After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Potenziare l'analisi dei dati con le pipeline di dati
Le pipeline di dati sono alla base di ogni piattaforma dati solida. Costruire queste pipeline è una competenza fondamentale per i data engineer, che danno un valore incredibile alle aziende pronte a entrare in un futuro guidato dai dati. Questo corso introduttivo ti aiuterà a migliorare le tue abilità per creare pipeline di dati efficaci, performanti e affidabili.Creazione e manutenzione di soluzioni ETL
Durante questo corso, ti immergerai nel processo completo di creazione di una pipeline di dati. Svilupperai competenze nell'uso di librerie Python comepandas e json per estrarre dati da fonti strutturate e non strutturate prima che vengano trasformati e conservati per un uso a valle. Lungo il percorso, imparerai a usare strumenti e tecniche affidabili come diagrammi di architettura, test unitari e monitoraggio, che ti aiuteranno a distinguere le tue pipeline di dati da quelle degli altri. Man mano che vai avanti, metterai alla prova le tue nuove abilità con esercizi pratici.Potenzia i flussi di lavoro dei dati
Dopo aver finito questo corso, sarai pronto a progettare, sviluppare e usare le pipeline di dati per potenziare il tuo flusso di lavoro con i dati nel tuo lavoro, nella tua nuova carriera o nei tuoi progetti personali.Prerequisiti
Curriculum
Programma del corso
1
Introduzione alle pipeline di dati
Preparati a scoprire come i dati vengono raccolti, elaborati e trasferiti tramite le pipeline di dati. Esplorerai le qualità delle migliori pipeline e ti preparerai a progettarne e costruirne di tue.
2
Creare pipeline ETL
Scopri come usare pandas per estrarre, trasformare e caricare i dati mentre costruisci le tue prime pipeline. Impara a rendere riutilizzabile la logica ETL e ad applicare logging e gestione delle eccezioni alle tue pipeline.
3
Tecniche ETL avanzate
Dai una marcia in più al tuo flusso di lavoro con tecniche avanzate di data pipelining, come lavorare con dati non tabulari e salvare DataFrame in database SQL. Scopri gli strumenti per affrontare trasformazioni avanzate con pandas e le buone pratiche per lavorare con dati complessi.
4
Distribuire e mantenere una pipeline di dati
In questo capitolo finale, creerai framework per convalidare e testare le pipeline di dati prima di portarle in produzione. Dopo aver testato la tua pipeline, esplorerai tecniche per eseguirla end-to-end, garantendo al contempo visibilità sulle prestazioni della pipeline.
ETL and ELT in Python
Corso
completato
