Чему вы научитесь
- Развернуть полноценную аналитическую систему в Yandex Cloud с нуля
- Строить ETL/ELT-пайплайны в Apache Airflow с production-подходом
- Организовывать инкрементальную загрузку данных из внешнего API
- Проектировать схему БД (fact и dimension таблицы) под аналитику
- Строить аналитические дашборды на основе реальных данных в DataLens
- Диагностировать ошибки в Airflow
О курсе
Для кого этот курс
Начальные требования
Перед началом курса желательно:
📍 Уверенно писать базовый Python (функции, циклы, работа с библиотеками)
📍 Понимать основы SQL (SELECT, JOIN, GROUP BY)
📍 Иметь общее представление о том, что такое API и HTTP-запросы
📍 Понимать базовые принципы работы с реляционными базами данных
📍 Быть готовым самостоятельно разбираться с ошибками и настройками
Опыта работы с Airflow или облачными технологиями не нужно. Всё необходимое мы разберём с нуля в ходе курса.
Преподаватели курса
398
Как проходит обучение
Вы не просто читаете код и смотрите видео, а по шагам собираете свою систему: сервисы в Yandex Cloud, пайплайны в Airflow, базу в PostgreSQL и дашборд в DataLens.
Поддержка преподавателя осуществляется через Telegram-чат курса, где можно задавать вопросы и обсуждать возникающие сложности.
Курс ориентирован на практику => важно не просто смотреть материалы, а выполнять задания и запускать систему своими руками.
Сертификат
Что вы получите
- ✅ Реализованный проект, который можно добавить в портфолио
- ✅ Практический опыт построения аналитической системы в облаке
- ✅ Рабочий стек технологий, востребованный в аналитике и data-инженерии
- ✅ Поймёте, как реально запускаются пайплайны в Airflow в облаке, а не только в учебных примерах
- ✅ Опыт проектирования модели данных для аналитики
- ✅ Понимание production-подхода: инкрементальная загрузка, идемпотентность, обработка ошибок
- ✅ Навыки интеграции API, базы данных и BI-инструмента в единую архитектуру
- ✅ Поддержку преподавателя через Telegram-чат курса