Contents
通過這個涵蓋理論和實踐的 dbt™ 課程,從真實的 Airbnb 用例學習分析工程( Analytics Engineering )。
從這 5 小時的課程,你會學到
- 通過創建詳盡的、真實的、動手操作的 dbt 來學習專業地使用 dbt™ 平台 – 涵蓋理論和實踐的 Airbnb 專案
- 在 Mac 和 Windows 上設置完整的開發環境,連接到 Snowflake 和 BI,配置 dbt profile,使用 dbt 工具擴展 IDE
- 學習核心 dbt 概念,例如模型、實質化、來源、種子、快照、套件、掛鉤、暴露、分析,編寫複雜的 SQL 查詢
- 了解 dbt 專案結構並了解 dbt 技巧和竅門、進階技術和最佳實踐,使用您自己/第三方的聚集( macros )擴展 dbt
- 實現單數和通用 dbt 測試,使用附加參數和原始設定的配置值,自訂 dbt 內建測試
- 記錄您的模型和管道,自訂dbt 文件頁面,探索和分析轉換步驟之間的依賴關係
- 了解 dbt 如何融入現代資料堆棧,了解資料成熟度模型的各個階段以及運行良好的資料架構
- 掌握 ETL/ELT 程序、資料轉換、現代資料堆棧、漸變維度、公用表表達式( Common Table Expressions )和分析工程
- 了解什麼是 Data Warehouse、Data Lake 或 Data Lakehouse,以及何時使用,處理資料收集、資料整理和資料整合
- 了解如何使用 dbt-expectations 進行進階測試,這是一個受 Great Expectations 啟發的測試框架
要求
- 基本 SQL 經驗
- 無需以前的程式語言經驗
- 工作電腦 (Mac/Windows/Linux)
- 如果您在防火牆或 VPN 後工作,則可將 Snowflake(.com) 和 GitHub 的網路訪問列入白名單
- Git 和 Python(我們在課程中鏈接到這些工具的安裝說明)
課程說明
這是您開始使用 dbt 和分析工程所需的唯一課程!
向世界上最完整、持續更新的獨立 dbt™(資料建構工具)軟體課程致敬 – 截至 2022 年!本課程是 Udemy 上評分最高和暢銷的 dbt 課程!
感謝您加入我們的完整 dbt(資料建構工具)訓練營:從零到專家 – 我們非常高興有您參與課程!
課程結構設計為採用自上而下的方法。它從分析工程理論開始——您需要知道的只是將 dbt(資料建構工具)置於上下文中,並了解它如何適應現代資料堆棧。我們從大局開始,然後越來越深入。一旦你了解了這些部分,我們將轉向技術細節 – 一個實用部分 – 它將專注於將 dbt“拼圖”放在一起。實踐部分將通過建構一個完整的真實專案來涵蓋當今存在的每一個 dbt 功能;Airbnb。這為我們提供了一個向您展示在給定專案的哪個階段應該使用哪些功能的機會,您將看到 dbt 在行業中的使用方式。
最近更新:
- 添加了 Great Expectations 和測試除錯部分 – 2022 年 9 月
- 徹底簡化的 Windows 安裝說明(不再需要 WSL)- 2022 年 9 月
- 該課程在 dbt cloud 中進行測試 – 2022 年 8 月
- 添加了現代資料堆棧概述 – 2022 年 6 月
理論部分:
在其他幾個主題中,理論部分特別強調以下領域的知識轉移;
- 數據成熟度模型
- 運行良好的資料架構
- Data Warehouses (資料倉庫)、Data Lakes (資料湖)和 Data Lakehouses (資料湖庫)
- ETL 和 ELT 程序和資料轉換
- dbt(資料建構工具)的基礎知識
- 分析工程
- 現代資料堆棧
- 緩慢變化的維度
- CTEs
一旦我們了解了理論層以及 dbt 如何適應圖像,我們將從頭開始建構一個 dbt 專案,就像您在現實世界中所做的那樣。
實用部分:
實踐部分將通過一個真實的 Airbnb 專案,您將掌握 dbt 的來龍去脈! 我們特別關注在技術深入研究之前讓每個人都做好準備,因此我們將從設置我們的開發環境開始:
