Чему вы научитесь
- За 16 недель вы пройдёте путь от обработки отдельных таблиц до создания полноценного ETL-проекта.
- В результате обучения вы сможете:
- Эффективно обрабатывать данные с помощью Python, NumPy и Pandas.
- Загружать, очищать, преобразовывать и анализировать данные.
- Объединять данные из разных источников и рассчитывать бизнес-метрики.
- Проводить исследовательский анализ данных (EDA), проверять гипотезы и строить визуализации.
- Работать с PostgreSQL из Python и автоматизировать выполнение SQL-запросов.
- Получать данные из внешних API и организовывать надёжную инкрементальную загрузку.
- Проектировать ETL/ELT-процессы с учётом отказоустойчивости и повторного выполнения.
- Создавать структурированные Python-проекты, писать тесты и проверять качество данных.
- Работать с большими объёмами данных, использовать Parquet, DuckDB и Polars.
- Автоматизировать выполнение ETL-процессов с помощью Apache Airflow и Docker.
- Разрабатывать законченные решения для загрузки, хранения и преобразования данных.
- Главный результат — вы сможете самостоятельно разработать и запустить полноценный проект обработки данных, используя инструменты и подходы, применяемые в современной аналитике и инженерии данных.
О курсе
Для кого этот курс
Начальные требования
Для комфортного обучения необходимо:
-
Пройти уроки 1.1–6.6 базового курса Python: https://stepik.org/course/271947/syllabus.
-
Знать основы Python: переменные, типы данных, условия, циклы, функции, коллекции и работу с файлами.
-
Уметь писать и запускать простые Python-программы.
Предварительное знание Pandas, NumPy, Airflow и Docker не требуется — мы последовательно познакомимся с этими инструментами в рамках курса.
Знание SQL будет преимуществом, особенно при изучении PostgreSQL, но мы будем разбирать необходимые примеры по ходу обучения.
Преподаватели курса
319
Как проходит обучение
Обучение длится 4 месяца и построено так, чтобы вы могли совмещать его с работой или основной учёбой.
Вас ждёт сочетание нескольких форматов:
Видеоуроки
Каждую неделю выходят новые видеоуроки с объяснением теории, демонстрацией кода и разбором практических примеров. Материал подаётся небольшими блоками, чтобы его было удобно изучать и применять на практике.
Практические задания
После изучения материала вы будете выполнять задания на Python и работать с реальными примерами обработки данных. Задания помогут закрепить знания и научиться самостоятельно применять новые инструменты.
Автоматические тесты
После видеоуроков предусмотрены тесты и практические задачи с автоматической проверкой. Вы сможете сразу увидеть результат и понять, насколько хорошо усвоили материал.
Что вы получите
- После обучения вы получите практические навыки использования Python в аналитике данных и инженерии данных.
- Вы сможете:
- Работать с табличными данными с помощью Pandas и NumPy.
- Выполнять исследовательский анализ данных и строить визуализации.
- Подключаться к базам данных и автоматизировать работу с PostgreSQL.
- Получать данные из API и организовывать надёжную загрузку.
- Разрабатывать ETL-процессы и контролировать их выполнение.
- Писать структурированный, тестируемый и поддерживаемый Python-код.
- Работать с большими объёмами данных и современными форматами хранения.
- Использовать Airflow и Docker для автоматизации процессов обработки данных.
- Кроме того, вы получите опыт разработки итогового проекта, объединяющего основные технологии курса.
- Это не просто знакомство с библиотеками Python. Это переход от базового владения языком к практическому применению Python для решения профессиональных задач аналитики и инженерии данных.