Чему вы научитесь
- Научитесь понимапть и применять принципы построения надежного хранилища данных (Data Warehouse / Data Lake / Lakehouse), а также освоить практические подходы к разработке инфраструктуры обработки данных. Это в свою очередь упрощает внедрение ИИ в компаниях, а также меняет подход к управлению компании на основе data-driven подхода.
О курсе
Цель данного курса изучить принципы построения надежного хранилища данных (Data Warehouse(DWH) / Data Lake / Lakehouse), а также освоить практические подходы к разработке инфраструктуры обработки данных :3
Для кого этот курс
Курс предназначен для следующих категорий: начинающие Data Engineer, которые хотят системно понять, как строятся хранилища данных, аналитики и BI-специалисты, желающие углубиться в архитектуру данных, backend-разработчики, работающие с данными и планирующие переход в Data Engineering, специалисты, работающие с ETL/ELT процессами и желающие повысить надежность решений, студенты IT-направлений, интересующиеся обработкой и хранением больших данных
Начальные требования
Для комфортного прохождения курса рекомендуется:
- базовое знание SQL (SELECT, JOIN, GROUP BY)
- понимание основ Python (переменные, функции, работа с данными)
- общее представление о базах данных
- базовое понимание клиент-серверной архитектуры
- желание работать с данными и разбираться в системах их обработки
Не требуется глубокий опыт — курс подойдет для уровня junior/middle.
Преподаватели курса
96
Как проходит обучение
Как проходит обучение
Обучение включает в себя:
- теоретические видео-лекции с разбором архитектур и подходов
- практические задания по построению ETL/ELT пайплайнов
- работа с реальными инструментами (SQL, Python, dbt, Airflow)
- разбор кейсов построения хранилищ данных в бизнесе
- выполнение домашних заданий с проверкой
- финальный проект — разработка собственного хранилища данных
Дополнительно:
- обратная связь по заданиям
- поддержка и обсуждения
- разбор ошибок и best practices
Что вы получите
- - понимание архитектуры современных хранилищ данных (DWH, Data Lake, Lakehouse)
- - навыки построения надежных ETL/ELT процессов
- - умение работать с инструментами Data Engineer
- - практический опыт разработки пайплайнов
- - знания по обеспечению качества данных (Data Quality)
- - понимание принципов масштабируемости и отказоустойчивости
- - готовый проект в портфолио
- - навыки, востребованные на рынке труда
Нагрузка
8-10 часов в неделю