Kurs · 7 Kapitel
Data Engineering mit KI
Ship data pipelines with AI agents doing the first draft: dbt models, Dagster DAGs, quality checks, debugging, and warehouse cost. 7 chapters, about 1.9 hours, for data engineers.
Das wirst du können
- Build dbt models with an AI agent
- Ship Dagster DAGs from a written spec
- Write quality checks that block bad loads
- Debug pipelines using Dagster run history
- Document lineage and metric definitions
- Cut warehouse cost with proven fixes
Was drin ist
- 1Data Engineering mit KI: Hier starten
Starte das Anchorwell-Datenlabor, ein DuckDB-Warehouse mit dbt und Dagster, das schon läuft, und sieh, wie die sechs Kapitel des Pfads zusammenhängen, bevor du deinen eigenen Stack anfasst.
- 2Agentengestütztes SQL- und dbt-Modeling
Der dbt-Workflow, bei dem ein KI-Agent den ersten Entwurf liefert und du entscheidest, was wirklich in Produktion geht.
- 3Pipelines nach Spec: DAGs mit Agenten
Schreib die Pipeline-Spec, lass einen Agenten den DAG bauen, und härte ihn mit den Retries und der Idempotenz, die er von sich aus nicht hinzufügt.
- 4Datenqualität als Code
Verwandle die verrauschten Erstentwürfe eines Agenten in die wenigen Checks, die einen schlechten Load wirklich stoppen.
- 5Kaputte Pipelines debuggen
Einen Agenten durch Dagsters Run-Historie und Checks führen, um zu finden, zu verifizieren und zu reparieren, was wirklich kaputt ist.
- 6Docs, Lineage & Definitionen
Lass einen Agenten Spalten-Docs und Lineage-Notizen als Erstentwurf erzeugen, prüfe sie wie jeden anderen Agenten-Entwurf, und schreib dann eine Metrikdefinition auf, auf die sich alle berufen können.
- 7Warehouse-Kosten & -Performance
Triagiere die Query-Historie eines Warehouses mit einem Agenten und belege dann einen Fix mit echten Vorher-Nachher-Zahlen.
Häufige Fragen
- What will I learn in the Data Engineering with AI course?
- You learn to put an AI agent to work across a full data engineering loop: drafting dbt models against a real schema, turning specs into Dagster DAGs, writing data quality checks that hold, debugging pipeline failures with run history, documenting lineage, and tuning warehouse cost. It runs 7 chapters in about 1.9 hours.
- Who is this Data Engineering with AI path for?
- It is built for data engineers and analytics engineers at a practitioner level who already work with SQL, dbt, or an orchestrator, and want to use an AI agent as a first draft partner rather than blind trust.
- Do I need dbt or Dagster experience before starting?
- Some SQL and data modeling background helps, since the path is practitioner level, but each chapter works from a shared DuckDB, dbt, and Dagster practice kit, so you build the specific dbt and Dagster skills as you go.
- How long is the path and is there a certificate?
- The path runs 7 chapters, including a Start Here orientation, for about 1.9 hours total. You earn a certificate on the AI Academy by Anthropos when you complete every chapter.
- Is the Data Engineering with AI course free?
- No, it is a paid path included with an AI Academy by Anthropos subscription, alongside the rest of the AI Engineering track.
Zertifikat erhalten
Schließe alle Kapitel ab, um dein Abschlusszertifikat zu erhalten.