Course Outline

Εισαγωγή

Επισκόπηση των Microsoft Power Platform Χαρακτηριστικών

    Κύρια στοιχεία της πλατφόρμας Power Ενσωμάτωση με Office 365, Dynamics 365 και εφαρμογές τρίτων Πηγές δεδομένων και συνδέσεις

Ξεκινώντας με το Microsoft Power Platform

    Microsoft Βασικά στοιχεία του Dataverse (επίσημα Common Data Service (CDS)) Πίνακες και στήλες Σχέσεις και περιβάλλοντα Επιχειρηματικοί κανόνες Κέντρο διαχείρισης Power Platform

Δημιουργία απλών εφαρμογών με Power Apps

    Σύνδεση με κοινές πηγές δεδομένων Διαφορετικοί τύποι εφαρμογών Χωρίς κωδικό τεχνητής νοημοσύνης (AI) Λειτουργίες ασφάλειας, διακυβέρνησης και αναφοράς Power Apps Portals

Δημιουργία διαφορετικών εφαρμογών με Power Apps

    Δημιουργία εφαρμογής καμβά Βασικά στοιχεία και λειτουργίες Σύνδεση σε πηγή δεδομένων Δημιουργία εφαρμογής που βασίζεται σε μοντέλα Δόμηση στοιχείων (δεδομένα, διεπαφή χρήστη, λογική, οπτικοποίηση) Δημιουργία φόρμας Ασφάλεια και έλεγχος πρόσβασης

Αυτοματοποίηση διαδικασιών με το Power Automate

    Τύποι ροής Πρότυπα ροής Επαναλαμβανόμενες ροές Ροή κουμπιού Αιτήματα έγκρισης Business ροή διαδικασίας

Δημιουργία αναφορών και πινάκων ελέγχου με Power BI

    Power BI μέρη, έννοιες και χωρητικότητες Στοιχεία (χώροι εργασίας, σύνολα δεδομένων, αναφορές, πίνακες εργαλείων) Εφαρμογές προτύπων Οπτικοποιήσεις (γραφήματα, KPI, χάρτες, πίνακες κ.λπ.) Φίλτρα και κουμπιά δεδομένων Μετασχηματισμός και καθαρισμός δεδομένων Εργασία με συγκεντρωτικά στοιχεία Ασφάλεια και διαχείριση Δημιουργία απλό ταμπλό

Δημιουργία Chatbots με Power Virtual Agents

    Βασικά στοιχεία Δημιουργία chatbot Εργασία με θέματα Δοκιμή και δημοσίευση Ανάλυση ενός chatbot

Εξερεύνηση θεμάτων προηγμένης πλατφόρμας ισχύος

    Οδηγός διαχείρισης Διαχείριση κύκλου ζωής εφαρμογής Βέλτιστες πρακτικές Power Platform AI Builder

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Μια γενική κατανόηση των εννοιών Microsoft Office 365 και Dynamics 365
  • Εξοικείωση με την ανάπτυξη εφαρμογών, την αυτοματοποίηση ροής εργασιών και την ανάλυση δεδομένων

Ακροατήριο

  • Business προσωπικό
  • Διευθυντές
  • προγραμματιστές
  • Αναλυτές δεδομένων
  14 Hours

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.

Price per participant

Testimonials (4)

Related Courses

Apache Arrow for Data Analysis across Disparate Data Sources

  14 Hours

Azure for Data Engineer

  35 Hours

A Practical Introduction to Data Analysis and Big Data

  35 Hours

Data and Analytics - from the ground up

  42 Hours

Scaling Data Analysis with Python and Dask

  14 Hours

Data Analysis for Marketers

  14 Hours

Datameer for Data Analysts

  14 Hours

A Practical Introduction to Data Science

  35 Hours

Dremio for Self-Service Data Analysis

  21 Hours

Related Categories