icon icon

Kurs Microsoft Fabric w praktyce: od Lakehouse do Apache Spark – kompleksowa analityka danych

icon

Proces szkoleniowy

Analiza potrzeb szkoleniowych

Jeśli masz życzenie dotyczące programu szkolenia, przeprowadzimy dla Ciebie analizę potrzeb szkoleniowych, która będzie wskazówką dla nas, na jakie aspekty programu położyć większy nacisk – tak, by program szkolenia spełniał konkretne potrzeby.

Co zyskujesz?

icon

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.

icon

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.

icon

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.

icon

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.

icon

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.

icon

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.

icon

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.

icon

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.

Program szkolenia

1. Wprowadzenie do Microsoft Fabric

  • omówienie architektury i kluczowych funkcjonalności,
  • korzyści z wdrożenia platformy,
  • rola zespołów ds. danych oraz infrastruktura sieci szkieletowej.

2. Konfiguracja i aktywacja platformy

  • praktyczne aspekty konfiguracji,
  • proces włączania i pierwszych kroków,
  • najlepsze praktyki wdrożenia.

3. Koncepcja Lakehouse

  • definicja Lakehouse jako nowoczesnego podejścia do analizy danych,
  • różnice między tradycyjnymi magazynami danych a Lakehouse,
  • przykłady zastosowań w Microsoft Fabric.

4. Praca z Fabric Lakehouse

  • eksploracja danych w środowisku Lakehouse,
  • przekształcanie danych,
  • wizualizacja wyników analiz.

5. Wprowadzenie do Apache Spark

  • podstawy architektury i wymagań dla Spark,
  • konfiguracja środowiska Spark,
  • inicjalizacja sesji i uruchomienie platformy.

6. Operacje na danych w Apache Spark

  • ładowanie danych do Spark DataFrame,
  • transformacje danych i przygotowanie do analizy,
  • praca z danymi przy użyciu języka SQL oraz interfejsu API Spark SQL.

7. Wizualizacja danych w Spark

  • techniki prezentacji wyników analiz,
  • wykorzystanie narzędzi  wizualizacyjnych,
  • optymalizacja prezentacji danych.

8. Praca z tabelami Delta Lake

  • omówienie koncepcji i zalet Delta Lake,
  • tworzenie i modyfikacja tabel różnicowych,
  • wersjonowanie danych i historia zmian.

9. Pozyskiwanie danych za pomocą przepływów Gen2

  • podstawy działania przepływów danych (Gen2),
  • korzyści i ograniczenia rozwiązania,
  • przykłady integracji przepływów w Microsoft Fabric.

10. Automatyzacja i monitorowanie potoków danych

  • wprowadzenie do potoków w usłudze Data Factory,
  • praktyczne ćwiczenia kopiowania danych i korzystania z szablonów,
  • techniki uruchamiania oraz monitorowania przepływów danych.

Jakie są wymagania wstępne do udziału w szkoleniu?

icon

Podstawy analizy danych - Powinieneś rozumieć podstawowe pojęcia związane z danymi, takie jak tabele, kolumny, rekordy i proste transformacje, aby swobodnie pracować podczas ćwiczeń.

icon

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.

icon

Obsługa środowiska chmurowego - Powinieneś czuć się swobodnie w pracy z przeglądarkowym interfejsem usług chmurowych, konfiguracją zasobów i nawigacją po portalach administracyjnych.

icon

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.