آموزش پروژه مهندسی تجزیه و تحلیل دستی

دانلود Hands-On Analytics Engineering Project

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

این دوره به مهندسان تجزیه و تحلیل می آموزد که چگونه داده ها را از یک منبع خارجی برای استفاده در تجسم به پایگاه داده خط لوله کنند. چنین وظایفی اغلب برای مهندسان تحلیلگر متوسط ​​مورد نیاز است. این شرکت مدرن بیش از هر زمان دیگری به داده ها دسترسی دارد. مهندسان تجزیه و تحلیل در دسترسی به آن داده ها برای ذینفعان بسیار مهم هستند. در این دوره، مدرس کانر دیکسون سناریویی را ارائه می‌کند که در آن شما یک پشته داده در حال کار دارید، و یک ذینفع درخواست کرده است که داده‌های موجود را از یک منبع بگیرید، آن‌ها را به پایگاه داده بیاورید، آن‌ها را تبدیل کنید، و در نهایت آن‌ها را تجسم کنید تا ارزش و ارزش ارائه کند. بینش.

این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «نحوه استفاده از Codespace» را بررسی کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • عصر مهندسی تحلیل The era of analytics engineering

  • نحوه استفاده از Codespace ها How to use Codespaces

1. ساختن ETL 1. Building an ETL

  • آماده سازی محیط پایتون ما Preparing our Python environment

  • بارگذاری داده ها در پایگاه داده Loading data into a database

  • ETL چیست؟ What are ETLs?

  • تبدیل داده ها در پایتون Transforming data in Python

2. مشاجره با داده های ما 2. Wrangling Our Data

  • به هم پیوستن دو جدول برای ایجاد نمای Joining two tables to create a view

  • ساخت مدل داده ما Building our data model

  • بررسی تمیزی داده های ما Checking the cleanliness of our data

  • مدل سازی داده چیست؟ What is data modeling?

3. تجسم داده های ما 3. Visualizing Our Data

  • اتصال به مدل داده ما Connecting to our data model

  • تجسم داده های ما Visualizing our data

  • چرا داده ها را تجسم می کنیم؟ Why do we visualize data?

  • انتشار و توزیع داشبورد ما Publishing and distributing our dashboard

  • ساخت داشبورد ما Building our dashboard

نتیجه گیری Conclusion

  • به سفر مهندسی تحلیل خود ادامه دهید Continuing your analytics engineering journey

نمایش نظرات

آموزش پروژه مهندسی تجزیه و تحلیل دستی
جزییات دوره
0h 30m
16
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
1,439
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Connor Dickson Connor Dickson

کانر دیکسون یک متخصص داده است که بینش هایی را در زمینه مهندسی داده، علم و تجزیه و تحلیل تولید می کند.

کانر یک مهندس تجزیه و تحلیل در بخش فناوری است، جایی که مدل های داده را برای استفاده در گزارش، تجسم و علم داده ساخته است. تجربه او شامل انبار کردن داده ها، پرس و جوی پیچیده پایگاه داده، نوشتن و نگهداری رویه های ذخیره شده، تجزیه و تحلیل داده ها، ایجاد تجسم، ساختن ETL و ساخت مدل های یادگیری علم داده/ماشین است. او به متخصصان داده های جدید و با تجربه کمک می کند تا از طریق محتوای آموزنده و کمدی درباره تجزیه و تحلیل بیاموزند.