🌎 Data Quality Fundamentals: A Practitioner's Guide to Building Trustworthy Data Pipelines (2022)
❔ Чему вы научитесь:
🔵 Проектировать data quality frameworks: validation rules, quality metrics, monitoring для надёжных данных;
🔵 Обнаруживать проблемы качества: anomaly detection, schema drift, data profiling для раннего выявления;
🔵 Строить trustworthy pipelines: testing strategies, data contracts, lineage tracking для прослеживаемости;
🔵 Автоматизировать quality checks: validation automation, alerting, remediation для scalable quality;
🔵 Управлять data governance: ownership, documentation, SLA для organizational alignment.
"Data Quality Fundamentals" — практическое руководство по построению data pipelines, которым можно доверять. Systematic approach к качеству данных. Для data engineers и analytics teams, борющихся с проблемами качества данных.
🗄 Получить курс
Python | CMD