Microsoft Fabric

• Microsoft Fabric'e Giriş
  • Microsoft Fabric Nedir?
  • Modern Veri Platformları ve Fabric'in Konumu
  • Microsoft Fabric Mimarisi
  • OneLake Kavramı
  • Microsoft Fabric Bileşenleri
  • Workspace Yapısı ve Yönetimi
  • Microsoft Fabric Lisanslama ve Capacity Modelleri
  • Fabric ve Power BI İlişkisi
  • Microsoft Fabric Kullanım Senaryoları
• OneLake ile Çalışmak
  • OneLake Nedir?
  • Veri Gölü (Data Lake) Kavramı
  • OneLake Mimarisi ve Yapısı
  • Dosya ve Klasör Yönetimi
  • OneLake Explorer Kullanımı
  • Shortcut Oluşturma ve Yönetme
  • Veri Paylaşımı ve Güvenlik
  • OneLake Üzerinde Veri Yönetimi
• Veri Alma ve Veri Entegrasyonu
  • Data Factory'ye Giriş
  • Data Pipeline Oluşturmak
  • Dataflow Gen2 ile Çalışmak
  • SQL Server'dan Veri Almak
  • Excel ve CSV Dosyalarından Veri Almak
  • API ve Web Servislerinden Veri Almak
  • Incremental Load Uygulamak
  • Zamanlanmış Veri Yenileme
  • Pipeline Parametreleri ve Değişkenler
  • Veri Akışlarını İzleme ve Hata Yönetimi
• Lakehouse ile Çalışmak
  • Lakehouse Nedir?
  • Data Lake ve Data Warehouse Farkları
  • Delta Lake Mimarisi
  • Files ve Tables Bölümleri
  • Managed ve External Table Kullanımı
  • Parquet Dosyaları ile Çalışmak
  • Lakehouse Oluşturmak ve Yönetmek
  • Lakehouse'a Veri Yüklemek
  • SQL Analytics Endpoint Kullanımı
• Data Engineering ve Notebook Kullanımı
  • Apache Spark Mimarisi
  • Notebook Oluşturmak ve Yönetmek
  • PySpark ile Veri Okuma
  • DataFrame İşlemleri
  • Veri Filtreleme ve Sıralama
  • Join İşlemleri
  • Aggregate Fonksiyonları
  • Window Fonksiyonları
  • Notebook Otomasyonu
  • Notebook ile Veri Dönüştürme Uygulamaları
• Veri Dönüştürme ve Medallion Architecture
  • ETL ve ELT Yaklaşımları
  • Bronze Katmanı Oluşturmak
  • Silver Katmanı Oluşturmak
  • Gold Katmanı Oluşturmak
  • Veri Temizleme ve Dönüştürme İşlemleri
  • Veri Zenginleştirme İşlemleri
  • Boyut ve Fact Tabloları Oluşturmak
  • Incremental Veri İşleme Teknikleri
• Fabric Data Warehouse
  • Data Warehouse Kavramı
  • Warehouse Oluşturmak ve Yönetmek
  • T-SQL ile Çalışmak
  • Tablo ve View Oluşturmak
  • Stored Procedure Kullanımı
  • Star Schema Tasarımı
  • Snowflake Schema Tasarımı
  • Slowly Changing Dimension (SCD)
  • Warehouse Performans Optimizasyonu
• Gerçek Zamanlı Analitik (Real-Time Intelligence)
  • Gerçek Zamanlı Veri Kavramı
  • Eventstream Oluşturmak
  • KQL Database Kullanımı
  • Kusto Query Language (KQL)
  • Log ve Telemetri Verileri ile Çalışmak
  • Zaman Serisi Verilerini Analiz Etmek
  • Gerçek Zamanlı Dashboard Oluşturmak
• Data Science ve Makine Öğrenmesi
  • Microsoft Fabric Data Science Ortamı
  • Python ile Veri Analizi
  • Özellik Mühendisliği
  • Makine Öğrenmesi Modelleri Oluşturmak
  • Model Eğitimi ve Değerlendirme
  • Notebook ile Machine Learning Uygulamaları
• Power BI ve Microsoft Fabric Entegrasyonu
  • Direct Lake Teknolojisi
  • Semantic Model Oluşturmak
  • İlişkiler ve Veri Modelleme
  • DAX Hesaplamaları
  • Rapor ve Dashboard Tasarımı
  • Power BI ile Veri Görselleştirme
  • Veri Yenileme ve Yayınlama
  • Yetkilendirme ve Güvenlik
  • Performans Optimizasyonu
• Yönetim, Güvenlik ve DevOps
  • Workspace Güvenliği
  • Row Level Security (RLS)
  • Object Level Security (OLS)
  • Sensitivity Labels Kullanımı
  • Monitoring Hub ile İzleme
  • Capacity Metrics Kullanımı
  • Deployment Pipeline
  • CI/CD Süreçleri
  • En İyi Uygulamalar ve Mimari Öneriler
• Uçtan Uca Microsoft Fabric Projesi
  • SQL Server'dan Veri Almak
  • Pipeline Oluşturmak
  • Lakehouse Tasarlamak
  • PySpark ile Veri Dönüştürmek
  • Warehouse Oluşturmak
  • Semantic Model Hazırlamak
  • Power BI Dashboard Tasarlamak
  • Gerçek Zamanlı Veri Entegrasyonu
  • Uçtan Uca Proje Geliştirme ve Yayınlama