دوره آموزشی آمادگی آزمون DP-700: پیادهسازی راهکارهای مهندسی داده با Microsoft Fabric
5 ساعت 6 دقیقهمتوسط2026-02-11
مدرسین

Microsoft Press
Microsoft
جزئیات دوره
این دوره برای آمادهسازی حرفهای آزمون Microsoft Fabric DP-700 طراحی شده و بهت کمک میکنه مهارتهای مهندسی داده و تحلیل داده رو در یکی از جدیدترین پلتفرمهای مایکروسافت یعنی Microsoft Fabric بهصورت عملی یاد بگیری.
تو این آموزش یاد میگیری چطور دادهها رو از منابع مختلف وارد (Ingest) و پردازش کنی و با ابزارهایی مثل PySpark، Power Query و KQL اونها رو تبدیل و آماده تحلیل کنی. این مهارتها پایه اصلی کار در پروژههای دادهمحور و سیستمهای تحلیلی مدرن هستن.
در ادامه با مفاهیم مهمی مثل مدیریت چرخه عمر داده (Data Lifecycle Management)، امنیت داده، بهینهسازی عملکرد و انواع روشهای ذخیرهسازی مثل Lakehouse و Data Warehouse آشنا میشی و یاد میگیری هرکدوم در چه سناریویی استفاده میشن.
یکی از بخشهای مهم دوره، یادگیری طراحی و مدیریت جریان دادههاست؛ یعنی چطور با استفاده از Pipelineها و زمانبندی (Scheduling) میتونی کل فرآیند انتقال و پردازش داده رو بهصورت خودکار و سازمانیافته اجرا کنی.
این دوره با پروژههای کوچک و کاربردی طراحی شده تا تجربه عملی واقعی داشته باشی و بتونی از مفاهیم تئوری در سناریوهای واقعی استفاده کنی.
در نهایت هدف این دوره اینه که بتونی یک راهکار کامل مهندسی داده در Microsoft Fabric طراحی، پیادهسازی، مدیریت و بهینهسازی کنی و برای نقشهای حرفهای مثل Data Engineer، Analytics Engineer یا Architect آماده بشی.
اهداف یادگیری
با طراحی و پیادهسازی راهکارهای تحلیلی در Microsoft Fabric آشنا میشوی.
یاد میگیری دادهها را از منابع مختلف جمعآوری و وارد سیستم کنی.
میتوانی دادهها را با استفاده از PySpark، Power Query و KQL تبدیل کنی.
با مفاهیم ذخیرهسازی داده مانند Lakehouse و Data Warehouse آشنا میشوی.
یاد میگیری جریان داده را با Pipelineها طراحی و مدیریت کنی.
میتوانی فرآیندهای زمانبندی و اجرای خودکار داده را پیادهسازی کنی.
با اصول امنیت و مدیریت چرخه عمر داده آشنا میشوی.
یاد میگیری چگونه یک سیستم تحلیلی را مانیتور و بهینهسازی کنی.
میتوانی عملکرد راهکارهای داده را تحلیل و بهبود دهی.
برای آزمون DP-700 و نقشهای حرفهای داده آماده میشوی.
تو این آموزش یاد میگیری چطور دادهها رو از منابع مختلف وارد (Ingest) و پردازش کنی و با ابزارهایی مثل PySpark، Power Query و KQL اونها رو تبدیل و آماده تحلیل کنی. این مهارتها پایه اصلی کار در پروژههای دادهمحور و سیستمهای تحلیلی مدرن هستن.
در ادامه با مفاهیم مهمی مثل مدیریت چرخه عمر داده (Data Lifecycle Management)، امنیت داده، بهینهسازی عملکرد و انواع روشهای ذخیرهسازی مثل Lakehouse و Data Warehouse آشنا میشی و یاد میگیری هرکدوم در چه سناریویی استفاده میشن.
یکی از بخشهای مهم دوره، یادگیری طراحی و مدیریت جریان دادههاست؛ یعنی چطور با استفاده از Pipelineها و زمانبندی (Scheduling) میتونی کل فرآیند انتقال و پردازش داده رو بهصورت خودکار و سازمانیافته اجرا کنی.
