توضیحات
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
————————————————————–
ترجمه ماشینی :
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. امروزه بسیاری از تیم های مهندسی داده 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، Barr Moses، Lior Gavish و Molly Vorwerck، از شرکت مشاهدهپذیر دادهها Monte Carlo، توضیح میدهند که چگونه میتوان با استفاده از بهترین شیوهها و فناوریهای مورد استفاده توسط برخی از نوآورترین شرکتهای جهان، با کیفیت و اعتماد در مقیاس مقابله کرد. خطوط لوله داده قابل اعتمادتر و قابل اعتمادتر بسازید برای انجام بررسی داده ها و شناسایی خطوط لوله شکسته با قابلیت مشاهده داده ها اسکریپت بنویسید با نحوه تنظیم و نگهداری داده ها SLA ها، SLIs و SLO ها بیاموزید ابتکارات کیفیت داده را در شرکت خود توسعه و هدایت کنید یاد بگیرید چگونه برای رسیدگی به خدمات و سیستم های داده با سخت کوشی نرم افزار تولید خودکارسازی نمودارهای دودمان داده در اکوسیستم داده شما ایجاد آشکارسازهای ناهنجاری برای دارایی های داده حیاتی شما
tag : دانلود کتاب مبانی کیفیت داده: راهنمای پزشک برای ایجاد خطوط لوله داده قابل اعتماد , Download مبانی کیفیت داده: راهنمای پزشک برای ایجاد خطوط لوله داده قابل اعتماد , دانلود مبانی کیفیت داده: راهنمای پزشک برای ایجاد خطوط لوله داده قابل اعتماد , Download Data Quality Fundamentals: A Practitioner’s Guide to Building Trustworthy Data Pipelines Book , مبانی کیفیت داده: راهنمای پزشک برای ایجاد خطوط لوله داده قابل اعتماد دانلود , buy مبانی کیفیت داده: راهنمای پزشک برای ایجاد خطوط لوله داده قابل اعتماد , خرید کتاب مبانی کیفیت داده: راهنمای پزشک برای ایجاد خطوط لوله داده قابل اعتماد , دانلود کتاب Data Quality Fundamentals: A Practitioner’s Guide to Building Trustworthy Data Pipelines , کتاب Data Quality Fundamentals: A Practitioner’s Guide to Building Trustworthy Data Pipelines , دانلود Data Quality Fundamentals: A Practitioner’s Guide to Building Trustworthy Data Pipelines , خرید Data Quality Fundamentals: A Practitioner’s Guide to Building Trustworthy Data Pipelines , خرید کتاب Data Quality Fundamentals: A Practitioner’s Guide to Building Trustworthy Data Pipelines ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.