به سرعت طیف گستردهای از مشکلات داده را از طریق مشاهدهپذیری دادهها (Data Observability) شناسایی، عیبیابی و پیشگیری کنید؛ مجموعهای از بهترین روشها که به تیمهای داده امکان میدهد دید بهتری نسبت به دادهها و نحوه استفاده از آنها به دست آورند. اگر شما یک مهندس داده، معمار داده یا مهندس یادگیری ماشین هستید که به کیفیت دادههای خود وابسته هستید، این کتاب به شما نشان میدهد که چگونه بر جنبههای عملی معرفی مشاهدهپذیری دادهها در کار روزمره خود تمرکز کنید. نویسنده کتاب، Andy Petrella، به شما کمک میکند تا عادات درستی را برای شناسایی و حل مشکلات داده، مانند انحراف دادهها (Data Drifts) و کیفیت پایین، ایجاد کنید تا بتوانید از انتشار آنها در برنامههای کاربردی داده، خطوط لوله (Pipelines) و تحلیلها جلوگیری کنید. شما روشهای معرفی مشاهدهپذیری دادهها را یاد خواهید گرفت، از جمله راهاندازی چارچوبی برای تولید و جمعآوری تمام اطلاعات مورد نیاز خود. اصول اولیه و مزایای مشاهدهپذیری دادهها را بیاموزید از مشاهدهپذیری دادهها برای شناسایی، عیبیابی و پیشگیری از مشکلات داده استفاده کنید از دستورالعملهای کتاب برای پیادهسازی مشاهدهپذیری در پروژههای داده خود پیروی کنید از مشاهدهپذیری دادهها برای ایجاد یک چارچوب ارتباطی قابل اعتماد با مصرفکنندگان داده استفاده کنید یاد بگیرید چگونه همکاران خود را در مورد مزایای مشاهدهپذیری دادهها آموزش دهید
اشتراکی

مروری بر ساختار و اطلاعات کلیدی کتاب

۲۳ مرداد ۱۴۰۲

1 کتاب

8 فصل

264 صفحه

مبتدی تا متوسط
به سرعت طیف گستردهای از مشکلات داده را از طریق مشاهدهپذیری دادهها (Data Observability) شناسایی، عیبیابی و پیشگیری کنید؛ مجموعهای از بهترین روشها که به تیمهای داده امکان میدهد دید بهتری نسبت به دادهها و نحوه استفاده از آنها به دست آورند.
اگر شما یک مهندس داده، معمار داده یا مهندس یادگیری ماشین هستید که به کیفیت دادههای خود وابسته هستید، این کتاب به شما نشان میدهد که چگونه بر جنبههای عملی معرفی مشاهدهپذیری دادهها در کار روزمره خود تمرکز کنید.
نویسنده کتاب، Andy Petrella، به شما کمک میکند تا عادات درستی را برای شناسایی و حل مشکلات داده، مانند انحراف دادهها (Data Drifts) و کیفیت پایین، ایجاد کنید تا بتوانید از انتشار آنها در برنامههای کاربردی داده، خطوط لوله (Pipelines) و تحلیلها جلوگیری کنید.
شما روشهای معرفی مشاهدهپذیری دادهها را یاد خواهید گرفت، از جمله راهاندازی چارچوبی برای تولید و جمعآوری تمام اطلاعات مورد نیاز خود.
با مرور این بخش، درک سریع و کلی از محتوای کتاب پیدا کنید.
این کتاب اصول اولیه، مزایا و اجزای معماری مشاهدهپذیری دادهها (Data Observability) را بررسی میکند.
این اثر توضیح میدهد که چگونه تیمهای داده میتوانند از لاگها، ردگیریها (Traces) و متریکها برای ایجاد یک مدل مشاهدات قوی استفاده کنند.
این مدل به شناسایی مشکلات داده با تاخیر کم و جلوگیری از انتشار دادههای با کیفیت پایین کمک میکند.
اجزای کلیدی تحلیلشده عبارتند از:
این متن دستورالعملها و استراتژیهای عملی را برای پیادهسازی و خودکارسازی مشاهدهپذیری دادهها در پشتههای داده مدرن ارائه میدهد.
کتاب خوانندگان را در مسیر تولید مشاهدات داده در منبع با استفاده از APIهای Python و خودکارسازی آنها از طریق شنودکنندههای رویداد (Event Listeners) راهنمایی میکند.
علاوه بر این، جزئیات ادغام مشاهدهپذیری با ابزارهای محبوب مانند Apache Spark، dbt و Airflow تشریح میشود.
استراتژیهای پیادهسازی شامل موارد زیر است:
نویسندگانی که در پشت محتوای این کتاب قرار دارند، از برجستهترین متخصصان و پیشگامان حوزه خود به شمار میروند. آثار آنها حاصل سالها تجربه عملی، پژوهش عمیق و همکاری با بزرگترین سازمانها و شرکتهای فناوری جهان است. هر یک از این نویسندگان با انتشار کتابها و مقالات تخصصی، نقش مهمی در شکلگیری و پیشرفت دانش فنی جامعه جهانی ایفا کردهاند.
تجربه کاربران از این کتاب - نظرات خریداران و دیگر کاربران
8 فصل در حال تولید
مدت زمان خوانش
7:15
نوع کتاب
اشتراکی
شرکت کنندگان
0 نفر
تولید کتاب
۳۱ شهریور ۱۴۰۵