دوره SQL و Jinja برای dbt
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
ارتقاء گردش کارهای dbt منجر به مدلهای دادهای کارآمد و نگهداری آسان میشود.
در این دوره، SQL و Jinja برای dbt، قابلیت نوشتن مدلهای بهینه dbt، خودکارسازی تبدیلها و استفاده از اسکریپتنویسی Jinja برای مراجع دادههای داینامیک را خواهید آموخت.
در ابتدا، بهترین شیوه ها برای نوشتن SQL کارآمد در مدلهای dbt را بررسی میکنید.
در مراحل بعد، یاد میگیرید چگونه با استفاده از قالبسازی Jinja، تبدیلهای dbt را با مراجع دینامیک به اسکیما و جداول بهبود بخشید.
در انتها، نحوه خودکارسازی فرآیندهای کاری SQL با استفاده از dbt macros و قابلیتهای آن برای بازاستفاده از کد، استراتژیهای اشکالزدایی و منطقمحور کردن کوئری را میآموزید.
پس از پایان این دوره، توانایی بهینهسازی مدلهای dbt، سادهسازی فرآیندهای کاری SQL و توسعه خودکارسازی مبتنی بر Jinja برای تبدیلهای دادهای مقیاسپذیر را خواهید داشت.
دوره SQL و Jinja برای dbt
-
دمو: پیادهسازی اولین مدل dbt 4m 27s
-
دمو: استفاده از دستور SELECT و عبارات جدول مشترک (CTEs) 4m 25s
-
دمو: ریفکتورینگ SQL برای نگهداری آسانتر 3m 41s
-
بهینهسازی SQL برای اجرای بهتر 3m 10s
-
درک نقش Jinja در فرآیندهای dbt 3m 3s
-
دمو: تعریف و استفاده از متغیرها در پروژههای dbt 2m 56s
-
دمو: مراجع دینامیک اسکیما و جدول با Jinja 4m 21s
-
دمو: پیادهسازی Macros برای منطق SQL قابل استفاده مجدد 2m 55s
-
تمایز بین Macros داخلی و شخصیسازی 2m 30s
-
دمو: استفاده از Macros داخلی برای سادهسازی تبدیلهای SQL 4m 41s
-
دمو: استفاده از حلقهها و شرطها در Macros 3m 9s
-
دمو: اشکالزدایی و تست Macros 4m 3s
مشخصات آموزش
دوره SQL و Jinja برای dbt
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:مقدماتی
- تعداد درس:12
- مدت زمان :00:43:26
- حجم :117.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy