Ana içeriğe atla

Kurs

Python ile ETL ve ELT

Orta SeviyeBeceri Seviyesi

Güncel 01.2026

Çıkarma, Dönüştürme ve Yükleme ilkelerini kullanarak etkili, performanslı ve güvenilir veri boru hatları oluşturmayı öğrenin.

Kursa Ücretsiz Başlayın

PythonData Engineering4 sa14 video53 Egzersiz4,450 XP35,953Başarı Belgesi

Ücretsiz Hesabınızı Oluşturun

veya

Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

Binlerce şirketten öğrencinin sevgisini kazandı

2 veya daha fazla kişiyi mi eğitiyorsunuz?

DataCamp for Business ürününü deneyin

Kurs Açıklaması

Veri Boru Hatları ile Analitiği Güçlendirme

Veri boru hatları, her güçlü veri platformunun temelini oluşturur. Bu boru hatlarını inşa etmek, veri odaklı bir geleceğe adım atmaya hazır olan işletmelere inanılmaz bir değer katan veri mühendisleri için vazgeçilmez bir beceridir. Bu giriş kursu, etkili, performanslı ve güvenilir veri boru hatları oluşturma becerilerinizi geliştirmenize yardımcı olacaktır.

ETL Çözümleri Oluşturma ve Bakımını Yapma

Bu kurs boyunca, veri boru hattı oluşturmanın tüm sürecini ayrıntılı olarak inceleyeceksiniz. Pandas ve json gibi Python kütüphanelerini kullanarak, yapılandırılmış ve yapılandırılmamış kaynaklardan verileri dönüştürülmeden ve kalıcı hale getirilmeden önce çıkarmak için becerilerinizi geliştireceksiniz. Bu süreçte, veri boru hatlarınızı diğerlerinden ayırmanıza yardımcı olacak mimari diyagramları, birim testleri ve izleme gibi güven araçları ve teknikleri geliştireceksiniz. İlerledikçe, yeni edindiğiniz becerileri uygulamalı alıştırmalarla test edeceksiniz.

Veri İş Akışlarını Güçlendirin

Bu kursu tamamladıktan sonra, işinizde, yeni kariyerinizde veya kişisel projenizde veri iş akışınızı güçlendirmek için veri boru hatları tasarlama, geliştirme ve kullanma konusunda hazır olacaksınız.

Önkoşullar

Data Warehousing Concepts Streamlined Data Ingestion with pandas

1

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.

Introduction to ETL and ELT Pipelines

Running an ETL Pipeline

ELT in Action

ETL and ELT Pipelines

Building ETL and ELT Pipelines

Building an ETL Pipeline

The "T" in ELT

Extracting, Transforming, and Loading Student Scores Data

Bölümü Başlat

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.

Extracting data from structured sources

Extracting data from parquet files

Pulling data from SQL databases

Building functions to extract data

Transforming data with pandas

Filtering pandas DataFrames

Transforming sales data with pandas

Validating data transformations

Persisting data with pandas

Loading sales data to a CSV file

Customizing a CSV file

Persisting data to files

Monitoring a data pipeline

Logging within a data pipeline

Handling exceptions when loading data

Monitoring and alerting within a data pipeline

Bölümü Başlat

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.

Extracting non-tabular data

Ingesting JSON data with pandas

Reading JSON data into memory

Transforming non-tabular data

Iterating over dictionaries

Parsing data from dictionaries

Transforming JSON data

Transforming and cleaning DataFrames

Advanced data transformation with pandas

Filling missing values with pandas

Grouping data with pandas

Applying advanced transformations to DataFrames

Loading data to a SQL database with pandas

Loading data to a Postgres database

Validating data loaded to a Postgres Database

Bölümü Başlat

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.

Manually testing a data pipeline

Testing data pipelines

Validating a data pipeline at "checkpoints"

Testing a data pipeline end-to-end

Unit-testing a data pipeline

Validating a data pipeline with assert

Writing unit tests with pytest

Creating fixtures with pytest

Unit testing a data pipeline with fixtures

Running a data pipeline in production

Orchestration and ETL tools

Data pipeline architecture patterns

Running a data pipeline end-to-end

Congratulations!

Bölümü Başlat

Python ile ETL ve ELT

Kurs
Tamamlandı

Başarı Belgesi Kazanın

Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyin
Sosyal medyada ve performans incelemenizde paylaşınŞimdi Kaydolun

Bugün 19 milyondan fazla öğrenciye katılın ve Python ile ETL ve ELT eğitimine başlayın!

Ücretsiz Hesabınızı Oluşturun

veya

Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

DataCamp for Mobile ile veri becerilerinizi geliştirin

Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.