Курс на Stepik
Обложка курса «Data Quality в пайплайнах: SQL, Python, Great Expectations» на Stepik
2 490 ₽

Data Quality в пайплайнах: SQL, Python, Great Expectations ★ 5.000

Открыть на
STEPIK.ORG

Научитесь автоматически находить грязные данные и останавливать пайплайн до того, как они сломают аналитику. SQL-проверки, Python-валидация с Pydantic и Pandera, Great Expectations, Data Observability и интеграция в Airflow: всё в одном курсе с прикладным e-commerce проектом

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Data Quality в пайплайнах: SQL, Python, Great Expectations»Учеников на курсе 18
Сертификаты, выданные на курсе «Data Quality в пайплайнах: SQL, Python, Great Expectations»Сертификатов выдано 1
Отзывы о курсе «Data Quality в пайплайнах: SQL, Python, Great Expectations»Отзывов получено 1
Рейтинг курса «Data Quality в пайплайнах: SQL, Python, Great Expectations»Рейтинг курса 5.000
Уроки в курсе «Data Quality в пайплайнах: SQL, Python, Great Expectations»Количество уроков 38
Тесты в курсе «Data Quality в пайплайнах: SQL, Python, Great Expectations»Количество квизов 23
Время прохождения курса «Data Quality в пайплайнах: SQL, Python, Great Expectations»Время прохождения курса —
Стоимость курса «Data Quality в пайплайнах: SQL, Python, Great Expectations»Стоимость курса 2 490 ₽ —
Обновления курса «Data Quality в пайплайнах: SQL, Python, Great Expectations»Обновления курса — —
Дата публикации курса «Data Quality в пайплайнах: SQL, Python, Great Expectations»Дата публикации курса — ———
Последнее обновление курса «Data Quality в пайплайнах: SQL, Python, Great Expectations»Последнее обновление — ———
Сложность normal — ———

Чему вы научитесь

  • 1. Собрать полный Data Quality pipeline на реальном e-commerce проекте
  • 2. Встраивать DQ-проверки в Airflow и останавливать пайплайн при ошибках
  • 3. Настраивать автоматические проверки с Great Expectations
  • 4. Валидировать данные в Python с Pydantic и Pandera
  • 5. Мониторить свежесть, объём и схему данных (Data Observability)
  • 6. Писать SQL-проверки на NULL, дубликаты, диапазоны и связность

О курсе

Научитесь автоматически находить грязные данные и останавливать пайплайн до того, как они сломают аналитику. SQL-проверки, Python-валидация с Pydantic и Pandera, Great Expectations, Data Observability и интеграция в Airflow: всё в одном курсе с прикладным e-commerce проектом

Для кого этот курс

Курс для вас, если вы уже работаете с SQL и Python и хотите выйти на следующий уровень: научиться делать пайплайны надёжными, а не просто работающими. 📍 аналитикам данных 📍 дата-инженерам уровня junior и middle

Начальные требования

☑️ Базовый SQL (SELECT, JOIN, GROUP BY) 

☑️ Базовый Python (функции, циклы, работа с pandas).

Всё остальное разбираем в курсе с нуля.

Преподаватели курса

Аватар Максим Мигутин
Максим Мигутин
10 лет в данных: Booking.com, IBM, KFC Преподаю тут, в Otus.ru и РАНХиГС без воды
★ 4.7
5 курсов 236
→

Как проходит обучение

Каждый модуль добавляет новый слой защиты данных.

Сначала вы пишете SQL-проверки. Потом подключаете Python-валидацию. Затем собираете Great Expectations, мониторинг и выстраиваете пайплайн в Airflow.

Сертификат курса Data Quality в пайплайнах: SQL, Python, Great Expectations

Сертификат

Успешно завершив курс, вы получите сертификат от платформы Stepik. Уже 1 учеников получили сертификат.

Что вы получите

  • ✅ Готовый шаблон Data Quality pipeline -> забираете в свои рабочие проекты
  • ✅ SQL-библиотека проверок: NULL, дубликаты, диапазоны, связность, схема
  • ✅ Настроенный Great Expectations проект с validation suite и Data Docs
  • ✅ Навык встраивания DQ-проверок в Airflow DAG с fail при ошибке данных
  • ✅ Понимание Data Observability: freshness, volume и schema monitoring
  • ✅ Сертификат Stepik -> подтверждение навыка для резюме и hh.ru
  • ✅ Финальный проект в портфолио с эталонным решением

Нагрузка

4-5 часов в неделю

Расскажите о курсе друзьям