مقدمه‌ای بر کیفیت داده با Great Expectations

Great Expectations ابزاری قدرتمند برای پایش کیفیت داده در جریان‌های کاری علم داده و مهندسی داده است. این پلتفرم می‌تواند به راحتی در پایتون ادغام شود و آن را به کتابخانه‌ای مفید برای تسلط کاربران پایتون تبدیل می‌کند.

در هسته مرکزی Great Expectations، "Expectations" یا همان اظهاراتی قرار دارند که می‌خواهید در مورد داده‌های خود تأیید کنید. شما این دوره را با یادگیری نحوه اتصال به مجموعه داده‌های دنیای واقعی و اعمال Expectations روی آن‌ها آغاز خواهید کرد. سپس یاد می‌گیرید که چگونه Expectations را بازیابی، ویرایش و حذف کنید و پایپ‌لاین‌هایی برای اعمال Expectations روی مجموعه داده‌های جدید در یک استقرار تولیدی بسازید.

در نهایت، با انواع خاصی از Expectations، مانند موارد مربوط به ستون‌های عددی و رشته‌ای، و چگونگی نوشتن Expectations برای یک ستون مشروط به مقادیر ستون‌های دیگر آشنا خواهید شد.

در پایان این دوره، اصول قوی در کتابخانه پایتون Great Expectations خواهید داشت. قادر خواهید بود از عملکردهای اصلی پلتفرم برای پایش کیفیت داده‌های خود استفاده کنید و با اطمینان از اینکه داده‌هایتان استانداردهای کیفیت را برآورده می‌کنند، از آن‌ها استفاده نمایید.