Automatizace a přehledy v projektech

Intermediate GitHub Concepts

Arne Jonas Warnke

Content Lead for ML- and Data Engineering at DataCamp

Důležitost automatizace a přehledů

GitHub Actions:

🔄 Zjednodušení: Automatizuje pracovní postupy
🚀 Automatizace: Usnadňuje procesy

Přehledy:

📈 Data v reálném čase: Sleduje průběh
⚠ Odhalení problémů: Identifikuje překážky
💡 Informovaná rozhodnutí: Podporuje rozhodování

Nástroje pro automatizaci v GitHub Projects

Integrované automatizace:

📦 Automatické přesouvání úkolů podle událostí
🔃 Průběžná aktualizace nástěnek

GitHub Actions:

🔧 Automatizace složitých pracovních postupů
🔖 Označování a správa úkolů efektivně

Implementace integrovaných automatizací

Integrované automatizace

Pokročilá automatizace s GitHub Actions

🚀 Automatizace pracovních postupů: Spouštění úkolů při událostech v kódu
📄 Konfigurace v YAML: Definice akcí v souborech YAML
🛠 Typické úlohy: Plánování datových pipeline nebo nasazení ML modelů

name: Data Workflow
on: [push]

jobs:
  run-analysis:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Run analysis
        run: python analyze_data.py

¹ https://docs.github.com/en/actions

Úvod do přehledů projektů

📈 Vizualizace průběhu: Grafy v reálném čase i historická data
⚠ Odhalení překážek: Včasná identifikace problémů pomocí přehledů
🕐 Typy grafů: Aktuální i historické grafy

Aktuální grafy

Historické grafy

Vytvoření grafu v přehledech projektu

Vytvoření grafu

Pojďme procvičovat!

Intermediate GitHub Concepts