Curso Detalhes

(não existem exames)

Ingestão incremental de dados com pipelines

Conceitos e casos de uso da ingestão incremental

Usar watermarks e padrões de high-water mark

Estratégias de deteção de alterações (timestamps, chaves, CDC)

Implementar lógica incremental em pipelines do Fabric

Tratar dados que chegam tarde e dados atualizados

LAB: construir uma pipeline de ingestão incremental

ETL declarativo com Materialized Lake Views

Arquitetura e modelo de armazenamento das materialized lake views

Criar materialized lake views com SQL

Comportamento do refresh e processamento incremental

Desempenho e otimização

Consumir materialized lake views nas várias workloads do Fabric

Considerações de segurança, governação e lineage

Sincronizar dados com o Microsoft Fabric Mirroring

O que é o Fabric Mirroring e quando usá-lo

Sistemas de origem suportados e pré-requisitos

Montar uma mirrored database no Fabric

Compreender o change data capture (CDC) e a latência

Aceder a dados espelhados através dos endpoints da lakehouse e do warehouse

Segurança, evolução do schema e considerações operacionais

Usar dados espelhados em análise e em relatórios de Power BI

LAB: criar e consultar uma mirrored database

Atualizar os dados a partir do Power BI

Panorâmica das user data functions e dos conceitos de translytical task flow

Criar user data functions no Microsoft Fabric

Implementar funções com notebooks e Spark

Invocar user data functions a partir de notebooks e pipelines

Usar user data functions no Power BI para desencadear ações translíticas

Tratamento de parâmetros, desempenho e considerações de escalabilidade

Segurança, versionamento e governação da lógica de negócio partilhada

LAB: construir e executar um translytical task flow com user data functions

Análise em tempo real no Fabric

Criar uma eventhouse e uma base de dados KQL

Ingerir dados em tabelas

Trabalhar com eventstreams

Consultar dados com a Kusto Query Language (KQL)

Construir dashboards em tempo real

LAB: trabalhar com real-time analytics

Reagir a eventos com o Data Activator

Criar e usar reflexes

Definir triggers, condições e ações

Obter dados de relatórios ou de eventstreams

LAB: usar o Data Activator no Fabric

DevOps no Fabric: integração com Git

Conceitos básicos da integração com Git

Gerir branches em workspaces do Microsoft Fabric

Tratar erros e conflitos

Formato do código-fonte na integração com Git

LAB: integração com Git

DevOps no Fabric: deployment pipelines

Opções para publicar recursos

Montar deployment pipelines do Microsoft Fabric

Trabalhar com as variable libraries do Microsoft Fabric

LAB: montar deployment pipelines

Melhorar a IA com o Fabric IQ e ontologias

Panorâmica do Fabric IQ e das experiências com IA no Fabric

Ontologias no Fabric IQ

Definir entidades de negócio, relações e metadados

Ligar ontologias aos dados da lakehouse e do warehouse

Usar ontologias para melhorar as queries e as conclusões do Copilot

Governação, segurança e gestão do ciclo de vida das ontologias

Boas práticas na modelação de conhecimento semântico no Fabric

LAB: criar uma ontologia e usar o Fabric IQ para explorar dados

Fabric Data Agents: conversar com os seus dados

A finalidade dos Fabric data agents

Criar e publicar um Fabric data agent

Interagir com um Fabric data agent

Compreender a delegação de permissões

Afinar o Fabric data agent com instruções e exemplos