After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Stärk analysen med datapipelines
Datapipelines är grunden för varje stark dataplattform. Att bygga dessa pipelines är en viktig färdighet för dataingenjörer, som tillför ett enormt värde till ett företag som är redo att kliva in i en datadriven framtid. Den här introduktionskursen hjälper dig att finslipa färdigheterna för att bygga effektiva, presterande och tillförlitliga datapipelines.Bygga och underhålla ETL-lösningar
Under hela den här kursen får du fördjupa dig i hela processen för att bygga en datapipeline. Du kommer att utveckla färdigheter i att använda Python-bibliotek sompandas och json för att extrahera data från strukturerade och ostrukturerade källor innan den transformeras och lagras för vidare användning. På vägen kommer du att utveckla verktyg och tekniker för att bygga självförtroende, såsom arkitekturdiagram, enhetstester och övervakning, som hjälper dina datapipelines att sticka ut från mängden. När du går vidare kommer du att sätta dina nyvunna färdigheter på prov med praktiska övningar.Boosta dataarbetsflöden
Efter att ha slutfört den här kursen kommer du att vara redo att designa, utveckla och använda datapipelines för att ge ditt dataflöde en rejäl boost i ditt jobb, din nya karriär eller ditt personliga projekt.Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till datapipelines
Gör dig redo att utforska hur data samlas in, bearbetas och förflyttas med hjälp av datapipelines. Du undersöker egenskaperna hos de bästa datapipelines och förbereder dig för att designa och bygga dina egna.
2
Bygga ETL-pipelines
Fördjupa dig i att använda pandas för att extrahera, transformera och läsa in data när du bygger dina första datapipelines. Lär dig att göra din ETL-logik återanvändbar, och tillämpa loggning och undantagshantering i dina pipelines.
3
Avancerade ETL-tekniker
Effektivisera ditt arbetsflöde med avancerade datapipelinetekniker, till exempel att arbeta med icke-tabellformat data och spara DataFrames till SQL-databaser. Utforska verktyg för avancerade transformationer med pandas och lär dig bästa praxis för att arbeta med komplex data.
4
Driftsätta och underhålla en datapipeline
I det här avslutande kapitlet skapar du ramverk för att validera och testa datapipelines innan de sätts i produktion. När du har testat din pipeline utforskar du tekniker för att köra den från start till slut, med full insyn i pipelinens prestanda.
ETL och ELT i Python
Kurs
slutförd
