Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
- Die Philosophie und Prinzipien von dbt / Was ist dbt?
- dbt im Vergleich zu traditionellem ETL
- Überblick über die Funktionen und die Architektur von dbt
- Über dbt hinaus: Was ist dbt Cloud?
Verständnis von dbt Cloud
- Der Lebenszyklus eines dbt-Projekts in dbt Cloud
- Wie dbt Cloud in Workflows für Data Warehousing und Transformation integriert ist
Erste Schritte mit dbt Cloud
- Einrichten der Entwicklungsumgebung in dbt Cloud
- Anbindung von dbt Cloud an Ihr Data Warehouse
- Erstellen eines dbt-Projekts in dbt Cloud
- Ausführen von dbt-Befehlen in dbt Cloud
- Zusammenarbeit mit Teammitgliedern an einem dbt-Projekt in dbt Cloud
Arbeit mit dbt-Modellen
- Verständnis von dbt-Modellen
- Erstellen eines dbt-Modells
- Daten Transformation mit dbt
- Arbeiten mit inkrementellen Modellen in dbt
- Implementierung von Macros und benutzerdefinierten Funktionen in dbt
Verwalten von dbt-Projekten in dbt Cloud
- Nutzung der dbt Cloud-Schnittstelle zur Verwaltung und Bereitstellung von Projekten
- Erstellen von Zeitplänen und Auslösen von dbt-Jobs
- Erstellen und Verwalten von Umgebungen in dbt Cloud
- Bereitstellung von dbt-Projekten in die Produktivumgebung
- Einrichten von Benachrichtigungen und Warnmeldungen
Integration von dbt Cloud mit anderen Tools
- Nutzung von dbt Cloud mit Git und Versionskontrolle
- Anbindung von dbt Cloud an andere cloudbasierte Data-Warehouse- und Transformations-Tools
Fehlerbehebung und Debugging
- So debuggen und beheben Sie Störungen in dbt-Projekten mit dbt Cloud
- Verwendung von Logs zur Diagnose von Problemen
- Best Practices für die Pflege von dbt-Could-Projekten
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundkenntnisse in Datenmodellierung und SQL
- Erfahrung mit SQL und der Befehlszeilenschnittstelle (CLI)
- Programmierkenntnisse in Python
Zielgruppe
- Data Engineers
- Data Analysts
- Data Scientists
21 Stunden
Erfahrungsberichte (3)
Wie man offene Satellitendaten für reale Anwendungen nutzt
Tshering Dorji - Druk Holding and Investments
Kurs - Advanced Geographic Information Systems (GIS)
Maschinelle Übersetzung
Übungen machen
Joe Pang - Lands Department, Hong Kong
Kurs - QGIS for Geographic Information System
Maschinelle Übersetzung
Praktische Beispiele ermöglichten es uns, das Programm wirklich kennenzulernen. Gute Erklärungen und die Integration theoretischer Konzepte sowie deren Bezug zu praktischen Anwendungen wurden sehr geschätzt.
Ian - Archeoworks Inc.
Kurs - ArcGIS Fundamentals
Maschinelle Übersetzung