วิศวกรข้อมูลมืออาชีพ ใน Python

ค้นพบองค์ประกอบสำคัญของสถาปัตยกรรมข้อมูลสมัยใหม่ ตั้งแต่การนำเข้าข้อมูลและการให้บริการ ไปจนถึงการกำกับดูแลและการประสานงาน

บรรทัดคำสั่ง Unix ช่วยให้ผู้ใช้ผสานโปรแกรมที่มีอยู่ในรูปแบบใหม่ ทำงานซ้ำอัตโนมัติ และรันโปรแกรมบนคลัสเตอร์และคลาวด์

เรียนรู้พื้นฐานของ VM, คอนเทนเนอร์, Docker และ Kubernetes เข้าใจความแตกต่างเพื่อเริ่มต้นได้เลย!

คอร์สนี้แนะนำ dbt สำหรับการสร้างแบบจำลองข้อมูล การแปลง การทดสอบ และการสร้างเอกสารประกอบ

ค้นพบแนวคิดพื้นฐานของการเขียนโปรแกรมเชิงวัตถุ (OOP) สร้างคลาสและอ็อบเจ็กต์แบบกำหนดเอง!

ในบทนำสู่ DevOps นี้ คุณจะเชี่ยวชาญพื้นฐานของ DevOps และเรียนรู้แนวคิด เครื่องมือ และเทคนิคสำคัญเพื่อเพิ่มประสิทธิภาพการทำงาน

เชี่ยวชาญการทดสอบ Python: เรียนรู้วิธีการ สร้างการตรวจสอบ และทำให้โค้ดปราศจากข้อผิดพลาดด้วย pytest และ unittest

Sharpen your debugging skills to enhance sales data accuracy.

รู้จัก Docker และค้นพบความสำคัญของมันในชุดเครื่องมือของผู้เชี่ยวชาญด้านข้อมูล เรียนรู้เกี่ยวกับคอนเทนเนอร์ Docker, อิมเมจ และอื่นๆ

เชี่ยวชาญ PySpark เพื่อจัดการบิ๊กดาต้าได้ง่ายๆ—เรียนรู้การประมวลผล คิวรี และปรับแต่งชุดข้อมูลขนาดใหญ่เพื่อการวิเคราะห์ทรงพลัง!

This chapter introduces the exciting world of Big Data, as well as the various concepts and different frameworks for processing Big Data. You will understand why Apache Spark is considered the best framework for BigData.

The main abstraction Spark provides is a resilient distributed dataset (RDD), which is the fundamental and backbone data type of this engine. This chapter introduces RDDs and shows how RDDs can be created and executed using RDD Transformations and Actions.

In this chapter, you'll learn about Spark SQL which is a Spark module for structured data processing. It provides a programming abstraction called DataFrames and can also act as a distributed SQL query engine. This chapter shows how Spark SQL allows you to use DataFrames in Python.

Step into a data engineer's shoes and master data cleaning with PySpark on an e-commerce orders dataset!

In this chapter, we learn how to download data files from web servers via the command line. In the process, we also learn about documentation manuals, option flags, and multi-file processing.

In the last chapter, we bridge the connection between command line and other data science languages and learn how they can work together. Using Python as a case study, we learn to execute Python on the command line, to install dependencies using the package manager pip, and to build an entire model pipeline using the command line.

เรียนรู้ความแตกต่างระหว่างการแบตช์และสตรีมมิง การปรับสเกลระบบสตรีมมิง และการใช้งานจริง

เชี่ยวชาญ Apache Kafka! ตั้งแต่แนวคิดพื้นฐานไปจนถึงสถาปัตยกรรมขั้นสูง เรียนรู้การสร้าง จัดการ และแก้ปัญหา Kafka สำหรับความท้าทายด้านสตรีมมิงข้อมูลจริง!

ในคอร์สนี้ คุณจะเรียนรู้พื้นฐานของ Kubernetes และนำคอนเทนเนอร์ไปใช้งานและจัดการด้วย Manifests และคำสั่ง kubectl

Understand how data engineering can impact your business.