- MAC 開發環境設置
- WINDOWS 開發環境設置
- IDE dbt 擴展安裝
- 虛擬環境的創建和啟動
- 設置 Snowflake
一旦我們準備好了 – 在其他幾個技術主題中,將涵蓋以下功能;
- dbt 模型
- dbt 實質化( Materializations )
- dbt 測試
- dbt 文檔( Documentation )
- dbt 來源 (Sources), 種子 (Seeds), 快照 (Snapshots)
- dbt Hooks 與操作
- Jinja 與 Macros
- dbt 套件 (Packages)
- 分析 (Analyses), 曝露 (Exposures)
- dbt 種子(Seeds)
- 資料視覺化(預設)
- 運用 Great Expectations (dbt-expectations)
- 在 dbt 測試除錯
完成理論和實踐階段後,我們將深入探討最佳實踐和更高級的主題。 課程不斷更新,每當 dbt 發布更新時,我們都會相應地調整課程,讓您始終保持最新!
目標受眾
- 分析工程師
- 資料分析師
- 商業智慧分析師
- 資料科學家
- 資料工程師
講師簡介
Zoltan C. Toth 資料分析架構專家
我幫助全球公司建立網路規模的資料分析和人工智慧系統。 憑藉 20 年開發資料密集型應用程式的經驗,我大部分時間都在幫助公司啟動和完善他們的資料分析和 AI 基礎架構,並定期提供雲端、Apache Spark、Databricks 和 MLOps 課程。
早些時候,我構建了 Prezi 的大數據分析基礎設施,後來領導了 Prezi 的資料工程團隊,將其擴展到為 6000 萬用戶提供服務,資料量超過 PB。 我還致力於在預測分析領域的全球領導者 RapidMiner 中啟動 Spark 整合組件。
除了使用資料分析架構外,我還喜歡在歐洲最好的獨立大學之一中歐大學任教,並代表由 Spark 的原作者創建的公司 Databricks 提供課程和專業服務。
Miklos (Mike) Petridisz 專家資料工程師和解決方案架構師
我是一名專家資料工程師和解決方案架構師。 同時,我是歐洲最好的獨立大學之一中歐大學 Zoltan 資料課程的實時資料處理、大數據和雲端計算、資料平台和用例研討會助教。 我曾在 Databricks 擔任高級資料工程師和技術講師,在 Datapao 擔任資料工程顧問 – Datapao 是一家資料和雲端服務公司,負責從啟用到架構再到實施的資料和雲轉換之旅。 我曾代表 Datapao 和 Databricks(Apache Spark 的原始創建者)開發資料密集型應用程式、資料基礎設施、資料平台、處理雲遷移以及提供技術課程。 我與 Zoltan C. Toth 共同創立了 NordQuant,在這家公司下,我們創建了一流的 dbt(資料建構工具)和其他技術課程。
英文字幕:有
- 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To
🙌 如何有效率地管理 ChatGPT 輸出與整理自己的 ChatGPT 提示( prompts )使用情境?LN+ for Web 已經針對 ChatGPT 的整合做最佳化
🙌 讓 Notion AI 成為你線上學習的得力助手,詳細操作請參考 – 使用 Notion AI 功能來為 udemy 的課程做摘要總結
- 點選這個✨優惠連結 ,課程最低價 NT330 起( 登入後將看到 )
- 辦公室生產力課程特價連結
- Udemy 現在越來越多課程有中文字幕,請參考 Soft & Share 中文線上課程
- 手機上點選優惠連結看到的價格比電腦上看到的貴
- $代表當地貨幣, 如在台灣為 NT
- 點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上,請稍等刷新或重新點選就會出現
報名參加課程

你必須登入才能發表留言。