Ana içeriğe atla

Kurs

Microsoft Fabric ile Verileri Dönüştür ve Analiz Et

TemelBeceri Seviyesi

Güncel 12.2025

Microsoft Fabric hesabınızda verileri dönüştürmeyi ve analiz etmeyi öğrenin

Kursa Ücretsiz Başlayın

AzureOther

4 sa

16 video

50 Egzersiz

4,100 XP

2,422

Başarı Belgesi

Binlerce şirketten öğrencinin sevgisini kazandı

Bir Ekibi Eğitiyor musunuz?

İşletmeler için deneyin

Kurs Açıklaması

Bu kurs, Microsoft Fabric'in üç temel konusuna odaklanır: verileri dönüştürme, verileri keşfetme ve analiz etme, ve performansı iyileştirme. Dersler ve etkileşimli egzersizler boyunca, Fabric lakehouse'ları ve warehouse'larında verileri dönüştürmeye yönelik farklı teknikleri öğreneceksin; verilerdeki sorunları belirlemeden birleştirme, özetleme ve filtrelemeye kadar. Ayrıca, Fabric lakehouse'ları ve warehouse'larında verileri keşfetmek ve profillemek için farklı araçları ve yöntemleri, ayrıca bu Fabric nesnelerinin performansını nasıl izleyip iyileştireceğini öğreneceksin.

Önkoşullar

Introduction to Microsoft Fabric

1

Microsoft Fabric ile Veri Mühendisliği

Microsoft Fabric'te veri mühendisliğinin temel unsurlarına giriş niteliğinde bir genel bakış edin; yıldız şeması gibi temel çözüm tasarımı öğelerinden, veri keşfi ve dönüştürmeyi destekleyen Fabric özelliklerine kadar.

Microsoft Fabric ile Verileri Dönüştür ve Analiz Et

İlk Lakehouse'unu oluşturma

Microsoft Fabric ile Veri Mühendisliği

Fabric Veri Mühendisliğini Keşfetme

Veri depolama ve dönüştürme öğeleri

Lakehouse ve Warehouse

Yıldız Şemalarına Giriş

Yıldız Şemaları

Snowflake Şemaları

Veri Modellemesi Senaryoları

Veri Keşfi ve Dönüşümü

Veri Toplama (Aggregation)

Veri Birleştirme

Bölümü Başlat

2

Bir Lakehouse veya Warehouse için Yıldız Şemasını Uygulama

Microsoft Fabric'te yıldız şemalarını uygularken dikkate alınması gereken belirli yönlere derinlemesine bak: olgu ve boyut tabloları oluşturma, yavaş değişen boyutları ve diğer özel boyut senaryolarını yönetme, veriyi normalize etme ve denormalize etme.

Yıldız Şemalarını Uygulama

Boyut Tabloları Oluşturma

Olgu Tablosu Özellikleri

Olay (Fact) Tabloları Oluşturma

Yavaş Değişen Boyutlar

SCD Türleri

SCD Tip 2 Değişikliklerini Uygulama

Özel Boyut Senaryoları

Özel Boyutlar

Tarih Boyutlarının Uygulanması

Çok Değerli Boyutlar ve Köprü Tablolar

Veri Denormalizasyonu

Denormalizasyon vs. Normalizasyon

Veri Denormalizasyonunu Uygulama

Bölümü Başlat

3

Verileri Dönüştür, Keşfet ve Analiz Et

Veri dönüştürme ve keşfinin kilit alanlarına odaklan: temizleme, filtreleme, özetleme ve verileri birleştirme.

Veri Temizleme ve Filtreleme

Uygulamalı Veri Temizleme

Veri Türlerini Dönüştürme

PySpark ile Veri Filtreleme

Veri Birleştirme (Toplama)

Veri Toplama Senaryoları

Veri Birleştirme (Aggregation) Uygulaması

Verileri Birleştirme ve İlişkilendirme

SQL kullanarak join işlemi

PySpark kullanarak birleştirme

Verileri Keşfet ve Analiz Et

Veri Profilleme

XMLA ve SQL Uç Noktaları için kullanım senaryuları

Bir SQL Sorgu Aracı Seçmek

Bölümü Başlat

4

Performansı Optimize Et

Bir Fabric çözümünün performansını izlemek için kullanılabilen araçları ve Fabric altyapısında ve tekil öğelerde performans iyileştirmelerinin nasıl uygulanacağını öğren; Delta Lake tablolarının optimizasyonu dahil.

Performans sorunlarını belirleme

Fabric Capacity Metrics uygulamasını yükle

Capacity Metrics Uygulamasıyla Kullanımı İzleme

Capacity Metrics Uygulamasıyla Depolamayı İzleme

Performans iyileştirmelerini uygula

Dataflows'ta performans iyileştirmeleri uygula

Delta Lake tablo optimizasyonu

OPTIMIZE İşlemini Kullan

Bölümü Başlat

Microsoft Fabric ile Verileri Dönüştür ve Analiz Et

Kurs
Tamamlandı

Başarı Belgesi Kazanın

Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyin
Sosyal medyada ve performans incelemenizde paylaşınŞimdi kaydolun

Bugün 19 milyondan fazla öğrenciye katılın ve Microsoft Fabric ile Verileri Dönüştür ve Analiz Et eğitimine başlayın!

DataCamp for Mobile ile veri becerilerinizi geliştirin

Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.