آموزش dbt در سطح متوسط

تسلط به گردش‌کارهای dbt

در این دوره، مهارت‌های dbt خود را به سطح بالاتری می‌برید و یاد می‌گیرید چگونه گردش‌کارهای تبدیل داده‌ای قدرتمند و مقیاس‌پذیر را در محیط‌های عملیاتی پیاده‌سازی کنید. این دوره برای مهندسان داده، تحلیل‌گران داده و مهندسان تحلیل طراحی شده است که قصد دارند فراتر از مبانی حرکت کرده و به‌صورت عملی با قابلیت‌های پیشرفته dbt کار کنند.

تضمین کیفیت داده با تست‌های پیشرفته

ساخت پایپ‌لاین‌های داده قابل‌اعتماد با اعتبارسنجی آغاز می‌شود. در این بخش، با تکنیک‌های پیشرفته تست آشنا می‌شوید تا ناسازگاری‌های داده را شناسایی کنید، تست‌های سفارشی و قابل استفاده مجدد ایجاد کنید و اعتبارسنجی را در تمام مدل‌ها استاندارد نمایید. همچنین یاد می‌گیرید چگونه تست‌ها را روی sources و seeds اعمال کنید تا حاکمیت داده و رهگیری lineage بهبود یابد.

استفاده مؤثر از Sources ،Seeds و Snapshots در dbt

در این بخش یاد می‌گیرید چگونه dbt sources می‌توانند مستندسازی و lineage را بهبود دهند و در عین حال قابلیت رهگیری داده خام را تضمین کنند. همچنین چگونگی استفاده از dbt seeds برای مدیریت بهینه مجموعه‌داده کوچک و ایستا آموزش داده می‌شود. در ادامه، با استفاده از dbt snapshots، پیاده‌سازی Slowly Changing Dimensions (SCD2) را فرا می‌گیرید تا بتوانید تغییرات تاریخی داده‌ را در انبار داده با حداقل پیچیدگی ثبت کنید.

اتوماسیون و بهینه‌سازی با dbt build

کارایی در محیط‌های عملیاتی اهمیت بالایی دارد. در این بخش، مدرس نشان می‌دهد چگونه با استفاده از dbt build گردش‌کارها را ساده‌سازی کرده و اجرای مدل‌ها، تست‌ها و snapshots را به‌صورت خودکار انجام دهید. با بهینه‌سازی پایپ‌لاین‌ها، عملکرد، قابلیت نگهداری و مقیاس‌پذیری پروژه‌های dbt به شکل محسوسی افزایش می‌یابد.

به‌کارگیری مهارت‌ها در سناریوهای واقعی

از طریق تمرین‌های تعاملی و کار عملی، دانش خود را تثبیت می‌کنید و اعتمادبه‌نفس لازم برای استفاده از dbt در پروژه‌های واقعی را به‌دست می‌آورید. در پایان دوره، توانایی طراحی، تست و خودکارسازی گردش‌کارهای dbt آماده تولید را خواهید داشت و می‌توانید تبدیل‌های داده‌ای باکیفیت و مستندسازی‌شده را در مقیاس بالا پیاده‌سازی کنید.