Power Platform - Les Fondamentaux
Description
Introduction à Microsoft Power Platform
Vue d'ensemble de Microsoft Power Platform
Introduction à Microsoft Dataverse
Présentation de Microsoft Dataverse
Prise en main de Power Apps
Introduction à Power Apps
Comment générer une application canevas
Comment générer une application basée sur des modèles
Démarrage de Power Automate
Aperçu de Power Automate
Comment générer une solution automatisée
Démarrage de Power BI
Aperçu de Power BI
Comment créer un tableau de bord simple
Introduction à Power Virtual Agents
Présentation de Power Virtual Agents
Objectifs
- Être capable de décrire les composants de Microsoft Power Platform
- Savoir décrire Microsoft Dataverse et les connecteurs
- Découvrir des scénarios dans plusieurs clouds : M365, Dynamics 365, Microsoft Azure et les services de tiers
- Pouvoir identifier les avantages et les capacités de Microsoft Power Platform
- Être capable d'identifier les fonctionnalités de base et la valeur commerciale des composants de Microsoft Power Platform
- Comprendre comment implémenter des solutions simples avec Power Apps, Power Automate et Power BI
Résultat
- Certification Analyser les données avec Microsoft Power BI.
- Attestation de suivi de formation.
L’obtention de la certification se fait par le passage d’un examen en ligne supervisé par l’organisme Pearson VUE, délivré dans un centre d’examen accrédité. Une évaluation en ligne comprenant une variété de questions et un lab à construire.
L’examen dure environ deux heures – livres fermés - et comprend une variété de questions appelant différentes formes de réponse.
Le seuil de réussite est fixé à environ 70% de bonnes réponses, qui correspond à un score de passage de 700 points (score à l'échelle). La note de passage est basée sur l'apport d'experts en la matière, le niveau de compétence requis pour être considéré comme compétent dans le domaine du contenu, et la difficulté des questions livrées pendant l'examen.
L'évaluation s'échelonne selon la répartition suivante :
- Préparer les données (20-25%)
- Modéliser les données (25-30%)
- Visualiser les données (20-25%)
- Analyser les données (10-15%)
- Déployer et maintenir les produits (10-15%)