Przejdź do głównej treści

Kurs

Wprowadzenie do jakości danych z Great Expectations

Średniozaawansowany4 godz.

Zapewnij wysoką jakość danych w workflow data science i data engineering dzięki bibliotece Great Expectations w Pythonie.

Python4 godz.{count, plural, one {# film} few {# filmy} many {# filmów} other {# filmów}}{count, plural, one {# ćwiczenie} few {# ćwiczenia} many {# ćwiczeń} other {# ćwiczenia}}3,500 XP3,265Oświadczenie o ukończeniu

Utwórz bezpłatne konto

Kontynuuj z Google
lub
Kontynuując, akceptujesz nasz Warunki użytkowania, nasz Polityka prywatności i że Twoje dane są przechowywane w USA.

Uwielbiany przez uczących się w tysiącach firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Great Expectations to potężne narzędzie do monitorowania jakości danych w procesach data science i data engineering. Platformę można łatwo zintegrować z Pythonem, dzięki czemu stanowi przydatną bibliotekę, którą użytkownicy Pythona mogą opanować.

Sercem Great Expectations są Expectations, czyli asercje, które chcesz zweryfikować w swoich danych. Zaczniesz ten kurs od nauki, jak łączyć się z rzeczywistymi zbiorami danych i stosować do nich Expectations. Następnie nauczysz się pobierać, edytować i usuwać Expectations oraz tworzyć pipeline’y do stosowania Expectations w nowych zbiorach danych w środowisku produkcyjnym.

Na koniec poznasz konkretne typy Expectations, takie jak dla kolumn numerycznych i tekstowych, oraz dowiesz się, jak tworzyć Expectations jednej kolumny zależne od wartości innych kolumn.

Po ukończeniu tego kursu będziesz mieć solidne podstawy w bibliotece Python Great Expectations. Będziesz mógł korzystać z podstawowych funkcji platformy, aby monitorować jakość swoich danych, a także używać swoich danych z pewnością, że spełniają one Twoje standardy jakości danych.

Wymagania wstępne

Program kursu

Plan kursu

1

Łączenie z danymi

Dowiedz się, dlaczego Great Expectations (GX) to tak skuteczne narzędzie do monitorowania jakości danych. Poznaj podstawy GX – w tym jak rozpocząć sesję za pomocą Data Context oraz jak wczytać ramkę danych pandas przy użyciu Data Source, Data Asset i Batch Definition.
Rozpocznij rozdział
3

GX w praktyce

Zdobądź praktyczne umiejętności, które pomogą ci sprawnie pracować z dynamiczną naturą Expectations w rzeczywistych projektach. Wdrażaj Validation Definitions przy użyciu Checkpoints, aktualizuj Expectation Suites oraz ucz się dodawać, pobierać, wyświetlać i usuwać kluczowe komponenty GX.
Rozpocznij rozdział
4

Expectations – wszystko, co warto wiedzieć

Zanurz się w świat Expectations. Ćwicz tworzenie podstawowych Expectations dla kolumn, Expectations numerycznych na poziomie wierszy i agregacji, Expectations dla łańcuchów tekstowych i ich interpretowalności oraz wiele więcej. Dowiedz się, jak stosować Expectations tylko do wybranych wierszy ramki danych.
Rozpocznij rozdział

Wprowadzenie do jakości danych z Great Expectations

Kurs
ukończony

Zdobądź Certyfikat Ukończenia

Zapisz się

Rozwijaj swoje umiejętności danych z DataCamp for Mobile

Rozwijaj się w drodze dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.