آموزش گردش‌های کاری مهندسی تحلیل با dbt - آخرین آپدیت

دانلود Analytics Engineering Workflows with dbt

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به شما کمک می‌کند تا مهارت‌های خود را در مهندسی تحلیل (Analytics Engineering) ارتقا دهید و توانایی‌های عملی لازم برای ساخت پروژه‌های dbt مقیاس‌پذیر و قابل اعتماد را کسب کنید. شما با تقویت درک خود از توسعه SQL قابل استفاده مجدد با استفاده از Jinja و ماکروها شروع خواهید کرد و یاد می‌گیرید که چگونه منطق تبدیل داده‌ها را برای سیستم‌های داده‌ای بزرگ سازماندهی کنید. پس از آن، مدل‌های افزایشی (Incremental Models)، اسنپ‌شات‌ها، استراتژی‌های تست، شیوه‌های مستندسازی و مفاهیم اصلی مشاهده‌پذیری (Observability) را که از گردش‌های کاری تحلیل قابل اعتماد پشتیبانی می‌کنند، بررسی خواهید کرد. این دوره با تکنیک‌های همکاری و اتوماسیون گردش کار به پایان می‌رسد، جایی که کنترل نسخه مبتنی بر Git، خط لوله‌های یکپارچگی مستمر (CI Pipelines) و کارهای زمان‌بندی شده dbt را پیاده‌سازی خواهید کرد. با یک رویکرد کاربردی و عملی، این دوره مفاهیم پیشرفته‌ای مانند ایجاد منطق ماژولار با ماکروها، بهینه‌سازی عملکرد با پردازش افزایشی، ساختاربندی پروژه‌ها در لایه‌های شفاف، اعتبارسنجی مدل‌ها با تست‌های Schema و سفارشی، مدیریت متادیتا و بررسی Lineage در dbt Docs را پوشش می‌دهد. شما یاد خواهید گرفت که چگونه سازماندهی تمیز پروژه را حفظ کنید، استانداردهای تست و مستندسازی را پیاده‌سازی کنید، نتایج اجرا و لاگ‌ها را تحلیل کنید و از اتوماسیون آماده تولید در محیط‌های تحلیل مدرن پشتیبانی کنید. در پایان این دوره، شما قادر خواهید بود: • منطق SQL قابل استفاده مجدد را با استفاده از Jinja و ماکروها بسازید • مدل‌های افزایشی و اسنپ‌شات را طراحی و پیاده‌سازی کنید • پروژه‌های dbt را برای حفظ یک DAG تمیز و سازمان‌یافته بازنویسی (Refactor) کنید • مدل‌های پیشرفته dbt را ایجاد، اجرا، تست و مستند کنید • شیوه‌های تست، مستندسازی و مشاهده‌پذیری را برای تضمین کیفیت داده‌ها به کار ببرید • با استفاده از Git همکاری کرده و گردش‌های کاری توسعه dbt را بازبینی کنید • خط لوله‌های یکپارچگی مستمر (CI) را برای اعتبارسنجی خودکار مدل‌ها پیکربندی کنید • کارهای dbt را برای اجرای قابل اعتماد در محیط تولید زمان‌بندی و نظارت کنید این دوره برای مهندسان تحلیل مشتاق، مهندسان داده، توسعه‌دهندگان BI و متخصصان SQL طراحی شده است که می‌خواهند مهارت‌های خود را در شیوه‌های پیشرفته dbt، چارچوب‌های کیفیت داده، گردش‌های کاری مشارکتی و تبدیل‌های خودکار گسترش دهند. این دوره برای هر کسی که به دنبال ساخت خط لوله‌های تحلیل قابل اعتماد، مقیاس‌پذیر و دارای مستندات کامل در محیط‌های داده مدرن است، ایده‌آل است.

