ETL در پایتون و SQL

مدرس Jennifer Ebe

انتشار 2024/03/06

مدت زمان 1h 20m

سطح مناسب همه

فایل تمرینی دارد

آموزش ETL in Python and SQL

داده ها به طور تصاعدی در حال افزایش هستند، زیرا جهان به تولید حجم عظیمی ادامه می دهد. در این دوره، یک مهندس داده با بیش از 5 سال تجربه، جنیفر ایبه، به شما نشان می دهد که چگونه سیستم هایی بسازید که داده ها را از منابع مختلف جمع آوری می کند، آنها را تبدیل و داده ها را ذخیره می کند تا بتوانید به طور موثر بینش هایی را از آن استخراج کنید. ما به این خواهیم پرداخت که ETL ها چیست و چگونه آنها را ایجاد می کنید. ما یاد خواهیم گرفت که چگونه از پایتون برای استخراج و تبدیل داده ها استفاده کنیم، ما داده های خود را با استفاده از پانداها و SQL کاوش خواهیم کرد. و در نهایت، داده ها را در سیستم هدف خود بارگذاری کنید. همچنین می توانید زمان بندی مشاغل ETL را با استفاده از پایتون تمرین کنید. هر فصل با چالش‌های مفید و کاربردی همراه است تا به شما کمک کند آنچه را که یاد می‌گیرید تمرین کنید.

Extract, Transform, Load (ETL) Python (Programming Language) SQL

Introduction

Create an ETL in Python and SQL ()

Tools used in this course ()

1. What Are ETLs?

What are ETLs and how do you create them? ()

ETL process overview ()

Exploring your data with pandas (Python) and SQL ()

Understanding your data ()

Challenge: Reading data using Python ()

Solution: Reading data using Python ()

2. Extracting and Transforming Data with Python

Loading data from different sources ()

Extracting your data ()

Cleaning, preprocessing data, and data formatting ()

Standardization, handling duplicates, and missing values ()

Challenge: Extract and transform data using pandas ()

Solution: Extract and transform data using pandas ()

3. Loading Data into Target Systems

Introduction to data warehouses and data lakes ()

Loading data into relational databases ()

Data quality checks and validation with SQL ()

Challenge: Transform the data and remove duplicates and nulls ()

Solution: Transform the data and remove duplicates and nulls ()

4. Automating ETL Jobs: Scheduling ETL Jobs with Python

Querying your data with SQL ()

Scheduling ETL jobs with Airflow: Part 1 ()

Scheduling ETL jobs with Airflow: Part 2 ()

Challenge: Load the data into a database and automate ()

Solution: Load the data into a database and automate ()

Conclusion

Expand your knowledge of ETLs ()

Ex_Files_ETL_Python_SQL.zip (470 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش ETL در پایتون و SQL

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش ETL in Python and SQL در 3 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

آیا می خواهید مهارت های مهندسی داده خود را از ساخت و مدیریت خط لوله تا استفاده موثر از ابزارهایی مانند dbt و Airflow ارتقا دهید؟ در این مسیر یادگیری، یاد خواهید گرفت که چگونه مشکلات رایجی را که مهندسان داده در محل کار با آن مواجه می شوند، حل کنید. شما همچنین خواهید فهمید که چگونه یک انبار داده راه اندازی کنید و یک خط لوله مهندسی داده را از ابتدا بسازید.

آموزش ETL در پایتون و SQL ، ایستگاه شماره 4 در مسیر یادگیری مهارت های مهندسی داده خود را ارتقا دهید ، است.

مسیر یادگیری مهارت های مهندسی داده خود را ارتقا دهید

تمرین کامل می کند! وقت آن است که عضلات برنامه نویسی را منعطف کنید و آنچه را که یاد گرفته اید تمرین کنید. این مسیر یادگیری چالش ها و پروژه های هدایت شده را در اختیار شما قرار می دهد تا بتوانید به توسعه و به کارگیری مهارت های خود به عنوان یک مهندس داده ادامه دهید.

آموزش ETL در پایتون و SQL ، ایستگاه شماره 4 در مسیر یادگیری تمرین عملی مهندسی داده ، است.

مسیر یادگیری تمرین عملی مهندسی داده

آیا شما یک تحلیلگر داده هستید که می خواهید به عنوان یک دانشمند داده به یک شغل جدید توجه کنید؟ این مسیر یادگیری کمک ارزشمندی در انتقال مهارت های شما می کند. شما مهارت های موجود در زبان های برنامه نویسی مانند Python، SQL، DAX و R را خواهید آموخت و سپس یاد خواهید گرفت که چگونه از آنها در یک زمینه توسعه یافته استفاده کنید. همچنین مهارت‌های قدرت را در ابزارهای اصلی مانند Tableau، Spark و KNIME توسعه می‌دهید و در مهارت‌های آماری پایه قوی خواهید داشت.

آموزش ETL در پایتون و SQL ، ایستگاه شماره 13 در مسیر یادگیری حرکت از تحلیلگر داده به دانشمند داده ، است.

مسیر یادگیری حرکت از تحلیلگر داده به دانشمند داده

محتواها

25 محتوای ویدئویی

زیرنویس‌

انگلیسی و فارسی-ماشین

کیفیت ویدئوها‌

فقط 1080p

فایل تمرینی‌

دارد

آزمون‌

ندارد

دانلود فایل تمرینی مشاهده آنلاین

تلگرام توییتر واتساپ