Azure認定資格 WEB問題集＆徹底解説
DP-900：Microsoft Azure Data Fundamentals
- No.52 ELT におけるターゲットデータストアのスケーリングとパフォーマンス
- No.80 SQL データウェアハウス・データレイク・Spark を統合するサービス
- No.85 Synapse Analytics ならではの強み
- No.102 ETLによる機微データの除去とコンプライアンス対応
- No.110 分析ストアと取り込みパイプラインの役割分担
- No.118 大規模かつ複雑な分析クエリに適したワークロードモデル
- No.144 経営層向けダッシュボードの作成と共有に適したサービス
- No.152 Apache Spark ベースの分析基盤の選定
- No.177 実験・モデル管理まで担う Spark ベース分析基盤の選定
- No.188 ELT アプローチの特徴
- No.214 ETL パイプラインにおけるステージングテーブルの役割
- No.226 Microsoft Fabric による分析基盤の統合
- No.234 Synapse Analytics の Lake データベースによるストレージとコンピューティングの分離
- No.240 データレイクとデータウェアハウスの使い分け
- No.249 ELT パイプラインにおける処理順序
- No.257 Parquet形式データ処理パイプラインにおける各サービスの役割
- No.274 オンプレミス Hadoop クラスター移行に適した Azure サービス
- No.299 ETL と ELT の違い
- No.300 トランザクション処理ワークロードに適したデータストア
- No.330 データキューブの役割
- No.374 大規模分析を単一の SaaS 製品に統合するサービス
- No.378 データウェアハウスワークロードの定義
- No.396 データウェアハウスとトランザクションデータベースのスキーマ設計の違い
- No.407 データウェアハウスのスキーマ設計が持つ分析上の利点
- No.413 抽象度の高い大規模分析サービスの選定
- No.414 ELT アプローチが効果的に機能する条件
- No.421 構造化・半構造化データを統合した大規模分析基盤
- No.436 ELT パイプラインにおける変換処理の実行場所
- No.448 Apache Spark 実行環境を持たないサービスの識別
- No.461 スタースキーマを構成する2種類のテーブル
- No.472 データをまとめて処理する方式を表す用語
広告