data-engineering

API bersih untuk pembersihan data. Implementasi Python dari paket R Janitor

Kode sumber pendamping buku: Data Science on the Google Cloud Platform, Valliappa Lakshmanan, O'Reilly 2017

Platform penemuan dan observabilitas data sumber terbuka pertama. Kami mempermudah kehidupan para praktisi data agar Anda dapat fokus pada bisnis Anda.

Templat paket Python komprehensif untuk memulai dan menstandarisasi inisiatif MLOps serta alur data Anda.

Koleksi pilihan berisi 300+ artikel blog teknik dari perusahaan teknologi terkemuka. Pelajari bagaimana tim teknik terbaik memecahkan masalah dunia nyata dalam skala besar.

Panduan SQL paling komprehensif dari ahli dunia nyata! Pelajari semuanya mulai dari dasar hingga kueri lanjutan, optimasi, dan SQL dunia nyata

Quilt adalah Platform Manajemen Data Ilmiah di AWS yang membantu tim dan AI menemukan, mempercayai, dan menggunakan kembali data melalui paket data yang memiliki versi mendalam dan kaya konteks.

ETL/ELT open-source yang Anda deploy di server atau cloud Anda sendiri. Dibangun di atas DuckDB: pipeline visual tanpa kode/rendah kode atau SQL, 385 komponen, dbt, CDC, kualitas data, reverse ETL, lineage, MCP untuk agen AI. Tanpa cloud vendor, tanpa penagihan per baris.

Daftar sumber daya AI yang berpusat pada data (kurasi, namun belum lengkap).

Pusat Pengetahuan Data Engineering & Machine Learning

Pusat dari Open Data Contract Standard (ODCS).

📙 Katalog Data dan Platform Observabilitas yang Luar Biasa.

Terapkan Kontrak Data

🌊 Sinkronisasikan sistem tempat data Anda berada secara terus-menerus ke sistem tempat Anda _menginginkannya_ berada, dengan mengelola aliran data Anda menggunakan Estuary. 🌊

FlyFish adalah platform pengkodean visualisasi data. Kita dapat membuat model data dengan cepat secara sederhana, dan dengan cepat menghasilkan seperangkat solusi visualisasi data melalui drag-and-drop.

Panduan komprehensif untuk membangun data warehouse modern dengan SQL Server, termasuk proses ETL, pemodelan data, dan analitik.

Inti Egeria

Repositori lain yang berisi konsep dasar, tantangan teknis, dan sumber daya tentang teknik data dalam bahasa Spanyol 🧙✨

Kerangka kerja yang didorong komunitas, sederhana, namun kuat untuk komputasi terdistribusi yang cepat dan hemat biaya atas Data.

Neum AI adalah kerangka kerja terbaik di kelasnya untuk mengelola pembuatan dan sinkronisasi penyematan vektor dalam skala besar.

Materi Pendukung untuk kursus Udemy The Complete dbt (Data Build Tool) Bootcamp

Data Engineering Praktis: Panduan Proyek Real-Estate Langsung

Framework Python untuk membangun pipeline data yang efisien. Mendukung modularitas dan kolaborasi, memungkinkan pembuatan pipeline kompleks dari komponen yang sederhana dan dapat digunakan kembali.

Perangkat rekayasa data agentic open-source untuk dbt, SQL, dan cloud warehouse. 100+ alat, 10 warehouse, didukung AI.

Kenali data Anda lebih baik! Datavines adalah Platform Observabilitas Data generasi berikutnya, mendukung manajemen metadata dan kualitas data.

Optimalkan BigQuery dengan BigFunctions.

Kompilasi contoh nyata proyek pembelajaran mesin yang gagal

VectorFlow adalah pipeline embedding vektor bervolume tinggi yang menyerap data mentah, mengubahnya menjadi vektor, dan menulisnya ke database vektor pilihan Anda.

Data Flow Engine adalah mesin berbasis data tingkat rendah untuk integrasi, sinkronisasi, pertukaran, dan berbagi data, serta konfigurasi dan penjadwalan tugas. Mesin ini menggunakan pemisahan manajemen-eksekusi, lapisan multi-aliran, dan pustaka plugin untuk menangani tugas data skala besar, pelaporan dan pengumpulan data frekuensi tinggi, serta kompatibilitas data heterogen.

Synmetrix – semantic layer open source siap produksi di atas Cube