Transform raw data into analytical assets using modern transformation patterns, frameworks, and orchestration tools.
Select and implement data transformation patterns across the modern data stack. Transform raw data into clean, tested, and documented analytical datasets using SQL (dbt), Python DataFrames (pandas, polars, PySpark), and pipeline orchestration (Airflow, Dagster, Prefect).
Use Hybrid when combining sensitive data cleansing (ETL) with analytics transformations (ELT).
Преобразуйте необработанные данные в аналитические активы, используя шаблоны ETL/ELT, SQL (dbt), Python (pandas/polars/PySpark) и оркестровку (Airflow). Используйте при построении конвейеров данных, реализации инкрементных моделей, переходе от панд к полярам или организации многоэтапных преобразований с тестированием и проверкой качества. Источник: vuralserhat86/antigravity-agentic-skills.