After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Wzmacnianie analityki dzięki potokom danych
Potoki danych stanowią fundament każdej solidnej platformy danych. Budowanie takich pipeline’ów to kluczowa umiejętność dla inżynierów danych, którzy wnoszą ogromną wartość do firmy gotowej wkroczyć w przyszłość opartą na danych. Ten kurs wprowadzający pomoże Ci doskonalić umiejętności potrzebne do tworzenia efektywnych, wydajnych i niezawodnych potoków danych.Tworzenie i utrzymywanie rozwiązań ETL
W trakcie tego kursu zanurzysz się w kompletnym procesie tworzenia potoku danych. Rozwiniesz umiejętności wykorzystując biblioteki Pythona, takie jakpandas i json, aby wyodrębniać dane ze źródeł ustrukturyzowanych i nieustrukturyzowanych, zanim zostaną przekształcone i zapisane do dalszego wykorzystania. Po drodze rozwiniesz pewność siebie dzięki narzędziom i technikom, takim jak diagramy architektury, testy jednostkowe i monitorowanie, które pomogą wyróżnić Twoje potoki danych na tle innych. W miarę postępów będziesz sprawdzać swoje nowo nabyte umiejętności w praktycznych ćwiczeniach.Przyspiesz przepływy pracy z danymi
Po ukończeniu tego kursu będziesz gotowy(-a) projektować, tworzyć i wykorzystywać potoki danych, aby znacząco usprawnić swój przepływ pracy z danymi w pracy, nowej karierze lub projekcie osobistym.Wymagania wstępne
Program kursu
Plan kursu
1
Wprowadzenie do potoków danych
Dowiedz się, jak dane są zbierane, przetwarzane i przesyłane za pomocą potoków danych. Poznasz cechy najlepszych potoków danych i przygotujesz się do projektowania oraz budowania własnych.
2
Budowanie potoków ETL
Zanurz się w świat biblioteki pandas i naucz się ekstrahować, przekształcać oraz ładować dane podczas budowania pierwszych potoków ETL. Dowiedz się, jak tworzyć wielokrotnie używalną logikę ETL, oraz jak stosować logowanie i obsługę wyjątków w potokach danych.
3
Zaawansowane techniki ETL
Usprawnij swój przepływ pracy dzięki zaawansowanym technikom pracy z potokami danych – takim jak obsługa danych nietabelarycznych i utrwalanie ramek danych w bazach SQL. Odkryj narzędzia do zaawansowanych przekształceń w pandas oraz sprawdzone metody pracy ze złożonymi danymi.
4
Wdrażanie i utrzymywanie potoku danych
W tym ostatnim rozdziale stworzysz frameworki do walidacji i testowania potoków danych przed wdrożeniem na produkcję. Po przetestowaniu potoku poznasz techniki uruchamiania go od początku do końca – z pełną widocznością jego wydajności.
ETL i ELT w Pythonie
Kurs
ukończony