این دوره با پروژههای کوچک و کاربردی طراحی شده تا تجربه عملی واقعی داشته باشی و بتونی از مفاهیم تئوری در سناریوهای واقعی استفاده کنی.
در نهایت هدف این دوره اینه که بتونی یک راهکار کامل مهندسی داده در Microsoft Fabric طراحی، پیادهسازی، مدیریت و بهینهسازی کنی و برای نقشهای حرفهای مثل Data Engineer، Analytics Engineer یا Architect آماده بشی.
اهداف یادگیری
با طراحی و پیادهسازی راهکارهای تحلیلی در Microsoft Fabric آشنا میشوی.
یاد میگیری دادهها را از منابع مختلف جمعآوری و وارد سیستم کنی.
میتوانی دادهها را با استفاده از PySpark، Power Query و KQL تبدیل کنی.
با مفاهیم ذخیرهسازی داده مانند Lakehouse و Data Warehouse آشنا میشوی.
یاد میگیری جریان داده را با Pipelineها طراحی و مدیریت کنی.
میتوانی فرآیندهای زمانبندی و اجرای خودکار داده را پیادهسازی کنی.
با اصول امنیت و مدیریت چرخه عمر داده آشنا میشوی.
یاد میگیری چگونه یک سیستم تحلیلی را مانیتور و بهینهسازی کنی.
میتوانی عملکرد راهکارهای داده را تحلیل و بهبود دهی.
برای آزمون DP-700 و نقشهای حرفهای داده آماده میشوی.
سرفصل ها
مقدمه
- آزمون DP-700 - پیادهسازی راهکارهای مهندسی داده با استفاده از Microsoft Fabric - مقدمه
درس 1 - مقدمهای بر مهندسی دادههای پارچه مایکروسافت
- اهداف یادگیری
- درک اصول اولیه Microsoft Fabric
- بررسی اجزای کلیدی مهندسی دادههای Microsoft Fabric
- درک نقش مهندسان داده در اکوسیستمهای داده مدرن
- مقایسه مهندسی داده، علم داده و علم تجزیه و تحلیل
- دسترسی به مایکروسافت فابریک
- آشنایی با مجوزها و لایسنسهای مورد نیاز
- مسابقه
درس 2 - پیکربندی فضاهای کاری Fabric
- اهداف یادگیری
- پیکربندی تنظیمات اسپارک
- پیکربندی تنظیمات دامنه
- پیکربندی تنظیمات OneLake
- پیکربندی تنظیمات گردش کار داده
- مسابقه
درس ۳ - پیادهسازی مدیریت چرخه عمر
- اهداف یادگیری
- استفاده از گیت برای کنترل نسخه فضاهای کاری و آیتمها
- استفاده از پروژههای پایگاه داده برای انبار
- پیادهسازی خطوط لوله استقرار
- مسابقه
درس ۴ - پیکربندی امنیت و مدیریت
- اهداف یادگیری
- پیکربندی کنترلهای دسترسی برای فضاهای کاری
- پیکربندی کنترلهای دسترسی برای اقلام
- پیکربندی کنترلهای دسترسی RLS، CLS، سطح شیء و سطح فایل پوشه
- پیکربندی پوشش داده پویا
- اعمال برچسبهای حساسیت و تایید اقلام
- پیکربندی و استفاده از ثبت وقایع فضای کاری
- پیکربندی و استفاده از امنیت OneLake
- مسابقه
درس 5 - نحوه چیدمان پارچهها
- اهداف یادگیری
- پیکربندی برنامههای خط لوله
- پیکربندی برنامههای دفترچه یادداشت
- پیکربندی زمانبندیهای Dataflow Gen2
- استفاده از پارامترها و عبارات پویا در خطوط لوله
- استفاده از پارامترها در دفترچههای یادداشت
- مسابقه
درس 6 - طراحی و پیادهسازی الگوهای بارگذاری
- اهداف یادگیری
- پیادهسازی بارگذاری کامل دادهها
- پیادهسازی بارگذاریهای افزایشی دادهها
- آمادهسازی دادهها برای ورود به یک مدل ابعادی
