Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Renforcer l'analyse grâce aux pipelines de données
Les pipelines de données sont à la base de toute plateforme de données solide. La construction de ces pipelines est une compétence essentielle pour les ingénieurs de données, qui apportent une valeur incroyable à une entreprise prête à s'engager dans un avenir axé sur les données. Ce cours d'introduction vous aidera à perfectionner vos compétences pour construire des pipelines de données efficaces, performants et fiables.Construire et maintenir des solutions ETL
Tout au long de ce cours, vous découvrirez le processus complet de construction d'un pipeline de données. Vous développerez vos compétences en utilisant des bibliothèques Python telles quepandas et json pour extraire des données à partir de sources structurées et non structurées avant qu'elles ne soient transformées et conservées pour une utilisation en aval. En cours de route, vous développerez des outils et des techniques de confiance tels que les diagrammes d'architecture, les tests unitaires et la surveillance qui vous aideront à distinguer vos pipelines de données des autres. Au fur et à mesure de votre progression, vous mettrez vos nouvelles compétences à l'épreuve grâce à des exercices pratiques.Optimisez les flux de données
Après avoir suivi ce cours, vous serez prêt à concevoir, développer et utiliser des pipelines de données pour optimiser votre flux de données dans votre travail, votre nouvelle carrière ou votre projet personnel.Prérequis
Programme de formation
Plan du cours
1
Introduction aux pipelines de données
Préparez-vous à découvrir comment les données sont collectées, traitées et déplacées au moyen de pipelines de données. Vous explorerez les qualités des meilleurs pipelines et vous vous préparerez à concevoir et construire les vôtres.
2
Créer des pipelines ETL
Découvrez comment utiliser pandas pour extraire, transformer et charger des données en construisant vos premiers pipelines. Apprenez à rendre votre logique ETL réutilisable et à appliquer la journalisation et la gestion des exceptions à vos pipelines.
3
Techniques ETL avancées
Accélérez votre flux de travail avec des techniques avancées de pipeline de données, comme la gestion de données non tabulaires et la persistance de DataFrames dans des bases SQL. Découvrez des outils pour réaliser des transformations avancées avec pandas et adoptez les meilleures pratiques pour manipuler des données complexes.
4
Déployer et maintenir un pipeline de données
Dans ce dernier chapitre, vous allez créer des cadres pour valider et tester des pipelines de données avant leur mise en production. Une fois votre pipeline testé, vous explorerez des techniques pour l’exécuter de bout en bout, tout en assurant la visibilité sur ses performances.
ETL et ELT en Python
Cours
terminé
