Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Potenciar la analítica con canalizaciones de datos
Los conductos de datos son la base de toda plataforma de datos sólida. La construcción de estas canalizaciones es una habilidad esencial para los ingenieros de datos, que aportan un valor increíble a una empresa preparada para dar el paso hacia un futuro impulsado por los datos. Este curso introductorio te ayudará a perfeccionar las habilidades necesarias para construir canalizaciones de datos eficaces, eficaces y fiables.Creación y mantenimiento de soluciones ETL
A lo largo de este curso, te sumergirás en el proceso completo de construcción de una canalización de datos. Desarrollarás tus habilidades aprovechando bibliotecas de Python comopandas y json para extraer datos de fuentes estructuradas y no estructuradas antes de transformarlos y almacenarlos para su uso posterior. Por el camino, desarrollarás herramientas y técnicas de confianza, como diagramas de arquitectura, pruebas unitarias y supervisión, que te ayudarán a diferenciar tus canalizaciones de datos del resto. A medida que avances, pondrás a prueba tus nuevas habilidades con ejercicios prácticos.Supercarga los flujos de trabajo de datos
Tras completar este curso, estarás preparado para diseñar, desarrollar y utilizar canalizaciones de datos para potenciar tu flujo de trabajo de datos en tu trabajo, nueva carrera o proyecto personal.Requisitos previos
Programa de formación
Esquema del curso
1
Introducción a los data pipelines
Prepárate para descubrir cómo se recopilan, procesan y mueven los datos usando data pipelines. Explorarás las cualidades de los mejores pipelines y te prepararás para diseñar y construir los tuyos.
2
Creación de pipelines ETL
Sumérgete en cómo aprovechar pandas para extraer, transformar y cargar datos mientras creas tus primeros data pipelines. Aprende a hacer que tu lógica ETL sea reutilizable y aplica registro de eventos (logging) y manejo de excepciones a tus pipelines.
3
Técnicas ETL avanzadas
Acelera tu flujo de trabajo con técnicas avanzadas de data pipelining, como trabajar con datos no tabulares y persistir DataFrames en bases de datos SQL. Descubre herramientas para abordar transformaciones avanzadas con pandas y conoce las mejores prácticas para trabajar con datos complejos.
4
Implementación y mantenimiento de un data pipeline
En este capítulo final, crearás marcos para validar y probar data pipelines antes de llevarlos a producción. Después de probar tu pipeline, explorarás técnicas para ejecutar tu data pipeline de extremo a extremo, permitiendo a la vez visibilidad sobre el rendimiento del pipeline.
ETL y ELT en Python
Curso
completado
