{"id":20251585,"url":"https://github.com/willalveslima/tech_challenge_2","last_synced_at":"2026-05-13T02:05:35.802Z","repository":{"id":261502708,"uuid":"884498513","full_name":"willalveslima/Tech_Challenge_2","owner":"willalveslima","description":"Projeto de pipeline B3 para  o Tech Challnege Fase 2 da FIAP","archived":false,"fork":false,"pushed_at":"2025-01-14T21:02:09.000Z","size":8,"stargazers_count":1,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-03-03T16:48:15.378Z","etag":null,"topics":["athena","aws","aws-lambda","aws-s3","glue","python","scraping"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/willalveslima.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2024-11-06T21:29:27.000Z","updated_at":"2025-01-14T21:02:13.000Z","dependencies_parsed_at":"2024-11-06T22:34:36.292Z","dependency_job_id":"9fc4f036-1779-4d98-8d37-43ff3f626d1a","html_url":"https://github.com/willalveslima/Tech_Challenge_2","commit_stats":null,"previous_names":["willalveslima/tech_challenge_2"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/willalveslima/Tech_Challenge_2","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/willalveslima%2FTech_Challenge_2","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/willalveslima%2FTech_Challenge_2/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/willalveslima%2FTech_Challenge_2/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/willalveslima%2FTech_Challenge_2/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/willalveslima","download_url":"https://codeload.github.com/willalveslima/Tech_Challenge_2/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/willalveslima%2FTech_Challenge_2/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":32964445,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-05-12T23:30:32.555Z","status":"online","status_checked_at":"2026-05-13T02:00:07.132Z","response_time":115,"last_error":null,"robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":true,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["athena","aws","aws-lambda","aws-s3","glue","python","scraping"],"created_at":"2024-11-14T10:11:02.930Z","updated_at":"2026-05-13T02:05:35.770Z","avatar_url":"https://github.com/willalveslima.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"# Tech Challenge Fase 2 - Machine Learning Engineering\n\n## Pipeline Batch Bovespa\n\nEste projeto faz parte do Tech Challenge da fase 2 da pós-graduação em Machine Learning Engineering. O objetivo é construir um pipeline batch para ingestão e processamento de dados da Bovespa.\n\n### Requisitos\n\n1. **Scrap de dados**: Coletar dados do site da B3 referentes ao pregão D-1.\n2. **Ingestão no S3**: Os dados brutos devem ser ingeridos no S3 em formato Parquet com partição diária.\n3. **Acionamento de Lambda**: O bucket deve acionar uma Lambda, que por sua vez irá chamar o job de ETL no Glue.\n4. **Lambda**: A Lambda pode ser desenvolvida em qualquer linguagem, e deve apenas iniciar o job Glue.\n5. **Job Glue**: O job Glue deve ser feito no modo visual e conter as seguintes transformações obrigatórias:\n    - Agrupamento numérico, sumarização, contagem ou soma.\n    - Renomear duas colunas existentes além das de agrupamento.\n    - Realizar um cálculo com campos de data, como duração, comparação ou diferença entre datas.\n6. **Dados refinados**: Os dados refinados no job Glue devem ser salvos no formato Parquet em uma pasta chamada `refined`, particionados por data e pelo nome ou abreviação da ação do pregão.\n7. **Catalogação no Glue**: O job Glue deve automaticamente catalogar os dados no Glue Catalog e criar uma tabela no banco de dados default do Glue Catalog.\n8. **Disponibilidade no Athena**: Os dados devem estar disponíveis e legíveis no Athena.\n9. **Notebook no Athena (Opcional)**: É opcional construir um notebook no Athena para montar uma visualização gráfica dos dados ingeridos.\n\n### Estrutura do Projeto\n\n- **Scraping**: Scripts para coleta de dados do site da B3.\n- **Ingestão**: Scripts para ingestão dos dados no S3.\n- **Lambda**: Código da função Lambda para iniciar o job Glue.\n- **ETL no Glue**: Configuração e transformações do job Glue.\n- **Refinamento**: Scripts para salvar os dados refinados no S3.\n- **Catalogação**: Configuração do Glue Catalog.\n- **Athena**: Consultas e notebooks para visualização dos dados.\n\n### Como Executar\n\n1. Configurar as credenciais AWS.\n2. Executar o script de scraping para coletar os dados.\n3. Ingerir os dados no S3.\n4. Configurar a Lambda para iniciar o job Glue.\n5. Configurar e executar o job Glue.\n6. Verificar os dados refinados no S3 e no Glue Catalog.\n7. Consultar os dados no Athena.\n\n### Contribuição\n\nContribuições são bem-vindas! Sinta-se à vontade para abrir issues e pull requests.\n\n### Licença\n\nEste projeto está licenciado sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fwillalveslima%2Ftech_challenge_2","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fwillalveslima%2Ftech_challenge_2","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fwillalveslima%2Ftech_challenge_2/lists"}