Εξέλιξη Κομματιού
Ενότητα 1: Σύγχρονα Αποθετήρια Δεδομένων & Θεμελιώδεις Αρχές Επιχειρηματικής Νοημοσύνης:
- Η Εξελισσόμενη Τοπογραφία των Αποθετηρίων Δεδομένων (DW) και της Επιχειρηματικής Νοημοσύνης (BI)
- Αποθετήρια Δεδομένων Εγγενή στο Νέφος (Azure Synapse Analytics, Azure SQL Data Warehouse)
- Σύγχρονες Αρχειοδοτικές Αρχιτεκτονικές Αποθετηρίων Δεδομένων (Αρχιτεκτονική Lambda, Αρχιτεκτονική Kappa)
- Εννοιολογικά Μοντέλα Δεδομένων (Σχήμα Αστέρια, Σχήμα Χιονοσταλάκτων)
- Εισαγωγή στη μεθοδολογία Data Vault (συνοπτική επισκόπηση)
- Κρίσιμες Έννοιες του BI: ETL/ELT, OLAP, DWH, Διακυβέρνηση Δεδομένων
- Επισκόπηση του Στοίβας της Microsoft για το BI: SQL Server (T-SQL, SSIS, SSAS, SSRS), Azure Synapse Analytics, Azure Analysis Services, Azure Data Factory, Power BI
Ενότητα 2: Σύγχρονες Διαδικασίες ETL/ELT με τις Υπηρεσίες Ολοκλήρωσης του SQL Server (SSIS)
- Κεντρικά Συστατικά του SSIS (Υπηρεσίες Ολοκλήρωσης, Διαχειριστές Σύνδεσης, Ροή Δεδομένων, Ροή Ελέγχου)
- Σύγχρονη Πρόσβαση σε Δεδομένα (ADO.NET, OLE DB, ODBC, Εργασία Σενάριου Python)
- Ολοκλήρωση με το Νέφος (Φόρτωση/αποφόρτωση δεδομένων από/προς Azure Blob Storage, Azure SQL Database/DW, Azure Data Lake Storage Gen2)
- Τεχνικές Μετατροπής Δεδομένων (Κατασκευή Στηλών, Αναζητήσεις, Συγκεντρώσεις, Κατακερματισμός βάσει Συνθηκών, Συστατικό Σενάριου)
- Διαχείριση Μεγάλων Όγκων Δεδομένων στο SSIS (Ολοκλήρωση με Azure Databricks, PolyBase)
- Διαχείριση Λαθών, Καταγραφή και Αποσφαλμάτωση στο SSIS
- Ανάπτυξη και Προγραμματισμός (SQL Agent, Βιβλία Ροής Αυτοματοποίησης Azure)
Ενότητα 3: Δημιουργία Αναλυτικών Μοντέλων με το SQL Server Analysis Services (SSAS - Tabular)
- Εισαγωγή στο Μοντέλο Tabular (σε σύγκριση με το Πολυδιάστατο)
- Θεμελιώδεις Αρχές της Γλώσσας DAX (Data Analysis Expressions) (Συμπέρασμα, Υπολογισμοί, Συγκεντρώσεις)
- Σχεδιασμός Μοντέλου: Σχέσεις, Ιεραρχίες, Οπτικές Προβολές, Ρόλοι, Ασφάλεια
- Χρήση Συνάρτησης Νοημοσύνης Χρόνου στο DAX
- Διαχείριση και Ανάπτυξη Μοντέλων Tabular (BIML, SSDT)
- Βελτιστοποίηση Απόδοσης για Μοντέλα SSAS Tabular
Ενότητα 4: Ανάλυση στο Νέφος με τις Υπηρεσίες Ανάλυσης Azure (AAS)
- Εισαγωγή στις Υπηρεσίες Ανάλυσης Azure (AAS)
- Επιλογές Ανάπτυξης AAS (PaaS - Σχέδιο Εφαρμογών Azure, Αφοσιωμένη Μονάδα Υπολογισμού)
- Σύνδεση με Βάσεις Δεδομένων Azure (Azure Synapse Analytics, Azure SQL Database, Azure Analysis Services)
- Δημιουργία Μοντέλων στο Νέφος (χρησιμοποιώντας το Azure Purview ή το Azure Analysis Services Studio)
- Κλιμάκωση και Υψηλή Διαθεσιμότητα με το AAS
