趋近智
生产环境中的数据治理、质量与可观测性
章节 1: 数据治理代码基本原理
以工程视角定义数据治理
数据分类与标记方法
基于角色的访问控制模型
策略即代码架构
实践：实施访问策略
章节 2: 数据质量维度与测试
数据质量的主要维度
数据断言的剖析
验证模式和类型
统计画像与分布检查
实践：编写数据验证套件
章节 3: 数据可观测系统
数据可观测性的支柱
监控时效性与延迟
数据量与行数异常
模式漂移检测
实践：构建数据新鲜度监控器
章节 4: 数据血缘与元数据管理
静态与动态血缘
OpenLineage 标准
依赖图的构建
影响分析技术
实践：从日志中提取数据血缘
章节 5: CI流水线中的自动化可靠性
数据代码的预提交钩子
实施质量门
流水线中的断路器
告警与事件管理
实践：配置CI数据测试
统计画像与分布检查
这部分内容有帮助吗？
- Probability and Statistics for Engineers and Scientists, Ronald E. Walpole, Raymond H. Myers, Sharon L. Myers, Keying Ye, 2017 (Pearson) - 一本标准教科书，涵盖描述性统计、Z-分数和概率分布，对统计画像至关重要。
- Machine Learning Engineering, Andriy Burkov, 2020 (True Positive Inc.) - 涵盖机器学习系统中数据和概念漂移的监控，包括统计方法和KL散度。
- Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann, 2017 (O'Reilly Media) - 讨论数据系统的可靠性、一致性和完整性，为强大的数据质量措施（如画像）提供背景。
© 2025 ApX Machine Learning用心打造