سرفصل ها و درس ها

توسعه پیشرفته dbt Advanced dbt Development

  • معرفی تخصص Specialization Introduction

  • معرفی دوره Course Introduction

  • مفاهیم اصلی قالب‌های Jinja Core concepts of Jinja Templates

  • الگوهای ماکرو برای SQL بدون تکرار (DRY) و پارامتری کردن Macro Patterns for DRY SQL and Parameterization

  • ایجاد یک ماکرو برای مجموع فروش پویا Create a Macro for Dynamic Total Sales

  • اعمال ماکرو در چندین مدل Apply Macro across Multiple Models

  • الگوهای مدل افزایشی و استراتژی‌های تازگی داده‌ها Incremental Model Patterns and Freshness Strategies

  • اسنپ‌شات‌ها برای ردیابی SCD و حسابرسی Snapshots for SCD Tracking and Audits

  • تبدیل fact_orders به مدل افزایشی Convert fact_orders to Incremental

  • ایجاد یک اسنپ‌شات برای dim_customers Create a dim_customers Snapshot

  • ساختار لایه‌ای پروژه: Staging، Core و Marts Layered Project Structure - Staging, Core and Marts

  • نگهداری از DAG و جلوگیری از چرخه‌ها Maintaining the DAG and Avoiding Cycles

  • تجدید ساختار دایرکتوری‌ها بر اساس لایه‌ها Restructure Directories by Layers

  • بازسازی مستندات برای تایید یکپارچگی DAG Regenerate Docs to Verify DAG Integrity

کیفیت داده، تست و مستندسازی Data Quality, Testing, and Documentation

  • تست‌های Schema: منحصر به فرد بودن، عدم تهی بودن و روابط Schema Tests - unique, not_null, Relationships

  • تست‌های SQL سفارشی: شدت و آستانه‌ها Custom SQL Tests - Severity and Thresholds

  • افزودن تست‌ها به fact_orders و dim_customers Add Tests to fact_orders and dim_customers

  • نوشتن یک تست سفارشی برای مجموع‌های نامعتبر Write a Custom Test for Invalid Totals

  • مستندسازی مدل‌ها و ستون‌ها در YAML Document Models and Columns in YAML

  • مالکیت، اکسپوزرها و نگهداری Ownership, Exposures and Maintenance

  • به‌روزرسانی توضیحات و مالکان در YAML Update Descriptions and Owners in YAML

  • بازسازی و ارائه سایت dbt Docs Regenerate and Serve dbt Docs site

  • بررسی‌های تازگی داده (Freshness) و SLAها Freshness Checks and SLAs

  • خواندن نتایج اجرا و لاگ‌های dbt Reading dbt run Results and Logs

  • تهیه گزارش خلاصه تست و اجرا Produce a Test and Run Summary Report

همکاری و اتوماسیون گردش کار Collaboration and Workflow Automation

  • مبانی Git و گردش‌های کاری PR Git Basics and PR Workflows

  • شاخه بندی، ادغام و تاریخچه نسخه‌ها Branching, Merging and Version History

  • مقداردهی اولیه و ارسال مخزن dbt به GitHub Initialize and Push dbt Repo to GitHub

  • باز کردن و بازبینی یک PR برای تغییر مدل Open and Review a PR for a Model Change

  • سیستم CI/CD برای پروژه‌های داده CI/CD for Data Projects

  • راه‌اندازی GitHub Actions برای dbt GitHub Actions Setup for dbt

  • پیکربندی گردش کار برای اجرای dbt Build Configure a Workflow to run dbt Build

  • بررسی لاگ‌های CI و آرتیفکت‌های تست Inspect CI Logs and Test Artifacts

  • خودکارسازی اجراهای dbt Automating dbt runs

  • زمان‌بندی با dbt Cloud یا Cron Scheduling with dbt Cloud/Cron

  • زمان‌بندی یک Job شبانه Schedule a Nightly Job

  • تایید موفقیت و اعلان‌ها در لاگ‌ها Verify Success and Notifications in Logs

  • جمع‌بندی Summary

نمایش نظرات

آموزش گردش‌های کاری مهندسی تحلیل با dbt
جزییات دوره
9h 15m
38
(آخرین آپدیت)
539
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده