Что такое курс-симулятор:
- Обучение на бизнес-кейсах
- Не обучаем на «апельсинах» — после курса-симулятора вы на 100% сразу же готовы решать рабочие задачи или внедрять знания на текущем месте работы
- Полная подготовка к собеседованиям
- Будете решать тестовые задания от реальных компаний и проходить тестовые собеседования еще в процессе обучения
- Уникальное портфолио
- Такого портфолио не будет ни у кого больше. Вы соберёте его из реальных задач из разных сфер бизнеса
Чем занимается инженер данных:
- Представьте, что у вас есть большая коробка с LEGO, из которой нужно выбрать детали для постройки замка или космического корабля. Дата-инженеры обеспечивают доступность и качество данных, что особенно важно для принятия решений в бизнесе. Вам нужно сначала выбрать нужные детали, затем правильно их соединить и в конце собрать всё вместе. Этим и занимается инженер данных.
Кому подойдёт курс-симулятор:
- Новичкам в профессии
- Освоите основы инженерии данных для уверенного старта карьеры
- Начинающим инженерам данных
- Структурируйте свои знания, освоите весь необходимый стек на практике и уверенно войдите в профессию уже на 5 месяце обучения
- Аналитикам данных
- Изучите методы обработки и трансформации данных, что поможет лучше понимать архитектуру данных и улучшить качество аналитических отчетов
- Разработчикам
- Сможете освоить специфические задачи инженера данных, такие как работа с ETL-процессами и реализовать проекты в этой области
Какие задачи сможете решать после обучения:
- Создавать и работать с хранилищами данных
- Разрабатывать автоматизированные ETL-пайплайны
- Оптимизировать сложные SQL-запросы
- Работать с большими данными и озерами данных (data lake)
- Пользоваться и управлять DE-инфраструктурой: Linux, Docker, DWH и др.
Какие инструменты освоите:
- Базы данных
- PostgreSQL, DBeaver, Clickhouse
- Программирование
- Python, Pandas, Numpy, Matplotlib, Seaborn, Plotly, gspread, VS Code, Google Colab, Jupyter Notebook
- Визуализация данных
- Metabase
- Автоматизация и деплой
- Linux, Docker, bash, Airflow
Программа курса
1. Введение в профессию
2. SQL и базы данных
Дата инженерам необходимо уметь работать с реляционными базами данных, потому что основной объем информации, которую обрабатывают дата инженеры, хранится как раз в них — например, в PostgreSQL.
- Вы научитесь писать сложные запросы, решая аналитические кейсы из ритейла, финтеха и онлайн-платформ с помощью SQL.
- Вы научитесь проектировать реляционные базы данных с учетом правил нормализации и разворачивать их на сервере с нуля.
- Вы научитесь администрировать базы данных: удалять и вносить изменения в объекты БД, наполнять базу новыми данными или удалять старые.
- Вы научитесь работать с базами данных разными способами — от специальных IDE до подключения через терминал.
3. Визуализация в Metabase
Уметь работать в системе визуализации данных — полезный навык для дата инженера, чтобы создавать дашборды. Например, дашборд с мониторингом работы скриптов сбора данных из корпоративной CRM-системы.
- Вы научитесь быстро визуализировать результат SQL-запросов.
- Вы научитесь строить графики без написания кода с помощью визуального конструктора.
- Вы научитесь собирать дашборды с сложными фильтрами.
- Вы научитесь разворачивать и базово администрировать Metabase на сервере.
4. Git/GitHub
Дата инженерам важно уметь работать с системой контроля версий Git, потому что работа над одним проектом всегда происходит в больших командах, где Git — обязательный инструмент совместной разработки.
- Вы научитесь внедрять в свои проекты Git с учетом лучших практик.
- Вы научитесь синхронизировать локальный и удаленный репозиторий.
- Вы научитесь грамотно контрибьютить в проекты коллег, работать с pull request-ами и обрабатывать реквесты ваших коллег.
- Вы научитесь разрешать конфликты, если при совместной работе с коллегами вами был затронут один и тот же блок кода.
- Вы научитесь откатывать изменения в случае «кривых» релизов.
5. Python
Программирование на Python — один из ключевых навыков дата инженера, т.к. именно с помощью этого языка вы будете писать скрипты для сбора данных из разных источников и создавать ETL/ELT-пайплайны.
- Вы научитесь писать код на Python и использовать его для решения прикладных задач: написание скриптов для сбора данных, написание коннекторов к различным базам данных, написание скриптов для сбора данных по API, написание скриптов для обработки и очистки данных для последующей загрузки в хранилище.
- Вы научитесь работать в разных IDE: VS Code и Google Colab.
6. Объектно-ориентированное программирование в Python (ООП в Python)
Писать код на Python, используя парадигму объектно-ориентированного программирования — также важная часть навыков дата инженера. Читая чужой код, вы будете часто встречаться с ООП, а также многие дата инженерные скрипты предполагают работу с классами.
- Вы глубоко разберетесь в концепции объектно-ориентированного программирования и особенностях ее реализации в Python.
- Вы научитесь писать код с использованием классов, методов, атрибутов и контроля доступа.
- Вы разберетесь в продвинутых концепциях ООП — геттерах, сеттерах, специальных декораторах и т.д.
- Вы изучите полезные паттерны проектирования.
- Вы научитесь применять ООП для решения прикладных задач — создания класса-коннектора для разных СУБД по шаблону Singleton, написание ETL-пайплайна с использованием ООП.
7. Python для анализа данных
Работать с библиотеками для обработки данных в Python — полезный навык для дата инженера.
