خودکارسازی کیفیت داده ها در محیط های توسعه دهنده

Automating Data Quality in Dev Environments

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

کیفیت داده ها ستون فقرات هوش مصنوعی موفق است، با این حال اکثر رهبران فاقد استانداردهای کیفیتی هستند که می توانند در تولید آنها را خودکار کنند. این دوره به شما می آموزد که چگونه استانداردهای کیفیتی را برای داده های دامنه خود ایجاد کنید، سپس آن استانداردها را در محیط های تولیدی خودکار کنید.

بیشتر سازمان ها با استانداردهای ناکافی برای اندازه گیری کیفیت، داده های بیشتری از آنچه که می توانند به طور مؤثر مدیریت کنند، تولید و دریافت می کنند. از آنجایی که رهبران با فشار فزاینده ای برای استفاده از هوش مصنوعی مواجه می شوند، شرکت هایی که استانداردهای بهتری را اتخاذ و اجرا نمی کنند، عقب خواهند ماند. مربی Lauren Maffeo توضیح می دهد که چگونه استانداردهای کیفیت داده را در هر دامنه تعریف کنید، چه کسی باید این استانداردهای کیفیت را تنظیم کند، از چه ابزارهایی باید برای مقیاس و خودکارسازی این استانداردها استفاده کنید، و چگونه اطمینان حاصل کنید که هر داده جدید با این استانداردها اندازه گیری می شود. درک درستی از افراد، فرآیندها و ابزارهای مورد نیاز برای دانستن کیفیت داده ها به دست آورید و آن استانداردها را در معماری داده خود ادغام کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • چرا کیفیت داده ها بسیار مهم است Why data quality is crucial

1. نقشه راه خود را برای QA داده ها بنویسید 1. Write Your Roadmap for Data QA

  • کیفیت داده را تعریف کنید Define data quality

  • یک نقشه راه برای تحویل محصول داده بنویسید Write a roadmap for data product delivery

  • داده های خود را به عنوان یک محصول مدیریت کنید Manage your data as a product

  • یک ممیزی داده انجام دهید Do a data audit

  • یک نقشه فرآیند وضعیت فعلی ایجاد کنید Create a current-state process map

  • یک پروژه با اولویت بالا را انتخاب کنید Choose a high-priority project

2. توسعه حاکمیت محور را تمرین کنید 2. Practice Governance-Driven Development

  • پیش نویس نقشه فرآیند آینده Draft a to-be process map

  • سیستم(های) منبع داده خود را تأیید کنید Confirm your data's source system(s)

  • ردیابی نسب داده را تنظیم کنید Set up data lineage tracking

  • حوزه های تبدیل داده را تعریف کنید Define areas of data transformation

  • الزامات داده را برای نقشه راه خود بنویسید Write data requirements for your roadmap

  • به تیم داده خود فضایی برای شکست بدهید Give your data team room to fail

  • سطوح دسترسی به ازای هر کاربر را تعریف کنید Define levels of access per user

  • یکپارچه سازی سیستم داده مناسب را ایجاد کنید Establish the right data system integrations

  • چند کاربر فوق العاده را برای اعتبارسنجی محصول خود انتخاب کنید Choose some super users to validate your product

  • حداقل معیارهای پذیرش داده های منبع خود را تعریف کنید (MAC) Define your source data's minimum acceptance criteria (MAC)

3. نظارت بر داده ها در تولید 3. Monitor Data in Production

  • یک ماتریس ردیابی بسازید Make a traceability matrix

  • اصول طراحی مش داده را تمرین کنید Practice data mesh design principles

  • استانداردهای QA داده های خود را مقیاس و خودکار کنید Scale and automate your data QA standards

  • پیگیری تغییرات مقررات جاری Track ongoing regulation changes

  • برای جلوگیری از جابجایی داده ها از فروشگاه های ویژگی استفاده کنید Use feature stores to prevent data drift

  • برنامه ای برای کنترل داده ها در طول چرخه عمر کامل ایجاد کنید Make a plan to govern data throughout the full lifecycle

  • استانداردهای امنیت داده را اجرا کنید Execute data security standards

  • استانداردهای QA داده فدرال را خودکار کنید Automate federated data QA standards

  • داده های جدید را به عنوان واحدهای قابل استقرار ارسال کنید Ship new data as deployable units

نتیجه گیری Conclusion

  • به سفر یادگیری خود در کیفیت داده ادامه دهید Continuing your learning journey in the data quality

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

خودکارسازی کیفیت داده ها در محیط های توسعه دهنده
جزییات دوره
1h 4m
27
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
604
- از 5
ندارد
دارد
دارد
Lauren Maffeo
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lauren Maffeo Lauren Maffeo

طراح خدمات ارشد در Steampunk

Lauren Maffeo طراح خدمات ارشد در Steampunk، یک شرکت طراحی است که به دولت فدرال خدمت می کند.

لورن یک تحلیلگر و طراح برنده جوایز است که کارش شامل نوشتن و اجرای طرح های تحقیقاتی، مصاحبه های پیشرو با کاربران، میزبانی تست قابلیت استفاده، و ایجاد دارایی هایی مانند پرسونا، نقشه های فرآیند و سفر، نقشه های خدمات، و استراتژی محتوا است. مهاجرت. او نویسنده طراحی حاکمیت داده از سطح زمین است، و مدرس کمکی طراحی در دانشگاه جورج واشنگتن است. لورن یکی از ویراستاران مجله AI and Ethics Springer و یک ویرایشگر منطقه ای سابق برای Data and Policy، یک مجله با دسترسی آزاد با انتشارات دانشگاه کمبریج است. او برای نشریاتی نوشته است که شامل هاروارد، فایننشال تایمز، و گاردین می‌شود.