ETL und ELT Grundlagen: Daten-Pipelines aufbauen

Die Datenbewegung ist das Rückgrat von Analytics und Machine Learning. Ohne die richtige Grundlage kann es jedoch schwierig sein, zuverlässige Pipelines einzurichten. Lernen Sie die wichtigsten Techniken zum Sammeln und Aufbereiten von Daten für die Verwendung. Am Ende dieses Kurses werden Sie die Mechanik von ETL und ELT verstehen und robuste Workflows entwerfen und implementieren, die Datenqualität und -verfügbarkeit gewährleisten. Was Sie lernen werden: * Verstehen Sie die Kernkonzepte und historischen Unterschiede zwischen ETL (Transform before Load) und modernen ELT (Load before Transform). * Anwenden von grundlegenden Datenextraktionstechniken aus verschiedenen gängigen Datenquellen, einschließlich Dateien und APIs. * Üben Sie die Definition von Transformationslogik, um Daten gemäß Geschäftsregeln zu bereinigen, zu normalisieren und zu aggregieren. * Konfigurieren Sie grundlegende Mechanismen zum Laden transformierter Daten in Ziele wie Data Warehouses oder Datenbanken. * Implementieren Sie grundlegende Datenqualitätsprüfungen und Validierungsschritte innerhalb Ihrer Pipeline-Workflows. * Lernen Sie grundlegende Konzepte der Pipeline-Orchestrierung und -Planung kennen, um Datenflüsse zuverlässig zu automatisieren. Der Kurs beginnt mit der Definition der wichtigsten Terminologie und Datenarchitekturkonzepte, bevor wir uns auf die praktischen Schritte konzentrieren, um die Extraktions-, Transformations- und Ladephasen sequentiell zu erstellen.Wir konzentrierten uns auf schriftliche Erklärungen und praktische Codebeispiele, um Kern-Pipeline-Logik zu veranschaulichen. Dieser Kurs richtet sich an absolute Anfänger in Data Engineering, Datenanalyse oder Softwareentwicklung, die sich für Dateninfrastruktur interessieren, ohne dass Vorkenntnisse mit ETL-Tools oder Data Warehousing erforderlich sind. Bauen Sie noch heute Ihre Dateninfrastrukturkompetenz auf.