آموزش مهندسی داده با dbt

Data Engineering with dbt

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ابزار ساخت داده (dbt) به سرعت تبدیل به یک ابزار ضروری در بسیاری از پشته های داده اعم از استارتاپ ها گرفته تا فناوری های بزرگ برای مدیریت تبدیل داده ها شده است. در این دوره، مهندس داده مارک فریمن به شما کمک می کند تا با راه اندازی، اجرا و مدیریت یک پروژه dbt از طریق منبع باز ارائه دهنده dbt Core شروع کنید. یاد بگیرید چگونه dbt Core را نصب کنید، یک محیط را برای dbt پیکربندی کنید، یک پروژه dbt را ایجاد و مدیریت کنید، و یک پروژه dbt را در تولید مستقر کنید. اگر یک متخصص داده هستید که وظیفه اجرای dbt را در سازمان خود دارید، اخیراً به تیمی پیوسته اید که از dbt استفاده می کند و نیاز به مهارت دارید، یا فقط می خواهید در مورد dbt برای افزایش رقابت خود در بازار کار داده یاد بگیرید، این دوره را بررسی کنید.

سرفصل ها و درس ها

معرفی Introduction

  • معرفی پروژه dbt Introducing the dbt project

  • اولین پروژه dbt خود را بسازید Build your first dbt project

  • پروژه در GitHub Codespaces The project in GitHub Codespaces

1. محیط کدنویسی خود را آماده کنید 1. Prepare Your Coding Environment

  • کانکتور dbt را به DuckDB نصب کنید Install the dbt connector to DuckDB

  • DuckDB را از طریق پیپ نصب کنید Install DuckDB via pip

  • dbt Core را از طریق پیپ نصب کنید Install the dbt Core via pip

  • فایل requires.txt خود را در پروژه خود به روز کنید Update your requirements.txt file within your project

2. محیط پایگاه داده خود را آماده کنید 2. Prepare Your Database Environment

  • داده های CSV را به پایگاه داده جدید خود وارد کنید Import CSV data into your new database

  • فایل دیتابیس خود را بسازید Create your database file

3. یک پروژه dbt ایجاد کنید 3. Create a dbt Project

  • پروژه خود را با dbt init شروع کنید Start your project with dbt init

4. محیط dbt خود را آماده کنید 4. Prepare Your dbt Environment

  • پروفایل های خود را متصل کنید و فایل های YAML را پروژه کنید Connect your profiles and project YAML files

  • فایل dbt_project.yml را درک کنید Understand the dbt_project.yml file

  • فایل YAML پروفایل های خود را ایجاد کنید Create your profiles YAML file

5. اولین مدل dbt شما 5. Your First dbt Model

  • اولین فایل مدل dbt خود را ایجاد کنید Create your first dbt model file

  • با استفاده از دستورات dbt CLI Using the dbt CLI commands

6. مقدمه ای بر dbt Ref Function 6. Introduction to dbt Ref Function

  • سلسله داده های پروژه dbt خود را مشاهده کنید View your dbt project data lineage

  • مدل های dbt خود را با سینتکس ref اجرا کنید Run your dbt models with the ref syntax

  • مدل dbt خود را با استفاده از ref ایجاد کنید Create your dbt model utilizing ref

7. پیاده سازی مدالیون معماری با dbt 7. Implementing Medallion Architecture with dbt

  • معماری مدالیون: داده های طلا Medallion architecture: Gold data

  • معماری مدالیون: داده های نقره ای Medallion architecture: Silver data

  • برنامه ریزی پروژه معماری مدالیون Planning your medallion architecture project

  • معماری مدالیون: داده های برنزی Medallion architecture: Bronze data

8. متریال سازی مدل های dbt 8. Materialization of dbt Models

  • متریال سازی را در فایل dbt_project.yml خود پیاده کنید Implement materialization in your dbt_project.yml file

  • متریال سازی در پروژه dbt شما Materialization in your dbt project

9. مستندات به عنوان کد از طریق dbt 9. Documentation as Code via dbt

  • مستندات بیشتر از طریق فایل schema.yml Further documentation via schema.yml file

  • فایل docs_blocks.md The docs_blocks.md file

10. پیاده سازی تست ها در پروژه dbt شما 10. Implementing Tests within Your dbt Project

  • ایجاد تست های منفرد سفارشی Creating custom singular tests

  • اجرای تست ها در فایل schema.yml Implementing tests within the schema.yml file

11. استقرار پروژه dbt شما 11. Deploying Your dbt Project

  • استقرار با گردش کار GitHub Deploying with GitHub workflows

  • استفاده از چندین پروفایل dbt Utilizing multiple dbt profiles

نتیجه Conclusion

  • مراحل بعدی Next steps

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.

آموزش مهندسی داده با dbt
جزییات دوره
1h 16m
31
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
1,214
- از 5
دارد
دارد
دارد
Mark Freeman
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mark Freeman Mark Freeman

مارک فریمن یک رهبر فناوری در Gable.ai است.

مارک یک مدافع سلامت جامعه است که به مهندس داده علاقه مند به تلاقی تأثیر اجتماعی، تجارت و فناوری است. هدف او بهبود رفاه هر چه بیشتر مردم از طریق داده ها است - به ویژه در میان افرادی که به حاشیه رانده شده اند. به عنوان بنیانگذار On the Mark Data، مارک از پلتفرم خود برای کمک به برندها در ارتباط با متخصصان داده از طریق محتوای جذاب استفاده می کند. او مدرک کارشناسی ارشد خود را از دانشکده پزشکی استنفورد دریافت کرد و همچنین دارای گواهینامه کارآفرینی و نوآوری از دانشکده تحصیلات تکمیلی استنفورد است. علاوه بر این، او در استارت‌آپ‌های متعددی کار کرده است که در آن‌ها مدل‌های یادگیری ماشینی را در تولید قرار داده است، تجزیه و تحلیل داده‌ها را در محصولات یکپارچه کرده و مهاجرت‌ها را برای بهبود زیرساخت داده‌ها هدایت کرده است.