Automatyzacja i analizy w projektach

Intermediate GitHub Concepts

Arne Jonas Warnke

Content Lead for ML- and Data Engineering at DataCamp

Znaczenie automatyzacji i analiz

GitHub Actions:

🔄 Usprawnienie: Automatyzuje przepływy pracy
🚀 Automatyzacja: Upraszcza procesy

Analizy:

📈 Dane w czasie rzeczywistym: Śledzenie postępów
⚠ Wykrywanie problemów: Identyfikacja wąskich gardeł
💡 Trafne decyzje: Wsparcie w podejmowaniu decyzji

Narzędzia automatyzacji w GitHub Projects

Wbudowane automatyzacje:

📦 Automatyczne przenoszenie zadań na podstawie zdarzeń
🔃 Aktualizowanie tablic automatycznie

GitHub Actions:

🔧 Automatyzacja złożonych przepływów
🔖 Tagowanie i zarządzanie zadaniami sprawnie

Wdrażanie wbudowanych automatyzacji

Wbudowane automatyzacje

Zaawansowana automatyzacja z GitHub Actions

🚀 Automatyzacja przepływów: Wyzwalanie zadań na zdarzeniach kodu
📄 Konfiguracja YAML: Definiowanie akcji w plikach YAML
🛠 Typowe zadania: Harmonogramowanie potoków danych lub wdrażanie modeli ML

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

Wprowadzenie do analiz projektowych

📈 Wizualizacja postępów: Wykresy danych w czasie rzeczywistym i historycznych
⚠ Wykrywanie wąskich gardeł: Wczesne identyfikowanie problemów
🕐 Typy wykresów: Bieżące i historyczne

Wykresy bieżące

Wykresy historyczne

Tworzenie wykresu w analizach projektowych

Tworzenie wykresu

Czas na ćwiczenia!

Intermediate GitHub Concepts