دوره

مقدمه‌ای بر کیفیت داده با Great Expectations

با کتابخانه Great Expectations در پایتون، کیفیت بالای داده‌ها رو در گردش‌کارهای علم داده و مهندسی داده تضمین کنید.

پیشرفته
تاریخ به‌روزرسانی:
20 آبان 1405
۴٫۷
پایتون
۴ ساعت
۱۴ ویدیو
۲۸ تمرین
۲۲۶ شرکت‌کننده
۳۵۰
کاربرهای فینکا در چه شرکت‌هایی مشغول به کار هستند؟
توضیحات دوره

ابزار Great Expectations یک کتابخانه قدرتمند پایتون برای مانیتورینگ کیفیت داده در گردش‌کارهای علم داده و مهندسی داده محسوب می‌شه. در این دوره یاد می‌گیرید چطور به دیتاست‌های دنیای واقعی متصل بشید، انتظارات رو اعمال، ویرایش و حذف کنید و پایپ‌لاین‌هایی برای اعتبارسنجی دیتاست‌های جدید در پروداکشن بسازید. همچنین انتظارات مربوط به ستون‌های عددی و رشته‌ای رو بررسی می‌کنید و اعتبارسنجی‌هایی بین ستون‌های مختلف می‌نویسید. در پایان، می‌تونید با اطمینان کامل مطمئن بشید که داده‌هاتون با استانداردهای کیفیت همخوانی دارن.

همونیه که می‌خواید یاد بگیرید؟

1
اتصال به داده‌ها

در این بخش، یاد می‌گیرید چرا Great Expectations (GX) ابزار قدرتمندی برای مانیتورینگ کیفیت داده محسوب می‌شه. با مفاهیم پایه GX آشنا می‌شید، از جمله اینکه چطور با استفاده از زمینه داده‌ها یک نشست رو شروع کنید و چطور با استفاده از منبع داده، Data Asset و تعریف دسته یک دیتافریم Pandas رو بارگذاری کنید.

2
تعریف انتظارات

در این بخش، یاد می‌گیرید چطور انتظارات پایه مربوط به شکل و ساختار داده رو ایجاد و ارزیابی کنید. همچنین یاد می‌گیرید چطور انتظارات خودتون رو به‌صورت جداگانه، به‌عنوان بخشی از یک مجموعه انتظارات همراه با تعریف دسته یا با استفاده از تعریف اعتبارسنجی, اعتبارسنجی کنید.

3
GX در عمل

در این بخش، مهارت‌های کاربردی لازم برای مدیریت ماهیت پویای انتظارات در دنیای واقعی رو یاد می‌گیرید. با استفاده از چک‌پوینت‌ها، تعریف‌های اعتبارسنجی رو دیپلوی می‌کنید، مجموعه‌های انتظارات خودتون رو به‌روزرسانی می‌کنید و یاد می‌گیرید چطور کامپوننت‌های اصلی GX رو اضافه، بازیابی، فهرست و حذف کنید.

4
همه چیز درباره انتظارات

در این بخش، عمیق‌تر وارد دنیای انتظارات می‌شیم. ایجاد انتظارات پایه برای ستون‌ها، انتظارات عددی در سطح ردیف و تجمیعی، انتظارات مربوط به رشته‌ها و قابلیت تجزیه رشته‌ها و موارد دیگه رو تمرین می‌کنید. همچنین یاد می‌گیرید چطور انتظارات رو فقط روی بعضی از ردیف‌های یک دیتافریم اعمال کنید.

گواهی پایان دوره

  • تأیید مهارت شما

    با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.

  • اعتبار و اصالت گواهی

    هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.

  • اشتراک‌گذاری

    می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.

اشتراک‌گذاری
منابع
weather_new.csv

movie_dataset.csv

life_expectancy.csv

renewable_new.csv

shein_footwear_clean.csv

سوالات متداول

این دوره روی درک و پیاده‌سازی معیارهای کیفیت داده با استفاده از فریم‌ورک Great Expectations (GX) تمرکز داره و موضوعاتی مثل ساخت انتظارات، سازمان‌دهی اون‌ها در مجموعه انتظارات و اعتبارسنجی داده‌ها از طریق چک‌پوینت‌ها و دسته‌ها رو پوشش می‌ده. علاوه بر این، یاد می‌گیرید چطور GX رو به منابع داده متصل کنید، کامپوننت‌ها رو مدیریت کنید و انتظارات شرطی و در سطح ستون بسازید.

بله، داشتن درک پایه از پایتون توصیه می‌شه، چون این دوره برای پیاده‌سازی گردش‌کارهای کیفیت داده، GX Core رو با پایتون یکپارچه می‌کنه. آشنایی با کتابخانه Pandas برای کار با داده‌ها هم خیلی مفیده، چون در این دوره به طور گسترده از منابع داده و دیتافریم‌های Pandas استفاده می‌شه.

بله! این دوره کاملا تعاملیه. شما بعد از هر ویدیو تمرین‌های عملی انجام می‌دید و چیزهایی رو که تازه یاد گرفتید تمرین می‌کنید. این تمرین‌ها شامل ساخت انتظارات، اعتبارسنجی داده‌ها و مدیریت کامپوننت‌ها در Great Expectations هستن. همچنین با دیتاست‌های دنیای واقعی کار می‌کنید تا مهارت‌هاتون رو به شکلی عملی و جذاب به کار ببرید.

دریافت اپلیکیشن فینکا

با اپلیکیشن فینکا، به بیشتر دوره‌ها و مسیرها روی موبایل دسترسی دارید، تمرین می‌کنید و یادگیری رو هم‌زمان روی موبایل و دسکتاپ ادامه می‌دید.