Сколько стоит курс «Работа с файлами CSV, JSON, Parquet и Avro для дата-инженера»?

Курс «Работа с файлами CSV, JSON, Parquet и Avro для дата-инженера» доступен бесплатно.

Где можно пройти курс «Работа с файлами CSV, JSON, Parquet и Avro для дата-инженера»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/294721.

Курс на Stepik

Обложка курса «Работа с файлами CSV, JSON, Parquet и Avro для дата-инженера» на Stepik

Бесплатно

Работа с файлами CSV, JSON, Parquet и Avro для дата-инженера ★ 0.000

Name: Работа с файлами CSV, JSON, Parquet и Avro для дата-инженера
Availability: InStock
Rating: 0 (0 reviews)

Открыть на
STEPIK.ORG

CSV, JSON, Parquet и Avro для дата-инженера: байты и кодировки, схемы, сжатие, Arrow, эволюция, S3, качество, безопасность и production-пайплайн.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	29
Сертификатов выдано	0
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	156
Количество квизов	675
Время прохождения курса	6 ч.	—
Обновления курса	—	—
Дата публикации курса	2 месяца назад	—	—	—	—
Последнее обновление	19 июля 2026	—	—	—	—
Сложность	normal	—	—	—	—

Содержание курса

Разделы в курсе «Работа с файлами CSV, JSON, Parquet и Avro для дата-инженера»

26 разделов Уроки в курсе «Работа с файлами CSV, JSON, Parquet и Avro для дата-инженера»

156 уроков Тесты в курсе «Работа с файлами CSV, JSON, Parquet и Avro для дата-инженера»

675 тестов Время прохождения курса «Работа с файлами CSV, JSON, Parquet и Avro для дата-инженера»

6 ч.

обн. 19 июля 2026

Модуль 1. Фундамент: файлы, байты и кодировки

6 уроков

1. Почему дата-инженеру нужно знать устройство файлов ↗

2. Файл как объект файловой системы: пути и pathlib ↗

3. bytes и str: два мира представления данных ↗

4. Unicode и UTF-8: как символы становятся байтами ↗

5. BOM и переводы строк: невидимые символы, которые ломают парсинг ↗

6. Файловый дескриптор и буферизация: когда данные попадают на диск ↗

Модуль 2. Текстовый ввод-вывод под микроскопом

5 уроков

1. Контекстный менеджер with и гарантия закрытия файла ↗

2. Построчное чтение и экономия памяти ↗

3. seek и tell: произвольный доступ к позиции в файле ↗

4. Генераторы для файлов и ленивое чтение ↗

5. Временные файлы и атомарная запись ↗

Модуль 3. Контрольные суммы и целостность данных

4 урока

1. Зачем дата-инженеру контрольные суммы ↗

2. MD5, SHA-256 и другие алгоритмы хеширования ↗

3. Потоковое хеширование больших файлов ↗

4. Проверка целостности файла на практике ↗

Модуль 4. Сжатие и архивация

5 уроков

1. Внешнее сжатие gzip: открытие и чтение прозрачно ↗

2. bz2, lzma и zstd: сравнение алгоритмов сжатия ↗

3. Потоковое сжатие: запись со сжатием на лету ↗

4. Внутреннее сжатие в Parquet и Avro: введение ↗

5. Выбор алгоритма сжатия: скорость против степени ↗

Модуль 5. CSV: формат-невидимка

10 уроков

1. CSV — формат, который все знают, но никто не читал RFC 4180 ↗

2. Модуль csv в Python: reader и writer ↗

3. CSV-диалекты: разделители, кавычки и как их менять ↗

4. Перенос строки внутри CSV-поля и escaping кавычек ↗

5. DictReader и DictWriter: работа с заголовками ↗

6. Кодировки и BOM в CSV: как не потерять данные ↗

7. Schema inference в CSV: распознавание типов колонок ↗

8. Частичное чтение больших CSV: chunksize и пропуски ↗

9. Повреждённые строки и изменение числа колонок ↗

10. CSV injection и другие угрозы безопасности ↗

Модуль 6. JSON: текстовый формат обмена

8 уроков

1. JSON: грамматика RFC 8259 — объекты, массивы и скалярные… ↗

2. JSON в Python: loads, dumps и их параметры ↗

3. Числа в JSON: потеря точности и как её избежать ↗

4. null, отсутствующее поле и escaping в JSON ↗

5. Дубликаты ключей и порядок полей в JSON ↗

6. Даты и время в JSON: нет стандарта, но есть практики ↗

7. Глубоко вложенный JSON и как с ним работать ↗

8. Ошибки парсинга: malformed JSON и глубина вложенности ↗

Модуль 7. NDJSON и потоковый JSON

7 уроков

1. NDJSON и JSON Lines: одна строка — один объект ↗

2. Инкрементальный парсинг больших JSON через ijson ↗

3. Flattening вложенных JSON-структур ↗

4. Потоковое чтение NDJSON построчно ↗

5. JSON Schema: описание ожиданий о структуре данных ↗

6. Валидация JSON с помощью Pydantic и JSON Schema ↗

7. Потоковая запись NDJSON и частичные данные ↗

Модуль 8. CSV и JSON в production: schema-on-read

6 уроков

1. Schema-on-read и schema-on-write: два подхода к данным ↗

2. Явная схема для CSV и JSON через Pydantic ↗

3. Валидация на входе: reject, quarantine и dead-letter ↗

4. Правильные типы в CSV и JSON: decimal, datetime, enum ↗

5. CSV/JSON: pandas против Polars против DuckDB ↗

6. Schema inference в библиотеках: когда верить, а когда нет ↗

Модуль 9. Мост к бинарным форматам: columnar storage

4 урока

1. От текстовых форматов к бинарным: зачем переходить ↗

2. Эксперимент: CSV против Parquet — размер, скорость, фильтрация ↗

3. Row-oriented против column-oriented: аналитика против транзакций ↗

4. Apache Arrow: общий слой между форматами и библиотеками ↗

Модуль 10. Parquet: устройство изнутри

8 уроков

1. Parquet-файл: от magic bytes до футера ↗

2. Схема и метаданные в Parquet: читаем через PyArrow ↗

3. Pages и encodings: как байты превращаются в значения ↗

4. Dictionary encoding и RLE: как Parquet сжимает колонки ↗

5. Definition и repetition levels: вложенные структуры в Parquet ↗

6. Statistics: min/max и null_count — предикатный пушдаун ↗

7. Page index и bloom filter: дополнительные индексы ↗

8. Row groups и column chunks: как Parquet режет данные ↗

Модуль 11. Parquet: чтение и запись

8 уроков

1. Запись Parquet через PyArrow: от простого к сложному ↗

2. Чтение Parquet: проекция колонок и предикатный пушдаун ↗

3. Pandas и Parquet: PyArrow backend против стандартного ↗

4. Polars scan_parquet: ленивое чтение и векторизация ↗

5. DuckDB SELECT FROM parquet: SQL над файлами ↗

6. Timestamps и временные зоны в Parquet ↗

7. Decimal в Parquet: точность без компромиссов ↗

8. null и nested в Parquet: PyArrow vs Pandas vs Polars ↗

Модуль 12. Parquet в production

7 уроков

1. Размер row group и page: как настроить под нагрузку ↗

2. Compression codecs в Parquet: snappy, gzip, zstd, lz4 ↗

3. Партиционированные датасеты в Parquet: Hive-style partitioning ↗

4. Проблема маленьких файлов и compaction ↗

5. Модульное шифрование в Parquet ↗

6. Повреждённый Parquet footer и диагностика ↗

7. Parquet: совместимость между Python, Spark, Trino и Flink ↗

Модуль 13. Avro: схема прежде данных

6 уроков

1. Avro: почему схема прежде, чем байты ↗

2. Primitive и complex типы в Avro-схеме ↗

3. Records, enums, arrays, maps и unions ↗

4. Logical types в Avro: decimal, uuid, timestamp ↗

5. Бинарное кодирование Avro: zigzag и variable-length integers ↗

6. Запись Avro через fastavro: первый файл ↗

Модуль 14. Avro Object Container File

6 уроков

1. Структура Avro OCF: magic, header и sync marker ↗

2. Блоки данных и codecs в Avro OCF ↗

3. Чтение Avro OCF: fastavro и официальный avro ↗

4. Потоковая запись больших Avro-файлов ↗

5. Single-object encoding: Avro без контейнера ↗

6. Splitability Avro OCF: sync marker и восстановление ↗

Модуль 15. Avro: эволюция схем

7 уроков

1. Writer schema и reader schema: кто главный ↗

2. Schema resolution: правила сопоставления полей ↗

3. Backward, forward и full compatibility ↗

4. Значения по умолчанию и aliases в Avro ↗

5. Добавление и удаление полей без поломки читателей ↗

6. Schema fingerprint и тестирование совместимости ↗

7. Типичные ошибки эволюции схем и как их не допустить ↗

Модуль 16. Avro в production и Kafka

6 уроков

1. Schema Registry: зачем и как работает ↗

2. Confluent wire format: magic byte + schema ID + Avro binary ↗

3. Avro OCF против сообщения в Kafka ↗

4. fastavro и Schema Registry вместе ↗

5. Совместимость схем: producer и consumer ↗

6. Несовместимость схем в рантайме: что делать ↗

Модуль 17. Конвертация между форматами

5 уроков

1. Конвертация CSV в Parquet без потери типов ↗

2. Конвертация JSON в Avro с вложенными структурами ↗

3. Parquet в CSV и обратно: подводные камни ↗

4. Cross-format сравнение с DuckDB ↗

5. Сквозной конвейер: CSV и NDJSON → Parquet и Avro ↗

Модуль 18. Выбор формата под задачу

6 уроков

1. Матрица сравнения: CSV, JSON, Parquet, Avro ↗

2. Row-oriented против column-oriented: выбираем под нагрузку ↗

3. Schema-on-read против schema-on-write: когда что лучше ↗

4. Открытая против закрытой схемы: data contracts ↗

5. Когда каждый формат оптимален: на примерах ↗

6. Антипримеры: когда формат категорически не подходит ↗

Модуль 19. Надёжный файловый обмен

7 уроков

1. Атомарная запись файла: tmp + rename и fsync ↗

2. Partial files: неполная загрузка и обрыв соединения ↗

3. Идемпотентность: дедупликация и повторные запуски ↗

4. Exactly-once: миф и реальность на уровне файлов ↗

5. Commit-маркеры: _SUCCESS и манифесты ↗

6. Восстановление после сбоя: грязное чтение и докачка ↗

7. Checksums для каждого файла в пайплайне ↗

Модуль 20. S3 и object storage

5 уроков

1. Файл в S3 — это не POSIX-файл ↗

2. Multipart upload в S3: большие файлы по частям ↗

3. Partial objects и consistency в S3 ↗

4. MinIO: локальная S3-среда для разработки ↗

5. Атомарность на S3: трюки и ограничения ↗

Модуль 21. Качество данных и observability

5 уроков

1. Data contracts: соглашение о схеме и качестве данных ↗

2. Schema validation на входе пайплайна ↗

3. Статистики качества данных и их мониторинг ↗

4. SLI/SLO и алертинг для файловых пайплайнов ↗

5. Логирование, метрики и трейсинг обработки файлов ↗

Модуль 22. Безопасность данных

4 урока

1. PII в файлах: маскирование и псевдонимизация ↗

2. Шифрование at rest: Parquet modular encryption ↗

3. Шифрование in transit: TLS и управление ключами ↗

4. Аудит доступа и retention: удаление данных ↗

Модуль 23. Диагностика и восстановление

4 урока

1. Повреждённый Parquet footer и его восстановление ↗

2. Битые блоки Avro OCF и sync marker ↗

3. Обрезанный CSV и JSON: как спасти данные ↗

4. Quarantine и dead-letter: стратегия восстановления ↗

Модуль 24. Партиционирование и Data Lake

6 уроков

1. Hive partitioning против Iceberg partitioning ↗

2. Партиционирование по времени, категориям и хешу ↗

3. Compaction: из маленьких файлов в большие row groups ↗

4. Iceberg, Delta Lake, Hudi: табличные форматы ↗

5. Parquet — не таблица: когда пора переходить на табличный формат ↗

6. Миграция с файлов на табличные форматы ↗

Модуль 25. Production-пайплайн: end-to-end

7 уроков

1. Постановка итогового проекта: интернет-магазин «ТехноЛавка» ↗

2. Слои данных: raw, staging, cleansed, curated ↗

3. Реализация: чтение и валидация CSV и NDJSON ↗

4. Реализация: трансформация и запись в Parquet ↗

5. Реализация: событийный поток в Avro ↗

6. Тестирование и локальный прогон пайплайна ↗

7. Развёртывание и мониторинг пайплайна ↗

Модуль 26. Дорожная карта: что дальше

4 урока

1. Архитектура data platform'ы вокруг форматов данных ↗

2. Schema Registry как центр управления схемами ↗

3. Data mesh и форматы данных ↗

4. Дорожная карта: куда расти дата-инженеру ↗