В работе часто возникают данные, представленные в табличном формате, и намного удобней и эффективней решать задачи очистки, трансформации, вычислений и прочего с помощью специализированных библиотек — например, Pandas.
- Вы научитесь работать с библиотекой Numpy для работы с многомерными массивами данных.
- Вы научитесь работать с фреймворком Pandas и решать с его помощью прикладные задачи — анализировать активность пользователей, обрабатывать файловые выгрузки и т.д.
- Дополнительно вы научитесь строить базовые визуализации в Python с помощью Matplotlib, Seaborn и Plotly, что может быть полезно при исследовании новых наборов данных во время работы.
8. Linux
Дата инженерам необходимо уметь работать с Linux, потому что вся аналитическая инфраструктура разворачивается на облачных Linux-серверах.
- Вы научитесь работать с операционной системой Linux с нуля до уровня продвинутого пользователя.
- Вы научитесь настраивать и администрировать серверы через командную строку (настройка пользователей, прав доступа, работа с ресурсами).
- Вы научитесь решать прикладные задачи с помощью bash-скриптинга (например, обходить директории и обрабатывать файлы с логами для последующего анализа).
- Вы научитесь работать с базой данных через консоль. Научитесь автоматизировать скрипты с помощью cron и systemd.
9. Docker
Инструмент контейнеризации Docker — важный навык для дата инженера, потому что практически вся аналитическая инфраструктура разворачивается с помощью Docker-контейнеров.
- Вы научитесь устанавливать Docker на разные операционные системы и решать типовые проблемы, связанные с его работой.
- Вы научитесь разворачивать аналитическую инфраструктуру (Python, PostgreSQL, Nginx) на сервере с помощью Docker.
- Вы научитесь работать с внутренностями контейнеров и администрировать взаимодействие между изолированными контейнерами.
10. Airflow
Airflow — это инструмент автоматизации и оркестрации скриптов, и он используется практически любым дата инженером во время работы.
- Вы научитесь разворачивать и администрировать Airflow.
- Вы научитесь писать dag-и для автоматизации скриптов.
- Вы научитесь создавать ETL/ELT-пайплайны и сделаете несколько реальных проектов — например, автоматизацию обработки данных об активности студентов крупного онлайн-университета.
11. Продвинутый SQL для работы с большими данными
При работе с большими данными дата инженеру недостаточно знать SQL — нужно владеть специфическими навыками.
- Вы научитесь создавать функции и процедуры — например, для переливки данных между таблицами или для заполнения витрин.
- Вы научитесь работать с анонимными блоками и переменными — это позволит вам решать сложные задачи, как на полноценном языке программирования. Например, вычислять характеристики товаров, а потом работать с ними в других запросах.
- Вы научитесь работать с триггерами — это позволит вам настраивать выполнение определенных действий в зависимости от некоторых условий: например, делать дамп таблицы при попытке ее очистки.
- Вы научитесь читать план запроса и оптимизировать тяжелые неэффективные SQL-запросы — такая задача постоянно возникает в работе и ее часто дают на собеседованиях.
12. Хранилища данных (DWH) — Clickhouse
В компаниях с развитой аналитической культурой данные собираются в специальные хранилища — Data Warehouse (DWH). И работа с DWH — одна из ключевых задач дата инженера.
На примере DWH Clickhouse вы разберетесь в архитектурных и идейных отличиях — чем нам не устраивали обычные базы данных и зачем нам нужны хранилища.
- Вы научитесь работать с Clickhouse для решения аналитических задач и поймете его преимущества относительно PostgreSQL.
- Вы научитесь писать сложный SQL-запросы в Clickhouse на примере прикладных задач: прогнозирование временных рядов, формирование рекомендаций для абонентов телеком-сервиса и т.д.
13. Hadoop и озера данных (Data lake)
Работа с большим объемом слабоструктурированных данных — сложная дата инженерная задача. Для хранения таких данных используются озера данных Data Lake и чаще всего — Hadoop.
- Вы научитесь работать с логами данных, открытыми датасетами для машинного обучения, хранить и обрабатывать их в Hadoop с помощью bash и Python, интегрировать с реляционными DWH.
- Вы сможете поднять Hadoop Sandbox прям на своем компьютере с помощью Docker Compose.
- Вы научитесь быстро решать adhoc-задачи — например, считать число 404-ошибок в логах вебсервера.
- Научитесь решать прикладные задачи с помощью MapReduce — например, обрабатывать и анализировать большие объемы текстовой информации: логи, документацию и проч.
- Дополнительно познакомитесь с YARN и, Hive , Pig и HBase и научитесь применять их для решения сложных дата инженерных задач.
14. Spark / pySpark
Spark — удобный инструмент для работы с big data, который позволяет дата инженерам решать сложные аналитические задачи с огромными объемами информации, когда классического кода на Python уже не хватает.
Вы освоите pySpark, функциональное программирование, RDD, Spark UDF и другие специализированные темы, параллельно отрабатывая их на реальных кейсах.
Например, вы будете анализировать активность пользователей на онлайн-платформе, вычисляя метрики по типу среднее время выполнения одного задания. Или вам предстоит работать со стримингом новостей, анализируя вхождение определенных ключевых слов и оценивая новостную повестку в режиме реального времени.
Авторский состав:
- Андрон Алексанян, Елизавета Бережная, Антонина Гераськова, Илья Трофимов, Дмитрий Астанков, Даниил Дудов, Евгений Кахновский, Давид Хоперья, Кира Масалова, Илья Томберг, Денис Тихомиров, Иван Котов
