آموزش ساخت و پیاده‌سازی خط لوله‌های ETL با پایتون - آخرین آپدیت

سرفصل ها و درس ها

استخراج داده‌ها Extracting Data

• معرفی دوره Course Introduction

• پانداس و اس‌کی‌ول آلکیمی Pandas and SQL Alchemy

• بارگذاری داده‌ها از فایل‌ها و APIها با پانداس Loading Data from Files and APIs with Pandas

• اتصال به پایگاه‌های داده با SQLAlchemy Connecting to Databases with SQLAlchemy

تبدیل داده‌ها Transforming Data

• موارد رایج استفاده از تبدیل‌ها در پانداس Common Pandas Transformation Use Cases

• مدیریت مقادیر پوچ (Null) در پانداس Handling Null Values in Pandas

• دمو: پاک‌سازی و آماده‌سازی داده‌ها با پانداس Demo: Cleaning and Preparing Data with Pandas

• دمو: کار با کلان‌داده‌ها (Big Data) با Dask Demo: Big Data with Dask

بارگذاری داده‌ها Loading Data

• درک بارگذاری داده‌ها با پانداس Understand Data Loading with Pandas

• نوشتن داده‌ها در فضای ذخیره‌سازی ابری Writing Data to Your Cloud Storage

• فرمت‌های فایل با کارایی بالا High-performance File Formats

زمان‌بندی خط لوله و بهترین روش‌ها Pipeline Scheduling and Best Practices

• زمان‌بندی خط لوله‌های پایتون Scheduling Your Python Pipelines

• ماژولار کردن کدها Modularize Your Code

• زمان‌بندی خط لوله ETL پایتون Schedule Your Python ETL Pipeline

• بهترین روش‌های ETL: متغیرهای محیطی، لاگ‌گیری و اعتبارسنجی ETL Pipe Best Practices: Environment Variables, Logging, and Validating