- Ασφάλεια στο AAS (Ασφάλεια Βάσει Ρόλων)
Ενότητα 5: Ερωτήματα και Ανάλυση Δεδομένων με T-SQL και DAX
- Εκτεταμένο T-SQL για Ανάλυση Δεδομένων (CTE, Συναρτήσεις Παραθύρου, PIVOT/UNPIVOT, MERGE)
- Εμβάθυνση στο DAX (Συμπέρασμα Σειράς έναντι Συμπεράσματος Φίλτρου, Επαναλήψεις, Νοημοσύνη Χρόνου, ΚΠΕ, Q&A)
- Συνδυασμός T-SQL και DAX (Ερωτήματα PolyBase, συνδεδεμένοι διακομιστές)
- Χρήση Ανάλυσης Ενισχυμένης με Τεχνητή Νοημοσύνη (Υπηρεσίες Μηχανικής Μάθησης του Azure Synapse Analytics)
Ενότητα 6: Ανακάλυψη και Οπτικοποίηση Δεδομένων
- Εισαγωγή στο Power BI (Σύνδεση με Πηγές Δεδομένων, Επεξεργαστής Ερωτημάτων)
- Δημιουργία Αποτελεσματικών Οπτικοποιήσεων (Γραφήματα, Διαγράμματα, Χάρτες)
- DAX για το Power BI (Υπολογιζόμενες Στήλες, Μέτρα)
- Σχεδιασμός και Μορφοποίηση Αναφορών στο Power BI
- Εισαγωγή στο Azure Synapse Studio για το BI
Ενότητα 7: Ανασκόπηση Μαθήματος, Προχωρημένες Έννοιες & Πρακτικές Ασκήσεις
- Προχωρημένα Πρότυπα Μετατροπής Δεδομένων (Αργά Αλλαζόμενες Διαστάσεις, Τύποι 1/2)
- Ολοκλήρωση Υπηρεσιών Ποιότητας Δεδομένων (DQS) (επισκόπηση)
- Βελτιστοποίηση Απόδοσης και Αντιμετώπιση Προβλημάτων (Αποθηκευμένο Ερώτημα, Σχέδια Εκτέλεσης)
- Επέκταση των Δυνατοτήτων του BI (Power Query, Power Automate)
- Πρακτικές ασκήσεις που καλύπτουν ολοκληρωμένα σενάρια BI (ETL, Δημιουργία Μοντέλου, Αναφορά)
Απαιτήσεις
Γνώση των Windows, βασική γνώση SQL και σχεσιακών βάσεων δεδομένων.
Σχόλια (2)
Ο Abhi διαθέτει εξαιρετικές γνώσεις στο Alteryx και εξήγησε τις έννοιες με πολύ μεγάλη σαφήνεια. Κατανόησε τους στόχους μας και δημιούργησε προσαρμοσμένα δοκιμαστικά σύνολα δεδομένων που σχετίζονταν άμεσα με τον οργανισμό μας, κάτι που ήταν εντυπωσιακό. Η εκπαίδευση ήταν καλά δομημένη, διεξήχθη με καλό ρυθμό και αφιέρωνε χρόνο για ερωτήσεις.
Samuel Taylor - Manchester Metropolitan University
Κομμάτι - Alteryx for Data Analysis
Μηχανική Μετάφραση
Η Δέπθι ήταν εξαιρετικά ευαίσθητη στις ανάγκες μου, κατάλαβε όταν να προσθέτει επίπεδα περιπλοκότητας και όταν να κρατάει φαντάρη και να ακολουθεί ένα πιο δομημένο προσεγγισμό. Η Δέπθι εργάστηκε πραγματικά στο ρυθμό μου και έβεβαιωσε ότι μπόρεσα να χρησιμοποιήσω τις νέες λειτουργίες/εργαλεία μόνος μου, πρώτα εμφανίζοντάς τα και στη συνέχεια επιτρέποντάς μου να αναδημιουργήσω τα αντικείμενα οι οποίοι βοήθησαν πολύ στην εξασφάλιση της κατάληψης της κατάρτισης. Δεν μπορώ να είμαι πιο ικανοποιημένος/η με τους αποτελέσματα αυτής της κατάρτισης και με το επίπεδο της εξειδίκευσης της Δέπθι!
Deepthi - Invest Northern Ireland
Κομμάτι - IBM Cognos Analytics
Μηχανική Μετάφραση
