Understand why Great Expectations (GX) is such a powerful tool for monitoring data quality. Get familiar with the basics of GX, including how to start a session using a Data Context, and how to load in a pandas dataframe using a Data Source, Data Asset, and Batch Definition. 

Create a Data Context

Create your Data Context

Sneak Peek into GX

Keyword Definitions

Connect to Data

Concept Review

Create a Data Source and Data Asset

Read Data in Batches

Create a Batch Definition and Batch

Inspect your Batch

Connecting to Data

Create and evaluate basic shape and schema Expectations. Validate your Expectations either individually, as part of an Expectation Suite with a Batch Definition, or using a Validation Definition.

Create Expectations

Establish a Column Count Expectation

Evaluate Validation Results

Schema Expectations

Establish a Column Name Expectation

Establish a Column Range Expectation

Create a Suite of Expectations

Create an Expectation Suite

Validate your Expectation Suite

Validate Expectation Suites

Create and Run a Validation Definition

Validation Definition vs. Batch Definition

Establishing Expectations

Learn practical skills that will help you dominate the dynamic nature of Expectations in the real world. Deploy Validation Definitions using Checkpoints; update your Expectation Suites; and learn how to add, retrieve, list, and delete key GX components.

Doğrulama Tanımlarını Dağıt

Seçenekler

Checkpoint

Action

Data Docs

Kavram Kontrolü

Bir Checkpoint Oluştur

Expectation Suite'lerini Güncelle

Bir Expectation'ı Kopyala

Bir Expectation'ı Sil

Bir Expectation'ı Güncelle

Bileşenleri Yönet

Bileşen ekle ve listele

Bir Checkpoint'i Yönet

GX in Practice

Dive head-first into the world of Expectations. Practice creating basic column Expectations, row- and aggregate-level numeric Expectations, string and string parseability Expectations, and more. Learn how to apply Expectations to only some rows of a dataframe.

Basic Column Expectations

Establish row-level Expectations

Establish aggregate-level Expectations

Type-Specific Expectations

Establish numeric Expectations

Establish string Expectations

Conditional Expectations

Write up a Conditional Expectation

Invert a Conditional Expectation

Wrap-Up

All About Expectations

weather_new.csv

movie_dataset.csv

life_expectancy.csv

renewable_new.csv

shein_footwear_clean.csv

Great Expectations, veri bilimi ve mühendisliği iş akışlarında veri kalitesini izlemek için güçlü bir Python kütüphanesidir. Gerçek dünya veri kümelerine bağlanmayı, Expectation’ları uygulamayı, düzenlemeyi ve silmeyi; ayrıca üretimde yeni veri kümelerini doğrulamak için ardışık düzenler kurmayı öğren. Sayısal ve metin sütunları için Expectation’ları keşfedecek ve sütunlar arası doğrulamalar yazacaksın. Kurs sonunda, verinin kalite standartlarını karşıladığını güvenle sağlayabileceksin.

Great Expectations, veri bilimi ve veri mühendisliği iş akışlarında veri kalitesini izlemek için güçlü bir araçtır. Platform, Python'a kolayca entegre edilebilir, bu da onu Python kullanıcılarının öğrenmesi için yararlı bir kütüphane haline getirir.

Great Expectations'ın temelinde, verilerinizle ilgili doğrulamak istediğiniz beklentiler veya iddialar yer alır. Bu kursa, gerçek dünya veri kümelerine nasıl bağlanacağınızı ve bunlara Beklentileri nasıl uygulayacağınızı öğrenerek başlayacaksınız. Ardından, beklentileri nasıl alacağınızı, düzenleyeceğinizi, sileceğinizi ve üretim dağıtımında yeni veri kümelerine beklentileri uygulamak için boru hatları oluşturmayı öğreneceksiniz.

Son olarak, sayısal ve dize sütunları gibi belirli beklenti türleri ve diğer sütunların değerlerine bağlı olarak bir sütunun beklentilerini nasıl yazacağınız hakkında bilgi edineceksiniz.

Bu kursun sonunda, Great Expectations Python kütüphanesi hakkında sağlam bir temel bilgilere sahip olacaksınız. Platformun temel işlevlerini kullanarak verilerinizin kalitesini izleyebilir ve verilerinizin veri kalitesi standartlarını karşıladığına güvenerek kullanabilirsiniz.

Data Manipulation with pandas

Python Great Expectations kütüphanesiyle veri bilimi ve mühendisliği iş akışlarında yüksek veri kalitesi sağla.

Great Expectations ile Veri Kalitesine Giriş

Python'un Great Expectations kütüphanesi ile veri bilimi ve veri mühendisliği iş akışlarında yüksek veri kalitesini sağlayın.

Makine Öğrenimi Mühendisi

Validation Definition'ları bir araya getiren ve ortak parametrelerle çalıştıran nesne

Checkpoint'lerde yapılandırılabilen ve bir Validation Result'a göre Great Expectations'ı diğer araçlarla entegre eden bileşen

Expectations, Validation Results vb. ayrıntılarını içeren Great Expectations meta verilerinden üretilen statik web sitesi

Kavram Kontrolü

Great Expectations ile Veri Kalitesine Giriş

Uygulamalı interaktif egzersiz