Profesyonel Veri Mühendisi Python'da

Veri alımı ve sunumundan yönetişim ve düzenlemeye kadar modern veri mimarisinin temel bileşenlerini keşfedin.

VM'ler, konteynerlar, Docker ve Kubernetes'in temellerini öğrenin. Başlamak için aralarındaki farkları anlayın!

Bu kurs, veri modelleme, dönüşümler, testler ve dokümantasyon oluşturma için dbt'yi tanıtmaktadır.

Nesne yönelimli programlamanın (OOP) temel kavramlarını keşfedin, özel sınıflar ve nesneler oluşturun!

Bu DevOps'a Giriş bölümünde, DevOps'un temellerini öğrenecek ve üretkenliği artırmak için gerekli temel kavramları, araçları ve teknikleri öğreneceksiniz.

Python testlerini ustaca kullanın: Pytest ve unittest ile yöntemleri öğrenin, kontroller oluşturun ve hatasız kod yazın.

Sharpen your debugging skills to enhance sales data accuracy.

Docker'a giriş yapın ve veri uzmanlarının araç setinde Docker'ın önemini keşfedin. Docker konteynerleri, görüntüler ve daha fazlası hakkında bilgi edinin.

Master PySpark to handle big data with ease—learn to process, query, and optimize massive datasets for powerful analytics!

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.

Toplu işleme ve akış arasındaki fark, akış sistemlerinin ölçeklendirilmesi ve gerçek dünya uygulamaları hakkında bilgi edinin.

Bu kursta, Kubernetes'in temellerini öğrenecek ve Manifests ve kubectl komutlarını kullanarak konteynerleri dağıtacak ve düzenleyeceksiniz.

Understand how data engineering can impact your business.