Magier KI

Magier-KI

Verleihen Sie Ihrem Datenteam magische Kräfte.

Mage ist ein hybrides Framework zur Transformation und Integration von Daten. Es vereint das Beste aus beiden Welten: die Flexibilität von Notebooks mit der Genauigkeit modularen Codes.

• Extrahieren und synchronisieren Sie Daten aus Drittanbieterquellen.

• Transformieren Sie Daten mit Echtzeit- und Batch-Pipelines mit Python, SQL und R.

• Laden Sie Daten mithilfe unserer vorgefertigten Konnektoren in Ihr Data Warehouse oder Ihren Data Lake.

• Führen, überwachen und orchestrieren Sie Tausende von Pipelines, ohne den Schlaf zu verlieren.

Plus Hunderte von Funktionen der Enterprise-Klasse, Infrastrukturinnovationen und magische Überraschungen.

Erhältlich in zwei faszinierenden Versionen

Für Teams. Vollständig verwaltete Plattform zur Integration und Transformation von Daten.	Selbst gehostet. System zum Erstellen, Ausführen und Verwalten von Datenpipelines.

Es ist Magie.

Eine Dokumentation zu den ersten Schritten, der Entwicklung und der Bereitstellung in der Produktion finden Sie im Live-Stream
Entwicklerdokumentationsportal .

Installieren

Der empfohlene Weg, die neueste Version von Mage zu installieren, ist über Docker mit dem folgenden Befehl:

 Docker Pull mageai/mageai:latest

Sie können Mage auch mit pip oder conda installieren, allerdings kann dies ohne die richtige Umgebung zu Abhängigkeitsproblemen führen.

 pip install mage-ai

 conda install -c conda-forge mage-ai

Suchen Sie Hilfe? Der schnellste Weg zum Einstieg besteht darin, sich hier unsere Dokumentation anzusehen.

Suchen Sie nach schnellen Beispielen? Öffnen Sie ein Demoprojekt direkt in Ihrem Browser oder schauen Sie sich unsere Anleitungen an.

Demo

Live-Demo

Erstellen und betreiben Sie eine Datenpipeline mit unserer Demo-App .

WARNUNG

Die Live-Demo ist für jedermann öffentlich, bitte speichern Sie keine sensiblen Daten (z. B. Passwörter, Geheimnisse usw.).

Demovideo (5 Min.)

_{Klicken Sie auf das Bild, um das Video abzuspielen}

Merkmale

	Orchestrierung	Planen und verwalten Sie Datenpipelines mit Observability.
	Notizbuch	Interaktiver Python-, SQL- und R-Editor zum Codieren von Datenpipelines.
	Datenintegrationen	Synchronisieren Sie Daten von Drittanbieterquellen mit Ihren internen Zielen.
	Streaming-Pipelines	Erfassen und transformieren Sie Echtzeitdaten.
	dbt	Erstellen, führen und verwalten Sie Ihre DBT-Modelle mit Mage.

Eine Beispieldatenpipeline, die über 3 Dateien hinweg definiert ist ➝

1. Daten laden ➝

    @data_loaderdef load_csv_from_file() -> pl.DataFrame:return pl.read_csv('default_repo/titanic.csv')

2. Daten transformieren ➝

    @transformerdef select_columns_from_df(df: pl.DataFrame, *args) -> pl.DataFrame:return df[['Age', 'Fare', 'Survived']]

3. Daten exportieren ➝

    @data_exporterdef export_titanic_data_to_disk(df: pl.DataFrame) -> None:df.to_csv('default_repo/titanic_transformed.csv')