Build your ultimate AI agent
Deskripsi Kursus
Bawa keterampilan Polars Anda ke skala produksi. Pelajari cara membaca rencana kueri dan memaksimalkan potensi pengoptimal, bekerja efisien dengan sumber Parquet, CSV, dan basis data, serta memanfaatkan dtype lanjutan seperti List, Struct, Categorical, dan Enum. Anda juga akan melakukan streaming kueri besar ke disk, memproses data secara batch, dan membangun pipeline yang dapat diuji dengan asersi bawaan. Pada akhirnya, Anda akan siap membangun alur kerja data berkinerja tinggi yang mampu menangani himpunan data dengan ukuran apa pun.
Prasyarat
Kurikulum
Garis besar kursus
1
Menelaah Optimasi Kueri secara Mendalam
Pelajari cara menjaga kueri tetap lazy untuk optimasi maksimal, membaca dan menafsirkan rencana kueri, serta membuka jalur cepat dengan profiling dan data yang sudah diurutkan.
- Eksekusi kueri yang efektif50 XP
- Pratinjau data secara lazy100 XP
- Merangkum peminjaman digital100 XP
- Mengumpulkan dua laporan sekaligus100 XP
- Optimasi dan rencana kueri50 XP
- Membaca rencana naif100 XP
- Membaca rencana yang dioptimalkan100 XP
- Apa yang sebenarnya dilakukan optimisasi kueri50 XP
- Memanfaatkan optimisasi secara maksimal50 XP
- Pivot lazy ke format lebar100 XP
- Profiling kueri lazy100 XP
- Filter jalur cepat pada data yang diurutkan100 XP
2
Input dan Output Data yang Efisien
Pelajari cara membaca dan menulis file Parquet, mengurai CSV yang berantakan, memindai himpunan data multifile dan partisi hive, serta melakukan kueri basis data dari Polars.
3
Dtype Lanjutan untuk Analisis Optimal
Bab ini membahas cara bekerja dengan kolom List dan Struct, mengenkode string berulang sebagai dtype Categorical dan Enum, serta mengurangi penggunaan memori melalui downcasting numerik.
4
Bekerja dengan Polars dalam Skala Besar
Pelajari cara menggunakan engine streaming dan GPU, mengalirkan Hasil kueri besar langsung ke disk dengan partisi, serta menguji pipeline dengan asersi bawaan Polars.
Menskalakan dan Mengoptimalkan Pipeline Data dengan Polars
Kursus
Selesai
