آموزش تست کیفیت داده‌ها با Great Expectations - آخرین آپدیت

دانلود Data Quality Testing with Great Expectations

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: کیفیت داده‌ها، زیربنای تحلیل‌های قابل اعتماد و یادگیری ماشین است؛ حتی پیشرفته‌ترین پلتفرم‌های تحلیلی یا مدل‌های هوش مصنوعی بدون داده‌های دقیق و قابل اطمینان، بی‌ارزش هستند. در این دوره، سام بیل (Sam Bail)، مهندس خبره داده، به شما می‌آموزد که چگونه از Great Expectations، یک فریم‌ورک قدرتمند و متن‌باز برای تست و اعتبارسنجی داده‌ها، استفاده کنید. بررسی کنید که تست کیفیت داده‌ها در چه زمان و مکانی بیشترین اهمیت را دارد و بیاموزید که چگونه نسخه‌های متن‌باز و ابری Great Expectations را برای جریان‌های کاری خود پیکربندی کنید. با استفاده از مثال‌های عملی، تست‌های کیفیت داده را پیاده‌سازی کرده، نتایج را تحلیل نمایید و مشکلات رایج را عیب‌یابی کنید. این دوره شما را تجهیز می‌کند تا خط لوله‌های داده‌ای (Data Pipelines) مستحکم و قابل اعتمادی بسازید که مشکلات داده را پیش از ایجاد آسیب در مراحل پایین‌دستی شناسایی می‌کنند.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه‌ای بر تست کیفیت داده‌ها با GX Data quality testing with GX introduction

1. آشنایی با تست کیفیت داده‌ها 1. Introduction to Data Quality Testing

  • Great Expectations (GX) چیست؟ What is Great Expectations (GX)?

  • از تست‌های دستی به تست‌های خودکار From manual to automated testing

  • چرا کیفیت داده‌ها اهمیت دارد؟ Why data quality matters

  • منظور ما از کیفیت داده‌ها چیست؟ What do we mean by data quality?

2. شروع کار با هسته GX 2. Getting Started with GX Core

  • اتصال به داده‌ها Connecting to data

  • تعریف انتظارات (Expectations) Defining Expectations

  • اجرای اعتبارسنجی‌ها Running Validations

  • ایجاد یک کانتکست داده در GX Creating a GX data context

  • ایجاد یک دارایی داده (Data Asset) Creating a data asset

  • ایجاد یک منبع داده (Data Source) Creating a data source

  • استفاده از مستندات داده (Data Docs) Using Data Docs

  • ایجاد یک تعریف دسته (Batch Definition) Creating a batch definition

3. عیب‌یابی و نگهداری کیفیت داده‌ها 3. Debugging and Maintaining Data Quality

  • رویکردهای عیب‌یابی و رفع مشکلات کیفیت داده Approaches to debugging and fixing data quality issues

  • مانیتورینگ مستمر کیفیت داده‌ها Monitoring ongoing data quality

  • ایجاد انتظارات سفارشی Creating custom Expectations

  • اجرای اکشن‌ها با استفاده از چک‌پوینت‌ها Triggering actions with checkpoints

  • درک دلایل شکست تست‌های داده Understanding data test failures

  • تحلیل علت ریشه‌ای شکست تست‌ها Root cause analysis of test failures

  • به‌روزرسانی و حذف انتظارات در یک مجموعه Expectation Suite Updating and deleting Expectations in an Expectation Suite

  • ایجاد انتظارات تقریبی (Fuzzy Expectations) Creating fuzzy expectations

4. ادغام GX در خط لوله‌های داده عملیاتی 4. Integrating GX in Production Data Pipelines

  • جایگاه GX در استک داده‌های شما How GX fits into your data stack

  • جریان‌های کاری GX GX workflows

  • مروری بر GX Cloud GX Cloud overview

جمع‌بندی Conclusion

  • گام‌های بعدی Next steps

نمایش نظرات

آموزش تست کیفیت داده‌ها با Great Expectations
جزییات دوره
1h 34m
25
(آخرین آپدیت)
604
- از 5
ندارد
دارد
دارد
Sam Bail
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Sam Bail Sam Bail

سام بیل مهندس داده با بیش از ۱۰ سال تجربه در زمینه‌های تحلیل، پلتفرم‌ها و رهبری فنی است.

سام مهندس و تحلیل‌گر داده با بیش از یک دهه تجربه در طراحی پلتفرم‌های داده مقیاس‌پذیر، رهبری تیم‌های مهندسی و ایجاد مشارکت‌های استراتژیک است. او سوابق اثبات شده‌ای در روابط توسعه‌دهندگان و رهبری فنی دارد. سام به عنوان مدرس و سخنران عمومی، مشتاق است مفاهیم پیچیده داده‌ها را به شکلی شفاف، کاربردی و جذاب ارائه دهد.