Kom igång med Microsoft Fabric

Utforska hur du implementerar dataanalyslösningar på en enda plattform med Microsoft Fabric. Integrera, transformera och lagra data för att träna AI-modeller och skapa insiktsfulla rapporter.

Förutsättningar

Du bör känna till grundläggande databegrepp och terminologi, inklusive datateknik, modellering och analys.

Moduler i den här utbildningsvägen

Upptäck hur Microsoft Fabric kan uppfylla företagets analysbehov på en plattform. Lär dig mer om Microsoft Fabric, hur det fungerar och hur du kan använda det för dina analysbehov.

Lakehouses i Microsoft Fabric kombinerar data lake storage flexibilitet med data warehouse analytiska funktioner. Lär dig hur du skapar ett lakehouse, matar in och transformerar data och frågar efter data med SQL och Spark.

Förstå vad ett Fabric data warehouse är, varför det erbjuder fullständiga T-SQL-transaktionsmöjligheter och hur man skapar, frågar och transformerar data för analys.

Real-Time Intelligence i Microsoft Fabric hjälper dig att mata in, bearbeta, lagra, visualisera och agera på data i rörelse för att få insikter från händelser när de inträffar.

I Microsoft Fabric kan dataexperter hantera data, notebook-filer, experiment och modeller samtidigt som de enkelt kommer åt data från hela organisationen och samarbetar med sina dataexperter.

Du kommer att utforska hur du använder funktionerna i SQL-databaser i Microsoft Fabric-miljön, vilket ger en enhetlig plattform för att hantera och analysera data.

Utforma semantiska modeller för skalning i Microsoft Fabric. Välj rätt lagringsläge, utforma star-schemarelationer för tydlighet och prestanda, skapa skalbara beräkningsmönster och konfigurera inställningar som stöder stora datamängder och samtidig förbrukning.

Microsoft Fabric IQ är ett sätt att definiera affärsförråd i en ontologi och binda ontologin till datakällor. Lär dig mer om ontologiobjekt, dataagenter, Graph i Microsoft Fabric och Power BI-semantiska modeller. Upptäck hur ontologimodellering skiljer sig från traditionell analysmodellering genom att börja med affärsbegrepp snarare än specifika användningsfall.