DP-900: fundamentos de dados no Azure

Objetivos e percurso

Percurso independente com seis módulos, prática explicada e casos fictícios de APS e projetos de dados. Avaliação interna de 22 decisões em 50 minutos. Abrange os quatro domínios oficiais com Microsoft Fabric e Azure Databricks no programa atual. Objetivos DP-900 em vigor desde 21-07-2026. Exame oficial: 45 minutos, nota 700 numa escala de 1000, sem equivalência a 70%. A quantidade de perguntas não foi fixada pela fonte consultada. Português oficial: Brasil; este percurso usa PT-PT.

Para quem: Profissionais IT, equipas APS e gestores que trabalham com bases de dados e reporting.

Pré-requisitos: Noções básicas de aplicações e cloud. Não exige certificação anterior.

260 minutos de estudo estimados

• Relaciona representação, uso e responsabilidade antes de escolher armazenamento.
• Explica o que cada linha representa e como as relações preservam significado.
• Escolhe o nível de gestão segundo dependências e responsabilidades.
• Liga objetos, ficheiros, entidades e documentos aos padrões da aplicação.
• Distingue ingestão, transformação e análise segundo a latência exigida.
• Constrói métricas coerentes e comunica o período que os dados representam.

Módulos

1. Dados, workloads e responsabilidades
2. Modelo relacional, integridade e SQL
3. Serviços relacionais e compatibilidade
4. Armazenamento não relacional e acesso
5. Pipelines, lakehouse e análise de eventos
6. Modelos, atualidade e visualização

Continua a aprender

Dados e IA

• AZ-900 — Azure Fundamentals
• SQL
• Microsoft Azure Database Administrator

Referências e versão

DP-900 skills measured 2026-07-21

• DP-900 current skills measured 2026-07-21 · 2026-09-30
• DP-900 exam duration and languages · 2026-09-30
• Microsoft technical exam scaled scores · 2026-09-30
• Structured semi-structured and unstructured data · 2026-09-30
• CSV JSON XML Parquet Avro and Delta · 2026-09-30
• Transactional workloads and ACID · 2026-09-30
• Analytical workloads and stores · 2026-09-30
• Data store models and access patterns · 2026-09-30
• Selecting data storage · 2026-09-30
• Data engineer role and responsibilities · 2026-09-30
• Data analyst role and responsibilities · 2026-09-30
• Relational normalization principles · 2026-09-30
• Primary and foreign key constraints · 2026-09-30
• SQL statements and categories · 2026-09-30
• Views and underlying data · 2026-09-30
• Indexes and database access · 2026-09-30
• Azure SQL Database Managed Instance and virtual machines · 2026-09-30
• Managed PostgreSQL service · 2026-09-30
• Managed MySQL service · 2026-09-30
• Blob object storage · 2026-09-30
• Azure file shares and protocols · 2026-09-30
• Azure Table storage · 2026-09-30
• Cosmos DB capabilities and API families · 2026-09-30
• Cosmos DB partition keys and access patterns · 2026-09-30
• Hierarchical namespaces for data lakes · 2026-09-30
• ETL versus ELT · 2026-09-30
• Fabric SaaS analytics and OneLake · 2026-09-30
• Azure Databricks analytics platform · 2026-09-30
• Stream processing and windows · 2026-09-30
• Fabric real-time event analytics · 2026-09-30
• Fact dimension grain and relationships · 2026-09-30
• Import DirectQuery and composite models · 2026-09-30
• Visual selection by analytical purpose · 2026-09-30
• Data role boundaries and collaboration · 2026-09-30