مطالعه موردی: ساخت مدلهای داده تجارت الکترونیک با dbt
✅ سرفصل و جزئیات آموزش
با استفاده از dbt (Data Build Tool) - یک فریمورک مدرن و مبتنی بر SQL برای تغییر فرمت داده که توسط تیمهای داده در سراسر جهان استفاده میشود - داده خام را به مدلهای تمیز و قابل اعتماد تبدیل کنید. این دوره مطالعه موردی عملی برای یادگیرندگان مبتدی طراحی شده است که میخواهند مهارتهای دنیای واقعی را از طریق تمرینهای هدایتشده و کاربردی کسب کنند. شما محیط dbt خود را راهاندازی خواهید کرد، داده را در مقیاس بزرگ مدلسازی میکنید و با استفاده از ویژگیهای داخلی dbt، کدهای قابل استفاده مجدد مینویسید.
راهاندازی پروژه و بررسی داده
کار را با راهاندازی یک پروژه dbt و کار با یک مجموعه داده واقعی تجارت الکترونیک آغاز کنید. شما داده خام را ساختاردهی میکنید، پروفایلها را پیکربندی مینمایید و اشکالات سینتکس را رفع میکنید، در حالی که بینشی درباره زمینه تجاری پشت هر مرحله از تغییرات به دست میآورید.
ساخت و اعتبارسنجی مدلها
یاد بگیرید مدلهای staging مقیاسپذیر بسازید و بررسیهای کیفیت داده را اعمال کنید تا اطمینان حاصل شود که مجموعه داده شما دقیق و آماده تحلیل هستند. شما اصول قوی برای پاسخگویی به سوالات کلیدی کسبوکار خواهید ساخت.
اوتوماسیون با Jinja
دوره را با یادگیری چگونگی استفاده از Jinja برای نوشتن کدهای قابل استفاده مجدد و قابل نگهداری به پایان برسانید. شما از متغیرها، کنترل جریان و حلقهها استفاده خواهید کرد تا با پیروی از اصل DRY (خودت را تکرار نکن)، گردش کار dbt خود را سادهسازی کنید.
مطالعه موردی: ساخت مدلهای داده تجارت الکترونیک با dbt
-
معرفی مطالعه موردی dbt None
-
راهاندازی پروژه dbt و بارگذاری داده None
-
ایجاد توضیحات و تستهای dbt None
-
ساخت دیتا مارتهای dbt و مدلهای snapshot None
-
معرفی Jinja در dbt None
-
استفاده پیشرفته از jinja در dbt None
-
مرور کلی: مطالعه موردی dbt None
مشخصات آموزش
مطالعه موردی: ساخت مدلهای داده تجارت الکترونیک با dbt
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:پیشرفته
- تعداد درس:7
- مدت زمان :4:00:00
- حجم :136.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy