MP4 - Mastering Dbt (Data Build Tool) - From Beginner To Pro

[joomlamz]

Publicado em 4/2023
MP4 | Vídeo: h264, 1280x720 | Áudio: AAC, 44,1 KHz
Idioma: Inglês | Tamanho: 3,98 GB | Duração: 6h 46m

Analytics Engineering Bootcamp para levá-lo do iniciante ao avançado dbt e colocar a mão na massa com o dbt Cloud!

O que você aprenderá
Como construir um projeto dbt completo do zero
Os principais benefícios do dbt e um pouco do histórico de como ele surgiu
Todos os fundamentos do dbt: fontes, modelos, testes, documentação, instantâneos, sementes, macros, ganchos e operações
Como estruturar um projeto dbt
Como alterar o controle de versão do seu código com o GitHub
Teste de dbt avançado - criando seus próprios testes personalizados singulares e genéricos, definindo a gravidade e definindo limites de aviso/erro
Modelagem avançada de dados dbt - incluindo modelos incrementais e efêmeros e que tipo usar (e quando)
Comandos dbt avançados - como usar diferentes seletores, diferentes perfis, tags, seleção de teste indireto e construção de um site de documentos dbt local
Advanced dbt jinja & macros - criando suas próprias macros para usar em ganchos/funções/operações, usando jinja para loops e variáveis, e a função de destino
Como implantar seu projeto no dbt Cloud, como usar a interface do usuário do dbt Cloud e usar variáveis de ambiente
Como usar testes e macros de pacotes externos para sobrecarregar seu projeto dbt
Práticas recomendadas para usar ao executar um projeto dbt (com base em muita experiência!)
Como criar uma configuração completa para Mac ou Windows: instalando todas as ferramentas e obtendo uma configuração específica do VSCode para dbt!

Requisitos
SQL básico
Nenhuma experiência Python necessária
Máquina Mac/Windows que é capaz de instalar Python, Git e VSCode (vamos ver tudo isso no curso!)

Descrição
Bem-vindo ao curso Mastering dbt (ferramenta de criação de dados) 2023! Obrigado por reservar um tempo para ver meu curso! Tenho mais de 7 anos de experiência em Analytics / Analytics Engineering / Data Science, incluindo 4 anos usando dbt diariamente. Eu também estive envolvido na implantação do dbt em meu tempo na Monzo. MINHA ABORDAGEM PARA ESTE CURSO: Este curso foi desenvolvido para levá-lo da necessidade apenas de SQL iniciante para se sentir confortável com tudo no dbt: desde a modelagem de dados básica até todos dos recursos avançados, como a criação de testes e macros personalizados. Faremos isso passo a passo e construiremos do básico para cima. É focado em resultados práticos - não gastaremos muito tempo na teoria do banco de dados ou entraremos em muitos detalhes no conjunto de dados, em vez disso, estaremos visando para levá-lo aos níveis avançados de dbt o mais rápido possível.Para este curso, usaremos um conjunto de dados público gratuito no Google BigQuery centrado em um negócio fictício de comércio eletrônico.Use Snowflake, Redshift, Databricks ou qualquer coisa diferente de BigQuery? Não se preocupe! Eu mesmo usei dbt com BigQuery e Snowflake e todo o conhecimento que você aprender neste curso será transferível. O foco deste curso não é explorar todo o conjunto de dados - em vez disso, tentei mantê-lo no número mínimo de modelos de dados necessários para transmitir os conceitos principais. O acesso a esse conjunto de dados é gratuito, e a quantidade de dados que você usará no BigQuery será gratuita. Abordo isso um pouco mais no curso - mas não se preocupe com custos adicionais. Para cada vídeo em que escrevemos código, criei anexos de lição com os resultados finais. Isso significa que você pode codificar à medida que avança ou assistir aos vídeos e ver os folhetos depois! Também incluí um pouco de teoria nestes folhetos para ajudar a enfatizar os pontos abordados nos vídeos. Este curso não é estático! Adoraria ouvir seus comentários e atualizarei este curso continuamente. ESTRUTURA DO CURSO: Este curso se concentra primeiro em obter uma boa compreensão de quais problemas o dbt resolve e, em seguida, criar um projeto básico de dbt, antes de aplicar camadas em conceitos mais avançados e, finalmente, implantando nosso projeto com o dbt Cloud.IntroduçãoUm pouco de teoria (<1 hora) sobre o dbt, quais problemas existiam na pilha de dados antes de aparecer e como ele os resolve.Configuração da ferramentaConfiguração com Python, GitHub, Google BigQuery , VSCode e, claro, dbt! Se você já estiver familiarizado com alguma dessas ferramentas, será mais do que bem-vindo para pular as lições apropriadas. Também exploraremos o conjunto de dados fictício de comércio eletrônico que usaremos ao longo do curso. sobre como criar nosso projeto do zero, incluindo como estruturaremos nosso projeto. Estaremos construindo modelos de dados staging (stg), intermediário (int) e mart, incluindo documentação e testes com os testes dbt prontos para uso. definindo a severidade e os limites do teste, usando os pacotes externos dbt-utils e dbt-expectations para sua excelente seleção de testes, criando nossos próprios testes singulares e genéricos personalizados e testando a atualização de nossos dados de origem. Modelagem de dados avançada com dbtNext, nós veremos como podemos criar documentação reutilizável, arquivos iniciais (versão carquivos .csv controlados), instantâneos (capturando alterações nas tabelas de dados) e métodos de materialização. A maior parte desta seção será focada na última parte - os métodos de materialização: efêmero, exibição, tabela e incremental. A essa altura, já teremos encontrado modelos de exibição e tabela e criaremos um modelo incremental e um efêmero - e você entenderá o que usar e quando.Comandos dbt avançadosEsta seção se concentrará menos em alterar nosso projeto dbt , mas, em vez disso, todos os principais comandos do dbt e como (e quando) usá-los.Jinja e macros avançadosAs alterações finais em nosso projeto envolverão o uso de Jinja - um recurso central do dbt e, sem dúvida, o recurso mais complexo, mas poderoso - e usá-lo para criar nossas próprias macros. Esta seção mostrará como você pode usar macros Jinja para ganchos, operações e como funções reutilizáveis em seus modelos SQL. Ele também abordará algumas teorias sobre Jinja, erros comuns e o que eu (pessoalmente) acho que é mais útil! dbt CloudFinalmente, exploraremos como pegar nosso projeto e implantá-lo no dbt Cloud - incluindo como agendá-lo para ser executado regularmente. Também veremos o próprio dbt Cloud e seus principais benefícios.

