Cùng kỹ sư Silicon Valley tìm hiểu về DBT

Học cách các đội ngũ dữ liệu hiện đại sử dụng dbt. Tự tay xây dựng các mô hình phân tích có thể bảo trì và pipeline dữ liệu đã được kiểm chứng. Nắm vững các khái niệm cốt lõi của analytics engineering theo hướng thực tiễn. Đây là khóa học dành cho những ai muốn phát triển sự nghiệp dữ liệu lên một tầm cao mới 🚀

(4.8) 18 đánh giá

395 học viên

Độ khó Cơ bản

Thời gian Không giới hạn

SQL
SQL
Data Engineering
Data Engineering
data-analysis
data-analysis
dbt
dbt
Data literacy
Data literacy
SQL
SQL
Data Engineering
Data Engineering
data-analysis
data-analysis
dbt
dbt
Data literacy
Data literacy

Đánh giá từ những học viên đầu tiên

4.8

5.0

홍태경

30% đã tham gia

Tôi đang xem tiếp sau khi học xong khóa Airflow. Tôi nghĩ đây có lẽ là nơi duy nhất có bài giảng về mô hình hóa hệ thống thông tin (Information System Modeling). Sau này, tôi chắc chắn sẽ mua cả khóa học "Tiêu chuẩn Kiến trúc Dữ liệu" - thứ mà nếu không biết thì không thể thăng tiến được. Dưới góc độ là một kỹ sư junior luôn gắn bó với Inflearn, nếu có một vài ví dụ thực hành ELT dưới dạng dự án cá nhân (toy project) được xây dựng bài bản — từ việc đưa API và các dữ liệu thô vào ODS, sau đó kết hợp các bảng Fact, bảng chuẩn (Dimension) để làm từ DW sang DM — thì dù giá có lên đến vài trăm nghìn won tôi cũng sẵn sàng chi trả... nhưng tiếc là không thấy có..ㅠ Không biết trong tương lai anh có kế hoạch ra mắt nội dung liên quan đến phần này không ạ..ㅠ

5.0

asdf

100% đã tham gia

Có vẻ như đây là một cơ hội tuyệt vời để trải nghiệm thử về DBT. Phần thực hành rất gọn gàng, không bị gián đoạn và trơn tru nên tôi rất thích. Mặc dù không biết liệu có thể áp dụng tại nơi làm việc hiện tại hay không, nhưng tôi hy vọng sẽ có cơ hội sử dụng nó vào một ngày nào đó. Cảm ơn bạn vì bài giảng hay.

5.0

이승호

38% đã tham gia

Đây có vẻ là một bài giảng rất hữu ích, giúp tôi có thể nhập môn và học hỏi những khái niệm mới về khoa học dữ liệu chỉ trong khoảng 2 giờ đồng hồ. Từ trước đến nay, kiến thức về DB của tôi chỉ dừng lại ở các khái niệm liên quan đến SQL để viết truy vấn phản hồi các yêu cầu API, hoặc cao hơn một chút là thiết kế mối quan hệ giữa các bảng. Tuy nhiên, qua đây, tôi nghĩ mình đã thực sự thu nhận được nhiều điều bổ ích khi lần đầu tiên bước chân vào khái niệm tiếp cận cách xử lý dữ liệu cần thiết cho thực tế một cách linh hoạt mà vẫn giữ được nguyên bản tối đa. Hy vọng sẽ có thêm nhiều bài giảng hay trong tương lai.

Bạn sẽ nhận được điều này sau khi học.

  • Hiểu toàn bộ quy trình làm việc của đội ngũ dữ liệu hiện đại với dbt

  • Tổ chức và mở rộng SQL phức tạp thành mô hình có cấu trúc

  • Cảm giác kỹ thuật phân tích có thể áp dụng ngay vào thực tế công việc

  • Nâng cao độ tin cậy của dữ liệu thông qua kiểm thử và tài liệu hóa

🚀 Vượt qua SQL, đến với phân tích thực sự - dbt Analytics Engineering được sử dụng trong thực tế

Trong khóa học này, bạn sẽ học cách xây dựng môi trường phân tích dữ liệu hiện đại bằng cách sử dụng dbt.
Vượt ra ngoài việc chỉ viết các truy vấn SQL đơn thuần, khóa học sẽ đề cập đến quá trình thiết kế các mô hình phân tích có thể bảo trì được, và thông qua kiểm thử cũng như tài liệu hóa
để tạo ra data pipeline đáng tin cậy.

