Tutorial end-to-end di Microsoft Fabric
Dalam artikel ini, Anda menemukan daftar komprehensif tutorial end-to-end yang tersedia di Microsoft Fabric. Tutorial ini memandu Anda melalui skenario yang mencakup seluruh proses, mulai dari akuisisi data hingga konsumsi data. Mereka dirancang untuk membantu Anda mengembangkan pemahaman dasar tentang UI Fabric, berbagai pengalaman yang didukung oleh Fabric dan titik integrasi mereka, dan pengalaman pengembang profesional dan warga negara yang tersedia.
Tutorial multi-pengalaman
Tabel berikut mencantumkan tutorial yang mencakup beberapa pengalaman Fabric.
Nama tutorial | Skenario |
---|---|
Lakehouse | Dalam tutorial ini, Anda menyerap, mengubah, dan memuat data perusahaan ritel fiktif, Wide World Importers, ke lakehouse dan menganalisis data penjualan di berbagai dimensi. |
Ilmu Data | Dalam tutorial ini, Anda menjelajahi, membersihkan, dan mengubah model semantik perjalanan taksi, dan membangun model pembelajaran mesin untuk memprediksi durasi perjalanan dalam skala besar pada model semantik besar. |
Kecerdasan Real Time | Dalam tutorial ini, Anda menggunakan kemampuan streaming dan kueri Real-Time Intelligence untuk menganalisis data berbagi sepeda London. Anda mempelajari cara melakukan streaming dan mengubah data, menjalankan kueri KQL, membangun Dasbor Real Time dan laporan Power BI untuk mendapatkan wawasan dan menanggapi data real-time ini. |
Gudang data | Dalam tutorial ini, Anda membangun gudang data end-to-end untuk perusahaan Wide World Importers fiktif. Anda menyerap data ke gudang data, mengubahnya menggunakan T-SQL dan alur, menjalankan kueri, dan membuat laporan. |
Tutorial khusus pengalaman
Tutorial berikut memancang Anda melalui skenario dalam pengalaman Fabric tertentu.
Nama tutorial | Skenario |
---|---|
Power BI | Dalam tutorial ini, Anda membangun aliran data dan alur untuk membawa data ke lakehouse, membuat model dimensi, dan menghasilkan laporan yang menarik. |
Data Factory | Dalam tutorial ini, Anda menyerap data dengan alur data dan mengubah data dengan aliran data, lalu menggunakan otomatisasi dan pemberitahuan untuk membuat skenario integrasi data lengkap. |
Ilmu Data sampel AI end-to-end | Dalam serangkaian tutorial ini, pelajari tentang berbagai kemampuan pengalaman Ilmu Data dan contoh bagaimana model ML dapat mengatasi masalah bisnis umum Anda. |
Ilmu Data - Prediksi harga dengan R | Dalam tutorial ini, Anda membangun model pembelajaran mesin untuk menganalisis dan memvisualisasikan harga alpukat di AS dan memprediksi harga di masa mendatang. |
Manajemen siklus hidup aplikasi | Dalam tutorial ini, Anda mempelajari cara menggunakan alur penyebaran bersama dengan integrasi git untuk berkolaborasi dengan orang lain dalam pengembangan, pengujian, dan publikasi data dan laporan Anda. |
Konten terkait
- Membuat ruang kerja
- Menemukan item data di hub data OneLake
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk