Name: ETL and ELT ใน Python
Rating: 4.820885434268334 (2959 reviews)

รายละเอียดคอร์ส

เสริมศักยภาพการวิเคราะห์ด้วย Data Pipelines

ไปป์ไลน์ข้อมูลเป็นรากฐานของทุกแพลตฟอร์มข้อมูลที่แข็งแกร่ง การสร้างไปป์ไลน์เหล่านี้เป็นทักษะสำคัญสำหรับวิศวกรข้อมูล ซึ่งมอบคุณค่าอย่างมหาศาลให้กับธุรกิจที่พร้อมก้าวสู่อนาคตที่ขับเคลื่อนด้วยข้อมูล หลักสูตรเบื้องต้นนี้จะช่วยให้คุณฝึกฝนทักษะในการสร้าง data pipeline ที่มีประสิทธิภาพ ทำงานได้ดี และเชื่อถือได้

การสร้างและดูแลรักษาโซลูชัน ETL

ตลอดหลักสูตรนี้ คุณจะได้เจาะลึกกระบวนการทั้งหมดในการสร้างไปป์ไลน์ข้อมูล คุณจะพัฒนาทักษะในการใช้ไลบรารี Python เช่น pandas และ json เพื่อดึงข้อมูลจากแหล่งข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง ก่อนที่ข้อมูลจะถูกแปลงและจัดเก็บไว้เพื่อใช้งานต่อในขั้นตอนถัดไป ระหว่างทาง คุณจะพัฒนาเครื่องมือและเทคนิคเพื่อสร้างความมั่นใจ เช่น แผนภาพสถาปัตยกรรม การทดสอบหน่วย และการมอนิเตอร์ ซึ่งจะช่วยให้ไปป์ไลน์ข้อมูลของคุณโดดเด่นเหนือผู้อื่น เมื่อคุณก้าวหน้าไป คุณจะได้ทดสอบทักษะใหม่ที่เพิ่งเรียนรู้ด้วยแบบฝึกหัดภาคปฏิบัติ

ยกระดับเวิร์กโฟลว์ข้อมูลของคุณให้ทรงพลังยิ่งขึ้น

หลังจากเรียนจบหลักสูตรนี้ คุณจะพร้อมออกแบบ พัฒนา และใช้งาน data pipeline เพื่อยกระดับเวิร์กโฟลว์ข้อมูลของคุณให้ทรงพลังยิ่งขึ้นในงานอาชีพใหม่ งานปัจจุบัน หรือโปรเจกต์ส่วนตัวของคุณ

ข้อกำหนดเบื้องต้น

Data Warehousing Concepts Streamlined Data Ingestion with pandas

หลักสูตร

โครงร่างคอร์ส

Pipeline ข้อมูลเบื้องต้น

เตรียมพบกับวิธีรวบรวม ประมวลผล และย้ายข้อมูลด้วย pipeline ข้อมูล จากนั้นจะได้สำรวจคุณสมบัติของ pipeline ข้อมูลที่ดีที่สุด และเตรียมพร้อมออกแบบและสร้าง pipeline ของตัวเอง

เริ่มบท

การสร้าง ETL Pipeline

เจาะลึกการใช้ pandas เพื่อดึงข้อมูล แปลงข้อมูล และโหลดข้อมูล ขณะสร้าง pipeline ข้อมูลชิ้นแรก เรียนรู้วิธีทำให้ตรรกะ ETL นำกลับมาใช้ซ้ำได้ พร้อมทั้งนำการทำ logging และการจัดการ exception มาใช้กับ pipeline

เริ่มบท

เทคนิค ETL ขั้นสูง

ยกระดับขั้นตอนการทำงานด้วยเทคนิคการสร้าง pipeline ข้อมูลขั้นสูง เช่น การทำงานกับข้อมูลที่ไม่ใช่ตาราง (non-tabular) และการบันทึก DataFrame ลงฐานข้อมูล SQL ค้นพบเครื่องมือสำหรับจัดการการแปลงข้อมูลขั้นสูงด้วย pandas และเรียนรู้แนวทางปฏิบัติที่ดีที่สุดในการทำงานกับข้อมูลที่ซับซ้อน

เริ่มบท

การนำ Pipeline ข้อมูลไปใช้งานจริงและดูแลรักษา

ในบทสุดท้ายนี้ จะได้สร้างเฟรมเวิร์กสำหรับตรวจสอบและทดสอบ pipeline ข้อมูลก่อนนำไปใช้งานจริง หลังจากทดสอบ pipeline แล้ว จะได้สำรวจเทคนิคการรัน pipeline ข้อมูลแบบ end-to-end พร้อมทั้งสามารถมองเห็นประสิทธิภาพของ pipeline ได้ตลอดกระบวนการ