Курс
ETL and ELT in Python
Средний уровеньУровень навыков
Обновлено 01.2026
PythonData Engineering4 ч14 видео53 Упражнения4,450 XP37,235Справка об успешном завершении
Создать бесплатный аккаунт
Продолжить через GoogleПоказать больше вариантовили
Продолжая, вы принимаете наши Условия использования, нашу Политику конфиденциальности и соглашаетесь с тем, что ваши данные хранятся в США.
Любимая обучающимися из тысяч компаний
Обучаете команду?
Попробуйте для бизнесаОписание курса
Empowering Analytics with Data Pipelines
Data pipelines are at the foundation of every strong data platform. Building these pipelines is an essential skill for data engineers, who provide incredible value to a business ready to step into a data-driven future. This introductory course will help you hone the skills to build effective, performant, and reliable data pipelines.Building and Maintaining ETL Solutions
Throughout this course, you’ll dive into the complete process of building a data pipeline. You’ll grow skills leveraging Python libraries such aspandas and json to extract data from structured and unstructured sources before it’s transformed and persisted for downstream use. Along the way, you’ll develop confidence tools and techniques such as architecture diagrams, unit-tests, and monitoring that will help to set your data pipelines out from the rest. As you progress, you’ll put your new-found skills to the test with hands-on exercises.
Supercharge Data Workflows
After completing this course, you’ll be ready to design, develop and use data pipelines to supercharge your data workflow in your job, new career, or personal project.Необходимые условия
Data Warehousing ConceptsStreamlined Data Ingestion with pandas1
Introduction to Data Pipelines
Get ready to discover how data is collected, processed, and moved using data pipelines. You will explore the qualities of the best data pipelines, and prepare to design and build your own.
2
Building ETL Pipelines
Dive into leveraging pandas to extract, transform, and load data as you build your first data pipelines. Learn how to make your ETL logic reusable, and apply logging and exception handling to your pipelines.
3
Advanced ETL Techniques
Supercharge your workflow with advanced data pipelining techniques, such as working with non-tabular data and persisting DataFrames to SQL databases. Discover tooling to tackle advanced transformations with pandas, and uncover best-practices for working with complex data.
4
Deploying and Maintaining a Data Pipeline
In this final chapter, you’ll create frameworks to validate and test data pipelines before shipping them into production. After you’ve tested your pipeline, you’ll explore techniques to run your data pipeline end-to-end, all while allowing for visibility into pipeline performance.
ETL and ELT in Python
Курс завершён
Получить сертификат об окончании
Добавьте эту квалификацию в профиль LinkedIn, резюме или CVПоделитесь в социальных сетях и в обзоре эффективностиЗаписаться сейчас
Присоединяйтесь к более чем 19 миллионам обучающихся и начните ETL and ELT in Python уже сегодня!
Создать бесплатный аккаунт
Продолжить через GoogleПоказать больше вариантовили
Продолжая, вы принимаете наши Условия использования, нашу Политику конфиденциальности и соглашаетесь с тем, что ваши данные хранятся в США.
Развивайте свои навыки работы с данными с помощью DataCamp для мобильных устройств.
Успевайте в обучении на ходу с помощью наших мобильных курсов и ежедневных 5-минутных заданий по программированию.