Day 1: Business Requirements และ Data Modeling [อ.เอกอนันต์]

🔹 ทำความเข้าใจ DevOps สำหรับงาน Data Engineering

🔹 การวิเคราะห์โจทย์และความต้องการทางธุรกิจ

▪ การกำหนดโจทย์ทางธุรกิจ จากความต้องการทางธุรกิจ

▪ Data Analytics แบบไหนที่เหมาะกับ โจทย์ทางธุรกิจ

🔹 Dimensional Data Modeling

▪ Star Schema คืออะไร และทำไมต้องใช้

▪ Key Characteristics of Fact Tables and Dimension Tables

🔹Workshop: ถอดโจทย์ธุรกิจและออกแบบ Data Model

Day 2: Data Engineering และ ETL Foundation [อ.เอกอนันต์]

🔹 พื้นฐาน Data Engineering

🔹 Python สำหรับ Data Processing

▪ Pandas Dataframe and Series

▪ Data Profiling using Pandas

🔹 ETL Process Design ตาม Data Model

▪ Extract: เทคนิคการดึงข้อมูลจากแหล่งต่างๆ

▪ Transform: การแปลงข้อมูลให้ตรงตาม Model

▪ Load: กลยุทธ์การโหลดข้อมูลที่มีประสิทธิภาพ

🔹 Workshop: พัฒนา ETL Pipeline ตาม Data Model ที่ออกแบบ

Day 3: Code Testing [อ.สมหมาย]

🔹 GitLab & Version Control for Data Teams

▪ Branch Strategy

▪ Code Review Process

▪ Documentation

🔹 Code Testing for Data Pipeline

▪ Unit Testing ETL Functions

▪ Integration Testing Data Flows

▪ End-to-End Testing

🔹 IaC (Infrastructure as Code) for Data Infrastructure

▪ Introduction to Ansible

▪ Resource Provisioning

▪ State Management

▪ Infrastructure Testing

🔹 Workshop: สร้าง Test Cases

Day 4: CI/CD สำหรับ Data Pipeline [อ.สมหมาย]

🔹 Jenkins for Data Projects

▪ Pipeline as Code

▪ Automated ETL Testing

▪ Scheduled Data Processing

🔹 Docker for Data Applications

▪ Containerizing ETL Processes

▪ Managing Dependencies

▪ Multi-stage Data Processing

🔹 Workshop: Setup CI/CD for Data Pipeline

Day 5: Data Production [อ.เอกอนันต์]

🔹 Data Quality in Production

▪ Source Data Validation

▪ Transformation Logic Testing

🔹 Monitoring and Maintenance

▪ Performance Monitoring

▪ Resource Utilization

🔹 Workshop:

▪ Deploy Pipeline to Production

▪ Setup Monitoring Dashboard