مجله علمی تفریحی بیبیس
0

دانلود کتاب مبانی کیفیت داده ها – راهنمای متخصصان برای ایجاد خطوط لوله داده قابل اعتماد

بازدید 774
  • عنوان: Data-Quality-Fundamentals
  • نویسنده: Barr-Moses,-Lior-Gavish,-Molly-Vorwerck
  • حوزه: پایتون, تحلیل داده
  • سال انتشار: 2022
  • تعداد صفحه: 311
  • زبان اصلی انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 9.54 مگابایت

آیا داشبورد محصولات شما بد بو به نظر می رسد؟ آیا گزارش های فصلی شما کهنه شده است؟ آیا مجموعه داده ای که استفاده می کنید خراب است یا به سادگی اشتباه است؟ این مشکلات تقریباً هر تیمی را تحت تأثیر قرار می دهد، اما معمولاً به صورت موردی و به شیوه ای واکنشی به آنها رسیدگی می شود. اگر پاسخ شما به این سوالات مثبت است، این کتاب برای شما مناسب است. بسیاری از تیم های مهندسی داده امروزه با مشکل “خط لوله خوب، داده های بد” روبرو هستند. مهم نیست که زیرساخت داده شما چقدر پیشرفته است اگر داده هایی که لوله گذاری می کنید بد باشد. در این کتاب، بار موزس، لیور گاویش و مولی ورورک، از شرکت مشاهده‌پذیری داده‌ها مونت کارلو، توضیح می‌دهند که چگونه می‌توان با استفاده از بهترین شیوه‌ها و فناوری‌های مورد استفاده توسط برخی از نوآورانه‌ترین شرکت‌های جهان، با کیفیت و اعتماد در مقیاس مقابله کرد. • خطوط لوله داده قابل اعتمادتر و قابل اعتمادتری بسازید • برای انجام بررسی داده ها و شناسایی خطوط لوله شکسته با قابلیت مشاهده داده ها، اسکریپت بنویسید • نحوه تنظیم و نگهداری داده های SLA، SLI و SLO را بیاموزید • ابتکارات کیفیت داده را در شرکت خود توسعه دهید و رهبری کنید • یاد بگیرید چگونه خدمات و سیستم‌های داده را با سخت‌کوشی نرم‌افزارهای تولیدی درمان کنید • نمودارهای دودمان داده را در سراسر اکوسیستم داده خود به‌طور خودکار انجام دهید • برای دارایی‌های داده حیاتی خود آشکارسازهای ناهنجاری بسازید.

Do your product dashboards look funky? Are your quarterly reports stale? Is the data set you’re using broken or just plain wrong? These problems affect almost every team, yet they’re usually addressed on an ad hoc basis and in a reactive manner. If you answered yes to these questions, this book is for you. Many data engineering teams today face the “good pipelines, bad data” problem. It doesn’t matter how advanced your data infrastructure is if the data you’re piping is bad. In this book, Barr Moses, Lior Gavish, and Molly Vorwerck, from the data observability company Monte Carlo, explain how to tackle data quality and trust at scale by leveraging best practices and technologies used by some of the world’s most innovative companies. Build more trustworthy and reliable data pipelines Write scripts to make data checks and identify broken pipelines with data observability Learn how to set and maintain data SLAs, SLIs, and SLOs Develop and lead data quality initiatives at your company Learn how to treat data services and systems with the diligence of production software Automate data lineage graphs across your data ecosystem Build anomaly detectors for your critical data assets

این کتاب را میتوانید بصورت رایگان از لینک زیر دانلود نمایید.

Download: Data-Quality-Fundamentals

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.