Kết nối mô hình hóa, kiểm thử và tài liệu hóa thành một quy trình thống nhất, giúp bạn hiểu các khái niệm cốt lõi của kỹ thuật phân tích được các nhóm dữ liệu thực tế sử dụng theo hướng thực tiễn.

#SQL, #Cơ sở dữ liệu, #Mô hình hóa dữ liệu, #dbt, #Thực hành trọng tâm

🏢 Chủ yếu được sử dụng trong lĩnh vực nào?

Phương pháp dbt và kỹ thuật phân tích được đề cập trong khóa học này được sử dụng rộng rãi trong các lĩnh vực sau.

  • 📊 Nhóm Phân tích Dữ liệu (Analytics / BI)

  • 🧠 Kỹ sư phân tích (Analytics Engineer)

  • 🏗️ Tổ chức kỹ thuật dữ liệu

  • 🏢 Môi trường Modern Data Stack từ startup đến doanh nghiệp lớn

  • ☁️ Kho dữ liệu dựa trên đám mây (BigQuery, Snowflake, Redshift, v.v.)

🎯 Bối cảnh lên ý tưởng khóa học

Trong thực tế, nhiều team vẫn đang
gặp khó khăn với "SQL chạy được nhưng không ai tin tưởng"
và "các query phân tích không biết ai tạo ra".

Tôi cũng đã trải qua những vấn đề này nhiều lần trong công việc thực tế,
và đã áp dụng dbt cùng phương pháp phân tích kỹ thuật như một giải pháp.

Khóa học này được thiết kế để giúp bạn hiểu và áp dụng dbt theo đúng cách mà các đội ngũ dữ liệu thực tế đang sử dụng, không chỉ là giải thích lý thuyết. Khóa học được tạo ra để hỗ trợ những ai muốn biến dữ liệu thành 'tài sản có thể quản lý được', vượt ra ngoài SQL.

👉 Bạn sẽ học những nội dung này

🔑 Analytics Engineering với dbt

Bạn sẽ học toàn bộ quy trình mà các đội ngũ dữ liệu hiện đại sử dụng dbt để tạo dữ liệu phân tích. Hiểu cách chuyển đổi SQL được viết tạm thời thành mô hình phân tích có thể tái sử dụng và quản lý được. Làm rõ các phụ thuộc giữa các mô hình và tự thiết kế cấu trúc làm sạch dữ liệu theo từng bước.

🧪 Kiểm thử & Tài liệu hóa cho Dữ liệu Đáng tin cậy

Bạn sẽ học cách biến dữ liệu thành tài sản phân tích đáng tin cậy, không chỉ là "kết quả trông có vẻ hợp lý". Tận dụng tính năng kiểm thử của dbt để xác minh chất lượng dữ liệu và xây dựng môi trường phân tích mà toàn bộ nhóm có thể hiểu được thông qua tài liệu tự động hóa.

Phân tích hiện đại bắt đầu từ đây.

📌 Lưu ý trước khi học

🖥️ Môi trường thực hành

  • Hệ điều hành và phiên bản (OS): Windows, macOS, Linux, Ubuntu

  • Công cụ sử dụng:

    • dbt Core (Mã nguồn mở)

    • Python 3.9 trở lên

    • Docker & Docker Compose (để thống nhất môi trường thực hành)

    • Visual Studio Code hoặc trình soạn thảo code bạn ưa thích

  • Cấu hình PC:

    • CPU: 2 nhân trở lên

    • Bộ nhớ (RAM): Khuyến nghị từ 8GB trở lên (tối thiểu 4GB)

    • Ổ đĩa: Dung lượng trống từ 10GB trở lên

📘 Tài liệu học tập

  • Slide bài giảng (PDF / PPT)

  • Mã nguồn thực hành (toàn bộ dự án dbt)

⚠️ Kiến thức tiên quyết và lưu ý

  • Cần có kinh nghiệm sử dụng SQL cơ bản.

