บทช่วยสอนแบบครอบคลุมใน Microsoft Fabric

  • บทความ

ในบทความนี้ คุณจะพบรายการแบบครอบคลุมของบทช่วยสอนแบบครอบคลุมที่พร้อมใช้งานใน Microsoft Fabric บทช่วยสอนเหล่านี้จะแนะนําคุณผ่านสถานการณ์ที่ครอบคลุมกระบวนการทั้งหมด ตั้งแต่การรวบรวมข้อมูลไปจนถึงการใช้ข้อมูล พวกเขาได้รับการออกแบบมาเพื่อช่วยให้คุณพัฒนาความเข้าใจพื้นฐานเกี่ยวกับ Fabric UI ประสบการณ์การใช้งานต่าง ๆ ที่ได้รับการสนับสนุนโดย Fabric และจุดรวมและประสบการณ์นักพัฒนามืออาชีพและพลเมืองที่พร้อมใช้งาน

บทช่วยสอนแบบหลายประสบการณ์

ตารางต่อไปนี้แสดงรายการบทช่วยสอนที่ครอบคลุมประสบการณ์ Fabric หลายแบบ

ชื่อบทช่วยสอน สถานการณ์สมมติ
เลคเฮ้าส์ ในบทช่วยสอนนี้ คุณจะนําเข้า แปลง และโหลดข้อมูลของบริษัทค้าปลีกสมมติ Wide World Importers ลงใน lakehouse และวิเคราะห์ข้อมูลยอดขายในหลายมิติ
วิทยาศาสตร์ข้อมูล ในบทช่วยสอนนี้ คุณจะสํารวจ ทําความสะอาด และแปลงแบบจําลองความหมายการเดินทางโดยเสียภาษี และสร้างแบบจําลองการเรียนรู้ของเครื่องเพื่อคาดการณ์ระยะเวลาการเดินทางในระดับบนแบบจําลองความหมายขนาดใหญ่
ตัวแสดงเวลาจริง ในบทช่วยสอนนี้ คุณจะใช้ความสามารถในการสตรีมและคิวรีของ Real-Time Intelligence ในการวิเคราะห์ข้อมูลการแชร์จักรยานลอนดอน คุณเรียนรู้วิธีการสตรีมและแปลงข้อมูล เรียกใช้คิวรี KQL สร้างแดชบอร์ดแบบเรียลไทม์และรายงาน Power BI เพื่อรับข้อมูลเชิงลึกและตอบสนองต่อข้อมูลแบบเรียลไทม์นี้
คลังข้อมูล ในบทช่วยสอนนี้ คุณจะสร้างคลังข้อมูลแบบ end-to-end สําหรับบริษัทผู้นําเข้าจากทั่วโลกที่สมมติขึ้น คุณนําเข้าข้อมูลลงในคลังข้อมูล แปลงข้อมูลโดยใช้ T-SQL และไปป์ไลน์ เรียกใช้คิวรี และสร้างรายงาน

บทช่วยสอนเฉพาะสําหรับประสบการณ์

บทช่วยสอนต่อไปนี้จะแนะนําคุณเกี่ยวกับสถานการณ์ภายในประสบการณ์ Fabric เฉพาะ

ชื่อบทช่วยสอน สถานการณ์สมมติ
Power BI ในบทช่วยสอนนี้ คุณจะสร้างกระแสข้อมูลและไปป์ไลน์เพื่อนําข้อมูลลงในเลคเฮ้าส์ สร้างแบบจําลองมิติ และสร้างรายงานที่ดึงดูดความสนใจ
โรงงานข้อมูล ในบทช่วยสอนนี้ คุณจะนําเข้าข้อมูลด้วยไปป์ไลน์ข้อมูลและแปลงข้อมูลด้วยกระแสข้อมูล จากนั้นใช้ระบบอัตโนมัติและการแจ้งเตือนเพื่อสร้างสถานการณ์การรวมข้อมูลที่สมบูรณ์
ตัวอย่าง AI แบบ end-to-end วิทยาศาสตร์ข้อมูล ในชุดบทช่วยสอนนี้ คุณจะได้เรียนรู้เกี่ยวกับความสามารถประสบการณ์ด้านวิทยาศาสตร์ข้อมูลที่แตกต่างกันและตัวอย่างของวิธีที่แบบจําลอง ML สามารถแก้ไขปัญหาทางธุรกิจทั่วไปของคุณได้
วิทยาศาสตร์ข้อมูล - การคาดการณ์ราคาด้วย R ในบทช่วยสอนนี้ คุณสร้างแบบจําลองการเรียนรู้ของเครื่องเพื่อวิเคราะห์และแสดงภาพราคาอะโวคาโดในสหรัฐอเมริกาและคาดการณ์ราคาในอนาคต
การจัดการวงจรชีวิตของแอปพลิเคชัน ในบทช่วยสอนนี้ คุณจะได้เรียนรู้วิธีการใช้ไปป์ไลน์การปรับใช้ร่วมกับการรวม git เพื่อทํางานร่วมกับผู้อื่นในการพัฒนา การทดสอบ และการเผยแพร่ข้อมูลและรายงานของคุณ

เนื้อหาที่เกี่ยวข้อง