Implementieren von Data Lakes und Lakehouses in Fabric — LearnFlat
⏱ 2 Std. 30 Min. 📚 25 Lektionen 🎧 Audioversion

Implementieren von Data Lakes und Lakehouses in Fabric

Erfahren Sie, wie Sie moderne Data Lakehouse-Architekturen mit Fabric entwerfen, erstellen und verwalten, um Ihre Data Engineering- und Analyse-Workflows zu optimieren.

  • 💬 KI-Tutor
    Stelle Fragen zu jeder Lektion und erhalte jederzeit sofort eine klare Antwort.
  • 🕐 Jederzeit starten
    Keine Zeitpläne oder Fristen – lerne in deinem Tempo, wann es dir passt.
  • 🌐 Auf Deutsch
    Lektionen, Aufgaben und Zertifikat – alles vollständig in deiner Sprache.

Über diesen Kurs

Moderne Unternehmen benötigen skalierbare, einheitliche Datenplattformen, um Rohdaten ohne komplexe, isolierte Infrastruktur in verwertbare Erkenntnisse umzuwandeln. Fabric bietet eine revolutionäre, einheitliche Analyseplattform, die die Implementierung von Data Lakehouses vereinfacht. Dieser umfassende textbasierte Kurs führt Sie durch den Prozess der Einrichtung, Strukturierung und Verwaltung einer modernen Seehaus-Architektur. In diesem Kurs lernen Sie, wie Sie eine robuste Datenpipeline erstellen und verwalten. Durch klare, schriftliche Erläuterungen und praktische Code-Snippets meistern Sie die Prinzipien des modernen Data Engineerings und lernen, wie Sie leistungsfähige Datenumgebungen pflegen. Was Sie lernen werden: - Verstehen Sie die Kernkonzepte von Data Lakes, Lakehouses und dem Unified Fabric-Ökosystem. - Konfigurieren Sie Arbeitsbereiche und Lakehouse-Umgebungen zum Speichern strukturierter und unstrukturierter Daten. - Wenden Sie die Medaillon-Architektur (Bronze-, Silber- und Gold-Ebenen) an, um Daten zu organisieren und zu verfeinern. - Schreiben Sie PySpark- und SQL-Abfragen in Notizbüchern, um Rohdatensätze zu bereinigen und zu transformieren. - Implementieren Sie Delta Lake-Tabellen, um ACID-Compliance und optimale Abfrageleistung sicherzustellen. - Verbinden Sie Ihr Lakehouse mit Berichtstools im Direct Lake-Modus für einen effizienten Datenzugriff. Dieser Kurs beginnt mit der wesentlichen Terminologie, den architektonischen Grundlagen und den grundlegenden Konfigurationen, bevor er sich den praktischen Techniken der Datenaufnahme und -transformation widmet. Sie werden strukturierte, textgeführte Übungen durchlaufen, die dazu entwickelt wurden, reale Data Engineering-Szenarien zu simulieren. Dieser Kurs richtet sich an Anfänger, die Datenanalysen durchführen, angehenden Dateningenieuren und Datenbankadministratoren, die ihren Datenstapel modernisieren möchten. Es sind keine Vorkenntnisse mit Fabric erforderlich. Lesen Sie noch heute weiter, um Ihr erstes modernes Data Lakehouse zu erstellen und zu verwalten.

Was du erhältst

  • 📜 Abschlusszertifikat
    Füge es deinem LinkedIn-Profil hinzu
  • 💬 Persönlicher AI-Tutor
    Bei einer Lektion nicht weitergekommen? Frag deinen integrierten Tutor jederzeit alles, was du möchtest.
  • 🎧 Audioversion enthalten
    Lerne unterwegs — kein Bildschirm nötig
  • ♾️ Lebenslanger Zugang
    Komme jederzeit zurück, kein Ablauf
  • 📱 Smartphone oder Computer
    Auf jedem Gerät, überall
  • 💸 14 Tage Rückgaberecht
    Ohne Wenn und Aber
  • Kurz und fokussiert
    2 Std. 30 Min. praktische Inhalte

Bewertungen

Noch keine Bewertungen — sei der Erste, der seine Erfahrungen teilt.

Bewertung schreiben

Du wirst nach dem Senden zur Anmeldung aufgefordert — dein Entwurf bleibt gespeichert.

Andere belegten auch

Häufige Fragen

Was brauche ich, um diesen Kurs zu belegen? +

Nur Telefon oder Computer mit Internet. Keine Installation, keine spezielle Hardware.

Wie kann ich bezahlen? +

Per Karte über Stripe. Wir speichern keine Kartendaten — Stripe übernimmt das sicher.

Kann ich eine Rückerstattung erhalten? +

Ja — volle Rückerstattung innerhalb von 14 Tagen, ohne Wenn und Aber.

Wie lange habe ich Zugang? +

Für immer. Nach dem Kauf kannst du jederzeit zum Kurs zurückkehren.

Erhalte ich ein Zertifikat? +

Ja. Nach Abschluss erhältst du ein Zertifikat, das du in dein LinkedIn-Profil aufnehmen kannst.

Entwickelt für Lernende in
Tech Design Finanzen Marketing Gesundheit Bildung Gastgewerbe Produktion