Corso Fabric Analytics Engineer DP-600

Obiettivi | Certificazione | Contenuti | Tipologia | Prerequisiti | Durata e Frequenza | Docenti | Modalità di Iscrizione | Calendario

Il Corso DP-600 Fabric Analytics Engineer è pensato per partecipanti che devono implementare e gestire soluzioni di enterprise-scale data analytics usando Microsoft Fabric, trasformando dati grezzi in asset analitici governati e riutilizzabili come lakehouse, data warehouse e semantic models. Il percorso copre l’intero ciclo: discovery e accesso ai dati tramite OneLake catalog e Real-Time hub, scelta dell’architettura corretta (lakehouse/warehouse/eventhouse) e ingest tramite strumenti Fabric, fino alla trasformazione con approcci basati su SQL, Visual Query Editor e logiche di modellazione come star schema, denormalization, aggregations e join. Una parte rilevante è dedicata a security e governance: gestione di access controls a livello workspace e item, controlli granulari come row-level, column-level, object-level e file-level security, applicazione di sensitivity labels ed endorsement degli asset. Sul fronte delivery e lifecycle, i partecipanti lavorano su version control, Power BI Desktop project (.pbip), deployment pipelines, impact analysis delle dipendenze e deployment/management dei semantic models tramite XMLA endpoint. La sezione di semantic modeling entra nelle scelte di storage mode, relazioni avanzate (bridge tables, many-to-many), calcoli con DAX (variables, iterators, windowing, table filtering), calculation groups, dynamic format strings e field parameters, fino all’ottimizzazione su scala enterprise: tuning di performance, miglioramento DAX, configurazione Direct Lake (fallback e refresh behavior), scelta tra Direct Lake on OneLake vs SQL endpoints e incremental refresh. Il corso contribuisce alla preparazione dell’esame di Certificazione Fabric Analytics Engineer Associate.

Obiettivi del corso

Di seguito una sintesi degli obiettivi principali del corso Corso Fabric Analytics Engineer DP-600:

• Implementare workspace e item governance: access controls, sensitivity labels, endorsement e secure sharing.
• Ingestire e preparare data in Fabric scegliendo correttamente tra lakehouse, warehouse ed eventhouse, usando OneLake catalog e Real-Time hub.
• Trasformare e modellare data con SQL e Visual Query Editor applicando star schema, join/merge, aggregations e data quality fixes.
• Progettare e costruire semantic models con relazioni avanzate e DAX per calcoli enterprise-ready.
• Ottimizzare semantic models con Direct Lake, incremental refresh e performance tuning su query e report visuals.

Certificazione del corso

Esame DP-600 Fabric Analytics Engineer Associate; Questo esame verifica le competenze del candidato nell’implementazione e gestione di una soluzione analitica end-to-end su Microsoft Fabric, con focus su governance, data preparation e semantic models. I topics testati includono Maintain a data analytics solution: implementazione di workspace-level e item-level access controls, controlli granulari row-level, column-level, object-level e file-level, applicazione di sensitivity labels ed endorsement degli item; gestione del development lifecycle con version control a livello workspace, creazione e gestione di Power BI Desktop project (.pbip), configurazione di deployment pipelines, impact analysis delle dipendenze downstream (da lakehouses, warehouses, dataflows e semantic models), deployment/management dei semantic models tramite XMLA endpoint e creazione/aggiornamento di asset riusabili (es. template e shared semantic models).
La sezione Prepare data copre creazione di data connections, discovery tramite OneLake catalog e Real-Time hub, ingestion/access ai dati e decisione tra lakehouse, warehouse ed eventhouse, inclusa OneLake integration per eventhouse e semantic models; trasformazioni come views/functions/stored procedures, enrichment con nuove columns/tables, star schema per lakehouse/warehouse, denormalization, aggregations, join/merge, gestione di duplicates/missing/nulls, conversione data types e filtering. Include anche query e analysis con Visual Query Editor, SQL, KQL e DAX.
Infine Implement and manage semantic models: scelta storage mode, star schema nel semantic model, relazioni avanzate (bridge e many-to-many), calcoli con DAX (variables, iterators, windowing, information functions), calculation groups, dynamic format strings e field parameters, large semantic model storage format e composite models; ottimizzazione con performance tuning, DAX optimization, configurazione Direct Lake (fallback/refresh), scelta Direct Lake on OneLake vs SQL endpoints e incremental refresh.

Contenuti del corso

Maintain a data analytics solution

• Workspace-level e item-level access controls, incl. row/column/object/file-level security
• Sensitivity labels ed endorsement per governance e trusted assets
• Version control per workspace e gestione Power BI Desktop project (.pbip)
• Deployment pipelines e release management tra ambienti
• Impact analysis e deployment semantic models via XMLA endpoint

Get data in Microsoft Fabric

• Create data connections e pattern di accesso ai dati
• Discovery con OneLake catalog e Real-Time hub
• Ingest o access data: scelte di ingestion strategy in base al workload
• Decisioning tra lakehouse, warehouse ed eventhouse
• OneLake integration per eventhouse e semantic models

Transform data for analytics

• Views, functions e stored procedures per shaping e reusable logic
• Enrichment: new columns/tables e business transformations
• Implementare star schema (lakehouse/warehouse) e denormalization patterns
• Aggregations, joins/merges e dataset consolidation
• Data quality: duplicates/missing/nulls, type conversion e filtering

Query and analyze data

• Visual Query Editor per selection/filtering/aggregation
• Querying con SQL per analytics workflows
• Querying con KQL per scenari event/real-time oriented
• Querying e analysis con DAX per semantic layer
• Scelte di tool e linguaggio in base a performance e maintainability

Design and build semantic models

• Storage mode selection e modeling strategy
• Star schema nel semantic model e relationship design (bridge, many-to-many)
• DAX calculations: variables, iterators, table filtering, windowing, information functions
• Calculation groups, dynamic format strings e field parameters
• Large semantic model storage format e composite models

Optimize enterprise-scale semantic models

• Performance improvements su queries e report visuals
• DAX performance tuning e best practices operative
• Direct Lake configuration: default fallback e refresh behavior
• Direct Lake on OneLake vs Direct Lake on SQL endpoints
• Incremental refresh strategy per semantic models

Tipologia

Corso di Formazione con Docente

Docenti

I docenti sono Istruttori Autorizzati Microsoft e in altre tecnologie IT, con anni di esperienza pratica nel settore e nella Formazione.

Infrastruttura laboratoriale

Per tutte le tipologie di erogazione, il Corsista può accedere alle attrezzature e ai sistemi presenti nei Nostri laboratori o direttamente presso i data center del Vendor o dei suoi provider autorizzati in modalità remota. Ogni partecipante dispone di un accesso per implementare le varie configurazioni avendo così un riscontro pratico e immediato della teoria affrontata. Ecco di seguito alcuni scenari tratti dalle attività laboratoriali:

Dettagli del corso

Prerequisiti

• Si consiglia la partecipazione al Corso Azure Data Fundamentals DP-900

Durata del corso

• Durata Intensiva 4gg;

Frequenza

Varie tipologie di Frequenza Estensiva ed Intensiva.

Date del corso

• Corso Fabric Analytics Engineer (Formula Intensiva) – Su richiesta – 09:00 – 17:00

Le iscrizioni sono a numero chiuso per garantire ai tutti i partecipanti un servizio eccellente.
L’iscrizione avviene richiedendo di essere contattati dal seguente Link, o contattando la sede al numero verde 800-177596 o inviando una richiesta all’email [email protected].