- مسابقه
درس 7 - دریافت و تبدیل دادههای دستهای
- اهداف یادگیری
- انتخاب بین یک خانه کنار دریاچه و یک انبار برای ذخیره سازی داده ها
- تبدیل دادهها با استفاده از Power Query، PySpark، KQL و T-SQL
- ایجاد و مدیریت میانبرهای lakehouse
- ایجاد و مدیریت قرینهسازی
- استفاده از خطوط لوله برای دریافت دادهها
- دریافت دادهها با استفاده از یکپارچهسازی مداوم از OneLake
- طراحی یک مدل ابعادی
- گروهبندی و تجمیع دادهها
- مدیریت دادههای تکراری، گمشده و دادههای دیررسیده
- مسابقه
درس 8 - دریافت و تبدیل دادههای جریانی
- اهداف یادگیری
- انتخاب بین Eventstream، Spark Structured Streaming و KQL برای استریمینگ
- آشنایی با میانبرهای ذخیرهسازی بومی پایگاه داده KQL، ذخیرهسازی دنبالشده و OneLake
- استفاده از Eventstreams برای پردازش دادهها
- استفاده از Spark Structured Streaming برای پردازش دادهها
- استفاده از KQL برای پردازش دادهها
- استفاده از توابع پنجرهای برای پرسوجوی دادههای جریانی
- مسابقه
درس 9 - نظارت بر اقلام پارچهای
- اهداف یادگیری
- نظارت بر مصرف دادهها
- نظارت بر تبدیل دادهها
- نظارت بر بهروزرسانیهای مدل معنایی Power BI
- پیکربندی هشدارها
- مسابقه
درس 10 - نحوه شناسایی و رفع خطاها
- اهداف یادگیری
- عیبیابی و رفع خطاهای خط لوله
- عیبیابی و رفع خطاهای نوتبوک
- عیبیابی و رفع خطاهای Eventhouse و Eventstream
- عیبیابی و حل خطاهای T-SQL
- عیبیابی و رفع خطاهای میانبر
- مسابقه
- عیبیابی و حل خطاهای جریان داده
درس ۱۱ - چگونه عملکرد را بهینه کنیم
- اهداف یادگیری
- بهینهسازی انبار
- بهینهسازی Eventstreamها و Eventhouseها
- بهینهسازی عملکرد اسپارک
- بهینهسازی عملکرد پرسوجو
- مسابقه
- بهینهسازی میز کنار دریاچهای
- بهینهسازی خط تولید کارخانه داده
درس ۱۲ - کاربردهای عملی و مطالعات موردی
- اهداف یادگیری
- بررسی نمونههای خاص صنعت (امور مالی، مراقبتهای بهداشتی، خردهفروشی)
- بررسی داستانهای موفقیت با استفاده از Microsoft Fabric
- به کارگیری درسهای آموخته شده و بهترین شیوهها
- بررسی پروژههای کوچک هدایتشده
خلاصه
- آزمون DP-700 - پیادهسازی راهکارهای مهندسی داده با استفاده از Microsoft Fabric - خلاصه
دوره های مرتبط
- دوره آموزشی یادگیری مایکروسافت فابریک
- دوره آموزشی امنیت مدلهای زبانی بزرگ (LLM): چطور از سرمایهگذاریهات تو هوش مصنوعی مولد محافظت کنی
- دوره آموزشی طراحی انبار داده در SQL Server 2019
- دوره آموزشی استراتژی داده در هوش مصنوعی: تهیه و ذخیرهسازی دادهها
- دوره آموزشی طراحی پایگاه داده عملی: پیادهسازی راهحلهای دادهای مسئول با کوئری SQL
- دورهی آموزشی مقدماتی آپاچی اسپارک: مهندسی دادههای بزرگ
- دوره آموزشی مهندسی داده نمودارهای دانشی برای کاربردهای هوش مصنوعی تولیدی
- دوره آموزشی آمادگی آزمون متخصص تجزیه و تحلیل داده های تایید شده آمازون وب سرویس (DAS-C01): بخش سوم پردازش