Ingegnere dei dati professionale in Python

Scopri i pezzi chiave dell'architettura moderna dei dati, dall'acquisizione e distribuzione alla governance e all'orchestrazione.

Impara le basi di VM, container, Docker e Kubernetes. Scopri le differenze per iniziare!

Questo corso ti spiega cos'è il DBT per modellare i dati, trasformarli, testarli e creare la documentazione.

Scopri i concetti base della programmazione orientata agli oggetti (OOP), creando classi e oggetti personalizzati!

In questa Introduzione a DevOps imparerai le basi di DevOps e scoprirai i concetti chiave, gli strumenti e le tecniche per migliorare la produttività.

Diventa un esperto dei test Python: Impara i metodi, crea controlli e assicurati che il codice sia privo di errori con pytest e unittest.

Sharpen your debugging skills to enhance sales data accuracy.

Scopri cos'è Docker e perché è importante per chi lavora con i dati. Scopri i container Docker, le immagini e molto altro ancora.

Master PySpark to handle big data with ease—learn to process, query, and optimize massive datasets for powerful analytics!

This chapter introduces the exciting world of Big Data, as well as the various concepts and different frameworks for processing Big Data. You will understand why Apache Spark is considered the best framework for BigData.

The main abstraction Spark provides is a resilient distributed dataset (RDD), which is the fundamental and backbone data type of this engine. This chapter introduces RDDs and shows how RDDs can be created and executed using RDD Transformations and Actions.

In this chapter, you'll learn about Spark SQL which is a Spark module for structured data processing. It provides a programming abstraction called DataFrames and can also act as a distributed SQL query engine. This chapter shows how Spark SQL allows you to use DataFrames in Python.

Step into a data engineer's shoes and master data cleaning with PySpark on an e-commerce orders dataset!

In this chapter, we learn how to download data files from web servers via the command line. In the process, we also learn about documentation manuals, option flags, and multi-file processing.

In the last chapter, we bridge the connection between command line and other data science languages and learn how they can work together. Using Python as a case study, we learn to execute Python on the command line, to install dependencies using the package manager pip, and to build an entire model pipeline using the command line.

Scopri la differenza tra elaborazione in batch e streaming, come far crescere i sistemi di streaming e le applicazioni nel mondo reale.

In questo corso imparerai le basi di Kubernetes e imparerai a distribuire e gestire i container usando i manifesti e le istruzioni kubectl.

Understand how data engineering can impact your business.