Esercitazioni passo per passo di Microsoft Fabric

  • Articolo

In questo articolo è disponibile un elenco completo di esercitazioni end-to-end disponibili in Microsoft Fabric. Queste esercitazioni illustrano uno scenario che illustra l'intero processo, dall'acquisizione dei dati all'utilizzo dei dati. Sono progettati per aiutare a sviluppare una conoscenza di base dell'interfaccia utente di Fabric, le varie esperienze supportate da Fabric e i relativi punti di integrazione e le esperienze per sviluppatori professionisti e cittadini disponibili.

Esercitazioni su più esperienze

Nella tabella seguente sono elencate le esercitazioni che si estendono su più esperienze di Fabric.

Nome dell’esercitazione Scenario
Lakehouse In questa esercitazione si inseriscono, trasformano e caricano i dati di una società fittizia di vendita al dettaglio, Wide World Importers, nel lakehouse e si analizzano i dati di vendita in varie dimensioni.
Data science In questa esercitazione si esamina, si pulisce e si trasforma un modello semantico di corse taxicab e si crea un modello di Machine Learning per stimare la durata delle corse su larga scala in un modello semantico di grandi dimensioni.
Intelligence in tempo reale In questa esercitazione si usano le funzionalità di streaming e query di Intelligence in tempo reale per analizzare i dati della condivisione di biciclette di Londra. Si apprenderà come trasmettere e trasformare i dati, eseguire query KQL, creare un dashboard in tempo reale e un report di Power BI per ottenere informazioni dettagliate e rispondere a questi dati in tempo reale.
Data warehouse In questa esercitazione si crea un data warehouse end-to-end per l'azienda fittizia Wide World Importers. È possibile inserire i dati nel data warehouse, trasformarli usando T-SQL e pipeline, eseguire query e compilare report.

Esercitazioni specifiche dell'esperienza

Le esercitazioni seguenti illustrano gli scenari all'interno di esperienze di infrastruttura specifiche.

Nome dell’esercitazione Scenario
Power BI In questa esercitazione viene creato un flusso di dati e una pipeline per inserire i dati in un lakehouse, creare un modello dimensionale e generare un report accattivante.
Data Factory In questa esercitazione si inseriscono dati con pipeline di dati e si trasformano i dati con flussi di dati, quindi si usa l'automazione e la notifica per creare uno scenario di integrazione dei dati completo.
Esempi di intelligenza artificiale end-to-end di data science In questo set di esercitazioni vengono fornite informazioni sulle diverse funzionalità dell'esperienza di data science ed esempi di come i modelli di Machine Learning possono risolvere i problemi aziendali comuni.
Data Science - Stima dei prezzi con R In questa esercitazione viene creato un modello di Machine Learning per analizzare e visualizzare i prezzi degli avocado negli Stati Uniti e prevedere i prezzi futuri.
Application Lifecycle Management In questa esercitazione si apprenderà come usare le pipeline di distribuzione insieme all'integrazione git per collaborare con altri utenti nello sviluppo, nel test e nella pubblicazione dei dati e dei report.

Contenuto correlato