Zrozumiesz architekturę Fabric - Poznasz, jak działa Microsoft Fabric od strony architektury, ról zespołów danych i infrastruktury sieciowej, dzięki czemu łatwiej ocenisz, jak wykorzystać platformę w swoim środowisku.
Samodzielnie uruchomisz platformę - Przećwiczysz konfigurację i aktywację Microsoft Fabric krok po kroku, więc po szkoleniu sprawniej rozpoczniesz pracę z usługą i unikniesz typowych błędów wdrożeniowych.
Opanujesz podejście Lakehouse - Zrozumiesz, czym różni się Lakehouse od tradycyjnego magazynu danych i kiedy warto go stosować, co pomoże Ci trafniej projektować nowoczesne rozwiązania analityczne.
Będziesz pracować na danych w Lakehouse - Nauczysz się eksplorować, przekształcać i analizować dane w Fabric Lakehouse, a następnie prezentować wyniki, dzięki czemu szybciej przejdziesz od surowych danych do wniosków.
Uruchomisz Apache Spark w praktyce - Poznasz wymagania, konfigurację środowiska i inicjalizację sesji Spark, więc zyskasz pewność w uruchamianiu obliczeń i przygotowaniu platformy do pracy z większymi zbiorami danych.
Przetworzysz dane w Spark i SQL - Nauczysz się ładować dane do DataFrame, wykonywać transformacje oraz korzystać ze Spark SQL, co pozwoli Ci sprawnie przygotowywać dane do analiz i raportowania.
Wykorzystasz możliwości Delta Lake - Dowiesz się, jak tworzyć i modyfikować tabele Delta Lake oraz śledzić historię zmian, dzięki czemu łatwiej zadbasz o spójność danych, wersjonowanie i kontrolę modyfikacji.
Zautomatyzujesz przepływ danych - Poznasz przepływy Gen2 i potoki Data Factory, nauczysz się kopiować dane, uruchamiać procesy oraz monitorować ich przebieg, co ułatwi Ci budowę stabilnych procesów ETL.
Microsoft Fabric jest tu ujmowany jako spójna platforma analityczna, łącząca kluczowe obszary pracy z danymi. Sekcja objaśnia architekturę i najważniejsze funkcjonalności, wskazuje korzyści wdrożeniowe oraz rolę zespołów danych i infrastruktury sieci szkieletowej.
Zanim rozpocznie się pracę analityczną, platforma musi zostać poprawnie uruchomiona i przygotowana. Ta sekcja porządkuje praktyczne kroki konfiguracji, proces aktywacji, pierwsze działania po włączeniu oraz dobre praktyki wspierające sprawne wdrożenie Microsoft Fabric.
Relacja między klasycznym magazynem danych a podejściem Lakehouse pokazuje, z czego wynika rosnąca rola tego modelu w analityce. Uczestnicy poznają definicję koncepcji, najważniejsze różnice względem tradycyjnych rozwiązań oraz przykłady użycia w Microsoft Fabric.
W środowisku Fabric Lakehouse analiza nie jest oddzielona od eksploracji i przygotowania danych. Sekcja obejmuje przegląd dostępnych zasobów, przekształcanie danych pod konkretne potrzeby analityczne oraz prezentację rezultatów uzyskanych na przygotowanych zbiorach.
Apache Spark stanowi podstawę dalszej pracy z danymi, dlatego najpierw omawiane są jego architektura i wymagania środowiskowe. Następnie sekcja przechodzi do konfiguracji środowiska, uruchomienia platformy oraz inicjalizacji sesji potrzebnej do pracy praktycznej.
Od załadowania danych do Spark DataFrame zaczyna się etap ich przygotowania do dalszej analizy. Uczestnicy pracują nad transformacjami, porządkowaniem zbiorów oraz wykorzystaniem języka SQL i interfejsu Spark SQL API do wykonywania operacji na danych.
Przedstawienie wyników analiz wymaga nie tylko wygenerowania wykresów, ale też właściwego doboru formy prezentacji. Sekcja koncentruje się na technikach wizualizacji w Spark, użyciu dostępnych narzędzi oraz poprawie czytelności i układu prezentowanych danych.
Delta Lake wnosi do pracy analitycznej spójność transakcyjną i uporządkowany model przechowywania danych. W tej części uczestnicy tworzą i modyfikują tabele, a następnie analizują wersjonowanie danych oraz historię zmian jako podstawę kontroli i odtwarzalności operacji.
Gdy trzeba szybko przygotować warstwę zasilania danych, przepływy Gen2 pozwalają realizować ten proces w modelu low-code w obrębie Microsoft Fabric. Sekcja wyjaśnia zasady działania rozwiązania, jego ograniczenia i korzyści oraz pokazuje przykłady włączenia do szerszej integracji.
Potoki w Data Factory służą do automatyzacji powtarzalnych zadań integracyjnych i kontroli przepływu danych w środowisku Fabric. Uczestnicy wykonują ćwiczenia z kopiowania danych, korzystania z szablonów oraz poznają sposoby uruchamiania i monitorowania przebiegu procesów.
Podstawy analizy danych - Powinieneś rozumieć podstawowe pojęcia związane z danymi, takie jak tabele, kolumny, rekordy i proste transformacje, aby swobodnie pracować podczas ćwiczeń.
Znajomość SQL - Powinieneś umieć pisać proste zapytania SQL, w tym filtrowanie, wybór kolumn i podstawowe łączenie danych, ponieważ te operacje pojawią się w pracy ze Spark SQL.
Obsługa środowiska chmurowego - Powinieneś czuć się swobodnie w pracy z przeglądarkowym interfejsem usług chmurowych, konfiguracją zasobów i nawigacją po portalach administracyjnych.
Podstawy pracy z danymi - Powinieneś mieć doświadczenie w ładowaniu plików, przeglądaniu zbiorów danych i interpretacji wyników analiz, aby skupić się na narzędziach Fabric zamiast na podstawach.
