Duomenų saugyklos analitikas – nemokami Otus kursai, mokymai 5 mėn., data 2023 m. lapkričio 30 d.

įvairenybės / by admin / December 04, 2023

click fraud protection

Analitinės programos šiandien yra sukurtos inžinerinės praktikos (programinės įrangos / duomenų inžinerijos) sankirtoje, produktų ir verslo specifikos supratimas (Duomenų/Verslo analizė), greitas ir kokybiškas paslaugų teikimas (DevOps).

Kurso tikslas – išmokyti studentus surinkti visapusiškus analitinius sprendimus naudojant aktualiausius ir paklausiausius įrankius.

Medžiaga bus nagrinėjama tiek nuodugniai (pvz., analitinių DBVS veikimo principai), tiek plačiai (įrankių palyginimas, sprendimų stipriųjų ir silpnųjų pusių analizė).

Kokių naujų dalykų galiu išmokti?
Duomenų mokslininko, duomenų analitiko, produktų analitiko pareigoms:
– Analitinės DBVS veikimo principai ir ELT vamzdynų konstravimas
– Geriausios praktikos naudojimas modeliuojant duomenų saugyklas ir prekybos centrus
– Teisingų architektūrinių raštų taikymas statant sprendimus

Duomenų inžinieriaus, užpakalinės programos kūrėjo, DBA, sistemos administratoriaus pareigoms:
– Visapusiškų analitinių sprendimų kūrimo praktika
– Taikomieji vizualizacijos, prietaisų skydelio, BI įgūdžiai
– Orientuotis į verslo vertės kūrimą

instagram viewer

Kursas apims:
– ELT vamzdynų tiesimo įgūdžiai: Airflow, Nifi, Stitch
– Analitinių DBVS veikimo principai: Redshift, Greenplum, Clickhouse
– Geriausios duomenų modeliavimo praktikos: dbt, Data Vault
– Vizualizacija ir BI: metabazės, superset, DataLens
– Išplėstinė analizė: KPI, kanalai, rinkodaros priskyrimas, grupė, RFM
– „DevOps“ praktika: nuolatinis integravimas, „Github“ veiksmai

Aleksejus Železnojus

kursai

„Wildberries“ duomenų inžinierius, DE jaunesniojo kurso pranešėjas. Daugiau nei 7 metai IT srityje

Su pagyrimu baigė Voronežo valstybinį universitetą. Šiuo metu studijuoja HSE magistrantūros programoje „Sistemų ir programinės įrangos inžinerija“. Profesinė patirtis - 2 metai duomenų analitiko ir duomenų inžinieriaus darbo. Dabar jis dirba su 5 populiariomis duomenų bazėmis, tobulėja Python ir sparčiai tobulina savo įgūdžius. Pasiruošęs pasidalinti savo patirtimi.

Anatolijus Borzilovas

gerai

Daugiau nei 6 metų patirtis kuriant duomenų saugyklas, ELT vamzdynus, duomenų analizę ir vizualizavimą. Patirtis valstybės saugumo srityje, KHD LLC „Įmonių grupės „SBSV-Klyuchavto“ kūrimas ir diegimas, šiuo metu...

Daugiau nei 6 metų patirtis kuriant duomenų saugyklas, ELT vamzdynus, duomenų analizę ir vizualizavimą. Patirtis valstybės saugumo srityje, QCD LLC "Įmonių grupės "SBSV-Klyuchavto", šiuo metu kuriančios QCD kūrimas ir diegimas Delo įmonių grupei esu įsitikinęs, kad duomenys yra antra nafta, tam tikra nuosavybė, kurią reikia mokėti valdyti ir atmesti. Sutvarkytų duomenų buvimas, tinkamas jų saugojimas, naudojimas, pardavimas, anonimiškumas rodo aukštą skaitmeninės brandos lygį. Mokytojas

