Cursus · 7 hoofdstukken
Data Engineering met AI
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.
Wat je zult kunnen
- 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
Wat erin zit
- 1Data Engineering met AI: Begin Hier
Start het Anchorwell-datalab op, een DuckDB-warehouse met dbt en Dagster al draaiend, en bekijk hoe de zes hoofdstukken van dit pad samenhangen voordat je je eigen stack aanraakt.
- 2Agent-ondersteund SQL & dbt-modelleren
De dbt-workflow waarin een AI-agent de eerste versie schrijft en jij beslist wat écht naar productie gaat.
- 3Pipelines op spec: DAG's met agents
Schrijf de pipeline-spec, stuur een agent aan om de DAG te bouwen, en maak hem robuust met de retries en idempotency die hij er niet uit zichzelf in zet.
- 4Datakwaliteit als code
Maak van de rommelige eerste checks van een agent de paar checks die een foute lading echt tegenhouden.
- 5Kapotte Pipelines Debuggen
Stuur een agent door Dagster's run-geschiedenis en check-resultaten om te vinden, verifiëren en oplossen wat er echt kapot is.
- 6Docs, Lineage & Definities
Laat een agent automatisch kolomdocs en lineage-notities genereren, beoordeel ze zoals elk ander agent-concept, en leg dan één metric-definitie vast waar iedereen naar kan wijzen.
- 7Warehouse-kosten & Prestaties
Triage de queryhistorie van een warehouse met een agent, en bewijs daarna één fix met echte cijfers van voor en na.
Veelgestelde vragen
- 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.
Behaal een certificaat
Rond alle hoofdstukken af om je certificaat van afronding te ontvangen.