    (mức độ SELECT, JOIN, GROUP BY)

  • Trong khóa học, chúng ta sẽ sử dụng PostgreSQL trong môi trường Docker.

    Nếu bạn còn chưa quen với Docker thì đừng lo lắng! 😊

    Tôi có một khóa học Docker miễn phí đã chuẩn bị sẵn, nếu cần thiết các bạn có thể xem qua một cách thoải mái và sẽ theo kịp ngay thôi. 👉 https://inf.run/KkNw9

🧩 Nên học cùng nhau

Khóa học hướng đến thực chiến giúp những người mới bắt đầu học SQL có thể bắt đầu một cách nhẹ nhàng và áp dụng ngay được. ✨

Lấy dữ liệu bằng SELECT, kết nối bằng JOIN, sắp xếp bằng GROUP BY, v.v.

Hãy học những tính năng được sử dụng nhiều nhất trong thực tế một cách dễ dàng và thú vị! 📊

Giảm thiểu các giải thích phức tạp,

"À, vì thế mà SQL quan trọng đấy!" Khóa học được tiến hành tập trung vào các ví dụ thực tế dễ hiểu ngay lập tức. 💡

Chuyên viên phân tích dữ liệu, lập trình viên, kỹ sư dữ liệu…

Dù bạn chọn con đường nào thì SQL đều là kỹ năng bắt buộc. 🚀

Chỉ với một khóa học này, bạn sẽ nắm vững nền tảng cơ bản,

Chúng tôi sẽ giúp bạn xây dựng khả năng cảm nhận dữ liệu để tự giải quyết vấn đề trong thực tế! 🔥

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • 👨‍💻 Người có dùng SQL nhưng luôn cảm thấy thiếu sót về cấu trúc phân tích

  • 🧩 Những người muốn làm cho kết quả phân tích đáng tin cậy hơn

  • 🚀 Những người muốn học cách làm việc của đội ngũ dữ liệu hiện đại

  • 📈 Những người muốn phát triển sự nghiệp dữ liệu lên một tầm cao mới

  • 🔥 Dành cho những ai muốn thoát khỏi SQL tạm bợ

Cần biết trước khi bắt đầu?

  • ✅ Nếu bạn có kinh nghiệm sử dụng SQL cơ bản thì là đủ.

  • 📊 Nếu bạn hiểu SELECT, JOIN, GROUP BY ở mức độ này thì có thể theo dõi mà không gặp vấn đề gì.

  • 🚀 Nếu bạn có kinh nghiệm về phân tích dữ liệu hoặc kỹ thuật dữ liệu thì sẽ hiểu nhanh hơn.

Xin chào
Đây là altoformula

Xác minh Inflearn

25,082

Học viên

1,408

Đánh giá

364

Trả lời

4.8

Xếp hạng

32

Các khóa học

Bạn định kết thúc ở Hàn Quốc sao? Hãy dùng tiếng Anh để đột phá thị trường thế giới! 🌍🚀

Xin chào. Tôi tốt nghiệp chuyên ngành Khoa học Máy tính (EECS) tại UC Berkeley💻, đã có hơn 15 năm kinh nghiệm làm kỹ sư phần mềm tại Thung lũng Silicon, và hiện đang là Staff Software Engineer chuyên về Big Data và DevOps tại trụ sở chính của một tập đoàn Big Tech ở Thung lũng Silicon. working with Big Data and DevOps at a Big Tech headquarters in Silicon Valley.

  • 🧭 Thông qua các khóa học trực tuyến, tôi muốn chia sẻ với các bạn những công nghệ và bí quyết mà tôi đã trực tiếp học hỏi được tại nơi đổi mới của Thung lũng Silicon.

  • 🚀 Hãy cùng tôi, người đã học hỏi và trưởng thành tại nơi tiền tuyến của sự đổi mới công nghệ, nâng cao năng lực để các bạn cũng có thể cạnh tranh trên đấu trường toàn cầu!

