|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/etl-testing-data-warehouse-fundamentals/
课程评论：没有评论
Coursera 课程《学习 ETL 测试与数据仓库基础》是一个实践性很强的教程，旨在从零开始，为学习者打下坚实的数据仓库和 ETL 测试基础。 **核心学习内容：** * **ETL 的必要性与应用：** 课程将通过实际的业务问题，解释 ETL 在何处以及为何需要。 * **数据仓库基础：** 深入理解数据仓库的基本概念，以及星型模型等常见的数据模型。 * **ETL 与数据仓库的架构：** 掌握 ETL 工作流程与数据仓库集成的完整架构。 * **行业常用 ETL 工具：** 了解业界流行的 ETL 工具概览。 * **实践项目：** 使用 Pentaho Data Integration (PDI) 工具从头开始构建一个实时的 ETL 项目。 * **ETL 测试：** 学习识别 ETL 管道各层级的测试范围，并通过实际案例进行演示。 * **SQL 在 ETL 测试中的应用：** 掌握如何构建 ETL 测试场景，并使用 SQL 查询进行验证，包括 Slowly Changing Dimensions (SCDs) 等高级概念的测试用例编写。 * **现代数据栈：** 探索云数据仓库，以及 ETL/ELT 在现代数据架构中的作用。 * **ETL vs ELT：** 理解 ETL 和 ELT 的区别及其适用场景。 * **ETL 数据质量与 LLMs：** 认识到 ETL 数据质量测试在训练大型语言模型（LLMs）中的关键作用。理解糟糕的数据质量如何导致 LLMs 的幻觉、偏见和不准确结果，以及在模型输入前进行健全 ETL 测试的重要性。 **先修知识：** * 具备基础的 SQL 知识（Insert, Update, Delete）。 * 熟悉核心 SQL 概念，如 Join, Group By, Subqueries，因为这些在 ETL 测试场景中会频繁使用。课程最后部分提供 SQL 概念回顾，适合需要者。
A hands-on tutorial that takes you from the ground up and gives you a solid understanding of Data Warehouse and ETL Testing concepts.What will you learn from this course?Learn why and where ETL is required with a real-time business problem.Understand the fundamentals of Data Warehousing and common data models such as Star Schema.Gain a complete architectural overview of how ETL works with a Data Warehouse.Get an overview of popular ETL tools used in the industry.Build a real-time ETL project from scratch using Pentaho Data Integration (PDI) tool.Understand the scope of ETL testing at each layer of the pipeline with practical examples.Learn how to build ETL test scenarios and validate them using SQL queries.Write test cases for advanced concepts such as Slowly Changing Dimensions (SCDs).Explore Cloud Data Warehouses and how ETL/ELT fits in modern data stacks.Understand the differences between ETL vs ELT and where each is applicable.Discover the critical role of ETL data quality testing in training Large Language Models (LLMs) - ensuring reliable and accurate data pipelines is a key foundation for any AI/ML system.Learn how bad data quality can lead to hallucinations, bias, and inaccurate results in LLM outputs, and why robust ETL testing is crucial before model ingestion.Prerequisites:Basic knowledge of SQL (Insert, Update, Delete).Core SQL concepts such as Joins, Group By, and Subqueries are used frequently in ETL test scenarios.A refresher on these SQL topics is available in the last section of the course - recommended for those who need it.