Visão geral
Seção 1: Introdução
Aula 1 Introdução do instrutor
Aula 2 Esboço do curso
Aula 3 Introdução ao curso
Aula 4 Uma breve história da pilha de dados
Aula 5 Benefícios do dbt - inferindo dependências
Aula 6 Benefícios do dbt - documentação e teste
Aula 7 Benefícios do dbt - funcionalidade semelhante ao Python
Aula 8 Como o dbt resolveu muitos problemas na pilha de dados
Aula 9 Como o dbt se encaixa na pilha de dados
Palestra 10 dbt Core vs. dbt Cloud
Seção 2: Como configurar suas ferramentas
Aula 11 Visão geral da seção
Aula 12 Criando uma conta do Gmail
Aula 13 Configurando um projeto BigQuery com faturamento
Aula 14 (Opcional) Se você tiver problemas com o faturamento do BigQuery
Aula 15 A IU do BigQuery
Aula 16 O conjunto de dados que você usará
Aula 17 (Mac) Instalando o Python 3.10
Aula 18 (Windows) Instalando o Python 3.10
Aula 19 Baixando o VSCode e configurando atalhos
Aula 20 Criando uma conta GitHub
Aula 21 Bifurcação vs. clonagem
Aula 22 Bifurcando o repositório
Aula 23 (Opcional) Se você tiver problemas para sincronizar seu repositório bifurcado
Aula 24 Instalando as extensões recomendadas no VSCode
Aula 25 O que é um ambiente virtual (venv)?
Aula 26 Configurando nosso ambiente virtual e instalando pacotes
Aula 27 Configurando dbt para BigQuery
Aula 28 Testando nosso projeto modelo dbt
Aula 29 Configurando o preenchimento automático dbt
Aula 30 Passo a passo de como ficará nosso projeto final
Seção 3: Construindo o projeto básico dbt
Aula 31 O comando dbt init
Aula 32 Controle de versão com GitHub
Aula 33 Configurando dbt Power User
Aula 34 Como estruturaremos nosso projeto
Aula 35 Criando nosso primeiro arquivo yml fonte (src)
Aula 36 Criando nosso primeiro modelo SQL de staging (stg)
Aula 37 Executando nosso primeiro modelo SQL de staging (stg)
Aula 38 Criando nosso primeiro arquivo yml de modelo
Aula 39 Adicionando testes ao nosso primeiro arquivo yml de modelo
Aula 40 Configurando nossos modelos para materializar como tabelas em vez de visualizações
Aula 41 Obtendo o restante de nossos modelos SQL de preparação (stg) configurados
Aula 42 Usando dbt clean para fazer a materialização da tabela funcionar
Aula 43 Obtendo o restante dos arquivos yml de preparação (stg) configurados
Aula 44 Fazendo um balanço de nossos modelos de dados de preparação (stg)
Aula 45 A pasta de destino
Aula 46 Obtendo nosso primeiro modelo SQL intermediário (int) configurado
Aula 47 Obtendo nosso primeiro arquivo yml intermediário (int) configurado
Aula 48 Obtendo nosso modelo mart SQL configurado
Aula 49 Obtendo nosso arquivo mart yml configurado
Aula 50 Nosso projeto básico dbt agora está completo!
Seção 4: Dbt avançado: teste
Aula 51 Configurando a severidade padrão do teste em dbt_project.yml
Aula 52 Definindo a severidade e os limites do teste
Aula 53 Os pacotes dbt externos que usaremos
Aula 54 dbt_utils e dbt_expectations
Aula 55 Testes singulares personalizados
Aula 56 Testes genéricos personalizados
Aula 57 Aplicando testes avançados em todo o nosso projeto
Aula 58 Testes de atualização da fonte
Seção 5: Dbt avançado: modelagem de dados
Aula 59 A função doc
Aula 60 Arquivos de sementes
Instantâneos da palestra 61 dbt
Aula 62 Tipos de Materialização
Aula 63 Materialização: modelos efêmeros
Aula 64 Materialização: modelos incrementais
Aula 65 (Opcional) Particionando uma tabela no BigQuery
Seção 6: DBT avançado: comandos e seletores
Aula 66 Comandos para uma execução limpa do dbt
Aula 67 Usando diferentes perfis dbt
Seletores da Aula 68
Tags da Aula 69
Aula 70 Seleção de teste indireto
Palestra 71 teste dbt com --warn-error
Palestra 72 dbt build
Palestra 73 dbt docs gerar/servir
Seção 7: DBT avançado: jinja e macros
Aula 74 Comentários, declarações e expressões de Jinja
Aula 75 Os 3 tipos de macro: funções, ganchos, operações
Aula 76 (Opcional) Referência da função dbt Jinja
Aula 77 Macros: operações
Aula 78 Macros: funções (construindo uma macro básica)
lecture 79 Macros: ganchos
Aula 80 Declarações Jinja: loops for e variáveis de configuração
Aula 81 (Opcional) Jinja: usando a função de destino
Seção 8: nuvem dbt
Aula 82 Criando uma conta dbt Cloud
Aula 83 Configurando uma conta de serviço
Aula 84 Conectando o GitHub ao dbt Cloud
Aula 85 O dbt Cloud IDE
Aula 86 Implantando jobs em dbt Cloud
Analistas de dados, cientistas de dados, engenheiros analíticos, engenheiros de dados, profissionais de BI, qualquer pessoa interessada em entrar em dados!

Pagina inicial
https://www.udemy.com/course/mastering-dbt-data-build-tool-bootcamp/

https://rapidgator.net/file/02e8f5a7df1f879fc74595d9ef17a9b4
https://rapidgator.net/file/1ee3be61eb260b92d840b7798dac61e8
https://rapidgator.net/file/c3caab949093ddafa98bed08c4a2bd10
https://rapidgator.net/file/71436169a23c67ac2a9abe93d2b3757f
https://rapidgator.net/file/a53cc756bacca46135fbcab4a8017afb


Download From Ddownload


https://ddownload.com/kn9pwbk86t0c
https://ddownload.com/y2xijcf996o7
https://ddownload.com/clkbs1bzk0b1
https://ddownload.com/7t9gc3v27olu
https://ddownload.com/knsq9i4ha8sj