouse

Introduction to Star Schemas

Star Schemas

Snowflake Schemas

Data Modeling Scenarios

Data Exploration and Transformation

Data Aggregation

Data Merging

Iniciar capítulo

2

Implement a Star Schema for a Lakehouse or Warehouse

Drill down into specific aspects to consider when implementing star schemas in Microsoft Fabric, including creating fact and dimension tables, managing slowly changing dimensions and other special dimension scenarios, and normalizing and de-normalizing data.

Implementing Star Schemas

Creating Dimension Tables

Fact Table Characteristics

Creating Fact Tables

Slowly Changing Dimensions

Implementing SCD Type 2 Changes

Special Dimension Scenarios

Special Dimensions

Implementing Date Dimensions

Multivalued Dimensions and Bridge Tables

Data Denormalization

Denormalization vs. Normalization

Implementing Data Denormalization

Iniciar capítulo

3

Transform, Explore, and Analyze Data

Drill down into key areas of data transformation and exploration: cleansing, filtering, aggregating and merging data.

Data Cleansing and Filtering

Data Cleansing in Action

Converting Data Types

Data Filtering with PySpark

Data Aggregation

Data Aggregation Scenarios

Implementing Data Aggregation

Merging and Joining Data

Joining using SQL

Merging using PySpark

Explore and Analyze Data

Data Profiling

Use cases for XMLA and SQL Endpoints

Choosing a SQL Query Tool

Iniciar capítulo

4

Optimize Performance

Learn about tools available to monitor the performance of a Fabric solution and how to implement performance improvements in the Fabric infrastructure and individual items, including optimization of delta lake tables.

Identifying performance issues

Install the Fabric Capacity Metrics app

Monitoring Usage with the Capacity Metrics App

Monitoring Storage with the Capacity Metrics App

Implement performance improvements

Implement performance improvements in Dataflows

Delta Lake table optimization

Use the OPTIMIZE Operation

Congratulations!

Iniciar capítulo

Transforme e analise dados com o Microsoft Fabric

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

Faça como mais de 19 milhões de alunos e comece Transforme e analise dados com o Microsoft Fabric hoje mesmo!

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.