  • 🫡 Tôi muốn nhắn nhủ với bạn rằng, dù không quá thông minh nhưng chỉ cần kiên trì và không bỏ cuộc, bạn có thể đạt được bất cứ điều gì. Tôi sẽ luôn ở bên cạnh hỗ trợ bạn với những tài liệu hữu ích nhất.

 

Thêm

Chương trình giảng dạy

Tất cả

23 bài giảng ∙ (2giờ 41phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

18 đánh giá

4.8

18 đánh giá

  • koelkorea7927님의 프로필 이미지
    koelkorea7927

    Đánh giá 18

    Đánh giá trung bình 5.0

    5

    38% đã tham gia

    Đây có vẻ là một bài giảng rất hữu ích, giúp tôi có thể nhập môn và học hỏi những khái niệm mới về khoa học dữ liệu chỉ trong khoảng 2 giờ đồng hồ. Từ trước đến nay, kiến thức về DB của tôi chỉ dừng lại ở các khái niệm liên quan đến SQL để viết truy vấn phản hồi các yêu cầu API, hoặc cao hơn một chút là thiết kế mối quan hệ giữa các bảng. Tuy nhiên, qua đây, tôi nghĩ mình đã thực sự thu nhận được nhiều điều bổ ích khi lần đầu tiên bước chân vào khái niệm tiếp cận cách xử lý dữ liệu cần thiết cho thực tế một cách linh hoạt mà vẫn giữ được nguyên bản tối đa. Hy vọng sẽ có thêm nhiều bài giảng hay trong tương lai.

    • altoformula
      Giảng viên

      Chào bạn Lee Seung-ho, Rất cảm ơn bạn vì bài đánh giá tuyệt vời này! Đúng như bạn đã chia sẻ, mục tiêu của khóa học này là giúp bạn tiến xa hơn một bước so với SQL hay thiết kế bảng thông thường, để nắm bắt được cảm giác về việc "làm thế nào để xử lý và vận dụng dữ liệu một cách linh hoạt". Tôi rất vui vì bạn đã cảm nhận rõ được phần đó. Trong tương lai, tôi sẽ tiếp tục tạo ra những bài giảng chất lượng, tập trung vào các khái niệm và góc nhìn có thể áp dụng ngay vào thực tế. Xin cảm ơn bạn!

  • limeade님의 프로필 이미지
    limeade

    Đánh giá 21

    Đánh giá trung bình 4.9

    5

    100% đã tham gia

    Có vẻ như đây là một cơ hội tuyệt vời để trải nghiệm thử về DBT. Phần thực hành rất gọn gàng, không bị gián đoạn và trơn tru nên tôi rất thích. Mặc dù không biết liệu có thể áp dụng tại nơi làm việc hiện tại hay không, nhưng tôi hy vọng sẽ có cơ hội sử dụng nó vào một ngày nào đó. Cảm ơn bạn vì bài giảng hay.

    • altoformula
      Giảng viên

      Chào bạn asdf, Cảm ơn bạn vì bài đánh giá tuyệt vời! Mình rất vui khi biết trải nghiệm "học thử cho biết" về DBT đã giúp ích cho bạn 😊 Đúng như bạn đã nói, ngay cả khi chưa cần dùng đến ngay lập tức, việc trải nghiệm qua các công cụ và khái niệm này sẽ giúp bạn vận dụng nhanh hơn rất nhiều khi cần đến trong tương lai. Mình cũng đã cố gắng thiết kế phần thực hành sao cho trôi chảy nhất, rất cảm ơn bạn đã ghi nhận điều đó. Mình sẽ tiếp tục tạo ra thêm nhiều bài giảng hữu ích cho công việc thực tế trong tương lai!

  • jbakabaam님의 프로필 이미지
    jbakabaam

    Đánh giá 3

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    Tuyệt vời nhất luôn. Tôi dự định sẽ nghe tất cả các bài giảng liên quan đến kỹ thuật dữ liệu (data engineering).

    • altoformula
      Giảng viên

      Chào bạn Seukseukseureuk, Chân thành cảm ơn bạn đã dành thời gian quý báu để để lại đánh giá tốt cho chúng tôi!