Aleksandra Merzlaya

kursą

Alexandra dirba analitikos ir BI srityje nuo 2019 m. Iki to laiko ji gavo programinės įrangos inžinerijos bakalauro laipsnį Sankt Peterburgo valstybiniame aviacijos administravimo universitete, o vėliau – magistro laipsnį. Pirmieji žingsniai karjeroje buvo žengti amerikiečių kompanijoje „Intermedia Cloud Communications“ jaunesniojo duomenų analitiko pareigose, o iki 2021 metų jam pavyko tapti analitikos komandos vadovu. Visi šie metai buvo skirti naujam tarpkomandiniam tarptautiniam finansų valdymo projektui Microsoft stack (MS SQL) Serveris, SSRS, SSIS, Power BI). Nuo 2022 m. kovo mėn. dirba Tinkoff Bank įmonių grupėje sandėlio analitiku. duomenis. Teikia paramą aukščiausiajai finansų skyriaus vadovybei kuriant ETL procesų prototipus, naudojant Greenplum, ad hoc analizę Python, ataskaitų teikimą ir vizualizaciją Tableau. 2020 metais ji įgijo papildomą IT projektų valdymo vadovės išsilavinimą. Jis yra atkaklus lanksčios plėtros metodikų šalininkas. Mano, kad pelningiausios investicijos yra investicijos į savo plėtrą. Stack: SQL, SAS DIS, SSIS, Tableau, Power BI, Python

ELT: Duomenų šaltinių struktūra ir tipai
-Tema 1. Duomenų šaltiniai: klasifikacija ir požymiai
-2 tema. Duomenų atsisiuntimo įrankiai – 1
-3 tema. Duomenų atsisiuntimo įrankiai – 2

DWH pagrindai
-4 tema. Analitiniai varikliai (DBVS) darbui su duomenimis
-5 tema. DWH statybos principai
-Tema 6.DZ analizė – Interneto skaitiklio duomenų įkėlimas
-7 tema. Įvadas į duomenų kūrimo įrankį
– 8 tema.DBT: „Analytics Engineering“.

DWH tarpinis
-9 tema.Scenarijų ir užduočių orkestravimas – 1
-10 tema. Scenarijų ir užduočių orkestravimas – 2
-Tema 11.DZ analizė – Dbt projekto konfigūravimas ir paleidimas
-12 tema. Duomenų kokybė
-13 tema. Veiklos optimizavimo problemos
-14 tema. Duomenų saugykla – 1
-15 tema. Duomenų saugykla – 2
-Tema 16.DZ analizė – DAG grafiko parengimas ir nustatymas duomenims atsisiųsti iš šaltinių

Verslo žvalgyba
-17.BI tema: apžvalga
-18.BI tema: Diegimas
-19.BI tema: Modeliavimas ir pristatymas
-Tema 20.DZ analizė – Detalaus DWH sluoksnio organizavimas naudojant Data Vault metodiką
-21 tema. Analitika: pagrindinės analitinės vitrinos
– 22.BI tema: išsamūs klausimai
-23 tema. DZ Razor – BI sprendimo konfigūravimas ir diegimas
-24 tema. Analizė: išplėstinės analizės demonstracijos

DWH Išplėstinės temos
-Tema 25.DWH: Išplėstinės temos
-Tema 26.DBT: Išplėtimas moduliais
-Tema 27.DWH: Stebėjimas + darbo krūvio valdymas
-Tema 28.DZ analizė – Vizualizacija ir ataskaitų skydelis analitinėms demonstracijoms
-29 tema.DWH: Išoriniai + Pusiau struktūrizuoti duomenys
-Tema 30.DWH: Reverse-ETL
-31 tema.DWH: Mašininio mokymosi galimybės

Apibendrinimas
-32 tema. Atvejo analizė: sprendimas nuo galo iki galo
-Tema 33.DZ analizė – Išplėstinė DWH: CI konfigūravimas, dbt moduliai, išorinės lentelės
-34 tema. Tolimesnis įgūdžių ugdymas

Projektinis darbas
-35 tema. Temos parinkimas ir projektinio darbo organizavimas
-36 tema.Projektavimo darbų apsauga

Žymos debesis

įvairenybės

įvertinimas

Peržiūros

Komentarai