บทช่วยสอนแบบครอบคลุมใน Microsoft Fabric
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 |
การวิเคราะห์แบบเรียลไทม์ | ในบทช่วยสอนนี้ คุณใช้ความสามารถในการสตรีมและคิวรีของการวิเคราะห์แบบเรียลไทม์เพื่อวิเคราะห์แบบจําลองความหมายการเดินทางโดยแท็กซี่สีเหลืองของนิวยอร์ก คุณเปิดเผยข้อมูลเชิงลึกที่จําเป็นในสถิติการเดินทางความต้องการรถแท็กซี่ในเส้นทางของนิวยอร์กและข้อมูลเชิงลึกอื่น ๆ ที่เกี่ยวข้อง |
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
- สร้างพื้นที่ทำงาน
- ค้นหารายการข้อมูลใน ฮับข้อมูล OneLake
คำติชม
https://aka.ms/ContentUserFeedback
เร็วๆ นี้: ตลอดปี 2024 เราจะขจัดปัญหา GitHub เพื่อเป็นกลไกคำติชมสำหรับเนื้อหา และแทนที่ด้วยระบบคำติชมใหม่ สำหรับข้อมูลเพิ่มเติม ให้ดู:ส่งและดูข้อคิดเห็นสำหรับ