  • jason님의 프로필 이미지
    jason

    Đánh giá 33

    Đánh giá trung bình 5.0

    5

    30% đã tham gia

    Tôi đang xem tiếp sau khi học xong khóa Airflow. Tôi nghĩ đây có lẽ là nơi duy nhất có bài giảng về mô hình hóa hệ thống thông tin (Information System Modeling). Sau này, tôi chắc chắn sẽ mua cả khóa học "Tiêu chuẩn Kiến trúc Dữ liệu" - thứ mà nếu không biết thì không thể thăng tiến được. Dưới góc độ là một kỹ sư junior luôn gắn bó với Inflearn, nếu có một vài ví dụ thực hành ELT dưới dạng dự án cá nhân (toy project) được xây dựng bài bản — từ việc đưa API và các dữ liệu thô vào ODS, sau đó kết hợp các bảng Fact, bảng chuẩn (Dimension) để làm từ DW sang DM — thì dù giá có lên đến vài trăm nghìn won tôi cũng sẵn sàng chi trả... nhưng tiếc là không thấy có..ㅠ Không biết trong tương lai anh có kế hoạch ra mắt nội dung liên quan đến phần này không ạ..ㅠ

    • altoformula
      Giảng viên

      Chào anh Hong Tae-kyung, Cảm ơn anh vì những lời chia sẻ chân thành. 😊 Tôi cũng đã có nhiều trăn trở tương tự trong quá trình xây dựng bài giảng. Đúng như anh nói, phần đáng tiếc nhất khi học dbt hay mô hình hóa dữ liệu là thiếu đi môi trường thực hành để thiết kế và xây dựng luồng ODS → DW → DM với quy mô dữ liệu gần với thực tế, thay vì chỉ dừng lại ở việc học cú pháp hay tính năng đơn thuần. Đặc biệt đối với một kỹ sư dữ liệu (Data Engineer), trải nghiệm thu thập dữ liệu từ API, log, DB vận hành, sau đó sử dụng dbt để thực hiện mô hình hóa Fact/Dimension và cuối cùng là tạo ra các Data Mart sẽ gần gũi với năng lực thực chiến hơn rất nhiều. Tuy nhiên, những nội dung đào tạo theo hình thức này lại khó tìm hơn tôi tưởng. Hiện tại tôi chưa có khóa học cụ thể nào đang được chuẩn bị, nhưng tôi hoàn toàn đồng ý rằng một dự án xây dựng kho dữ liệu (Data Warehouse) lấy thực hành làm trung tâm như anh gợi ý là vô cùng giá trị. Nếu có kế hoạch thiết kế bài giảng trong tương lai, tôi sẽ cân nhắc hình thức giúp người học trải nghiệm được toàn bộ luồng xây dựng nền tảng dữ liệu thực tế, thay vì chỉ giải thích các tính năng dbt đơn thuần. Cảm ơn anh đã để lại ý kiến đóng góp quý báu. Những phản hồi như thế này thực sự là nguồn động lực và giúp ích rất nhiều cho tôi trong việc chuẩn bị các bài giảng tiếp theo. 🙏

    • Trời ơi, cảm ơn anh đã phản hồi câu hỏi trình độ thấp này của một junior như em. Ngay cả khi không nhất thiết phải có dbt, thì những bài thực hành đơn giản như kéo dữ liệu DB to DB bằng procedure cũng sẽ giúp ích cho em rất nhiều. Thay vì các công nghệ như Spark hay Airflow, em muốn học hỏi triết lý ETL/ELT của một Senior Data Engineer. Ví dụ như: dựa trên tiêu chuẩn nào của mô hình hóa hệ thống thông tin để chia bảng Fact và Dimension, hay cần cân nhắc tính Idempotent (tính lũy đẳng) trước khi đổ dữ liệu vào, và những tình huống tương tự như vậy.

  • jejupeter님의 프로필 이미지
    jejupeter

    Đánh giá 14

    Đánh giá trung bình 5.0

    5

    33% đã tham gia

    • altoformula
      Giảng viên

      Chào anh Jeju Peter, Cảm ơn anh đã dành thời gian để lại đánh giá tốt ạ.

Khóa học khác của altoformula

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!