Storing & Visualizing Time Series Data
Работа с временными рядами — ключевой навык для аналитиков, инженеров данных и специалистов DevOps. В этом курсе вы научитесь эффективно хранить, обрабатывать и визуализировать данные, используя современные инструменты InfluxDB и Grafana. Материал построен вокруг практического проекта: от загрузки данных до построения полноценного дашборда.
IoT-устройства, погодные сервисы, производственные процессы, логирование систем — все эти источники генерируют поток данных, привязанных ко времени. Их объём растёт, а значит, растут и требования к инструментам, которые должны обеспечивать:
Эту задачу решают специализированные СУБД, такие как InfluxDB, и аналитические панели вроде Grafana.
Курс сочетает практику и теорию, последовательно проводя вас через весь процесс работы с временными рядами. Вы освоите навыки:
Вы познакомитесь со структурой временных рядов, интерфейсом InfluxDB и архитектурой платформы. Разберёте базовые элементы работы: графики, измерения, теги, запросы, bucket’ы.
Здесь вы сравните реляционные и TSDB-подходы, поймёте, когда и какую модель данных использовать. Научитесь оптимально проектировать схему под конкретные задачи мониторинга и аналитики.
Вы развернёте InfluxDB и Grafana в Docker, настроите Python-клиент, создадите токен доступа и подготовите рабочую среду в VS Code.
С помощью Python вы загрузите тестовые CSV-файлы и данные о погоде, научитесь решать типичные проблемы: несовместимость временных меток, пропуски данных, неверные типы колонок.
Вы выгрузите реальные данные о качестве воздуха, запишете их в InfluxDB, выполните запросы и подключите их к Grafana для создания первых аналитических графиков и панелей.
Научитесь подключаться к погодным сервисам, работать с часовыми поясами, получать ключи доступа и автоматизировать сбор данных. Далее вы визуализируете всё в Grafana.
Вы погрузитесь в продвинутые возможности Grafana: управление пользователями, ролями и организациями. Итогом станет создание двух изолированных организаций с собственными источниками данных и дашбордами.
К окончанию обучения вы получите уверенные навыки работы с временными рядами: от загрузки и предобработки данных до построения аналитических панелей для реальных задач мониторинга. Эти навыки востребованы в IoT, DevOps, промышленной аналитике, науке о данных и других направлениях, где важна динамика изменений во времени.
Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум
Link to the GitHub: https://github.com/team-data-science/timeseries-data
Я - старший инженер по данным и тренер, техноэнтузиаст и отец. Уже более десяти лет я увлечён Data Engineering. Сначала я стал инженером по данным самоучкой, а затем возглавил команду инженеров по данным в крупной компании. Когда я понял, насколько велика потребность в обучении в этой сфере, я последовал за своей страстью и основал собственную Академию Data Engineering. С тех пор я помог более чем 2 000 студентам достичь своих целей.
