Che cos'è data-engineering?
Da utilizzare quando "data pipeline", "ETL", "data warehousing", "data lake" o quando si chiedono informazioni su "Airflow", "Spark", "dbt", "Snowflake", "BigQuery", "data modeling" Fonte: eyadsibai/ltk.
Da utilizzare quando "data pipeline", "ETL", "data warehousing", "data lake" o quando si chiedono informazioni su "Airflow", "Spark", "dbt", "Snowflake", "BigQuery", "data modeling"
Installa rapidamente la skill AI data-engineering nel tuo ambiente di sviluppo tramite riga di comando
Fonte: eyadsibai/ltk.
| Ingestion | Fivetran, Airbyte, Stitch | | Storage | S3, GCS, Snowflake, BigQuery | | Transform | dbt, Spark, Airflow | | Orchestration | Airflow, Dagster, Prefect | | Serving | Looker, Tableau, Metabase |
| Completeness | % non-null values | | Uniqueness | % distinct values | | Timeliness | Data freshness | | Accuracy | Matches source | | Consistency | Across systems |
| Partitioning | Reduce scanned data | | Clustering | Improve filter speed | | Materialization | Pre-compute joins | | Caching | Reduce repeat queries |
Da utilizzare quando "data pipeline", "ETL", "data warehousing", "data lake" o quando si chiedono informazioni su "Airflow", "Spark", "dbt", "Snowflake", "BigQuery", "data modeling" Fonte: eyadsibai/ltk.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/eyadsibai/ltk --skill data-engineeringDa utilizzare quando "data pipeline", "ETL", "data warehousing", "data lake" o quando si chiedono informazioni su "Airflow", "Spark", "dbt", "Snowflake", "BigQuery", "data modeling" Fonte: eyadsibai/ltk.
Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/eyadsibai/ltk --skill data-engineering Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw
https://github.com/eyadsibai/ltk