Инженер данных оптимизирует пайплайны и схемы хранения данных, настраивает всевозможные мониторинги, отлавливает и исправляет неоптимальные запросы и помогает команде аналитики делать свою работу продуктивно.

Изучать современные подходы стоит для того, чтобы находить оптимальное решение задач бизнеса: не просто нажать пару кнопок и добавить несколько узлов в облачном кластере — а с оглядкой на эффективность использования ресурсов и стоимость решения задачи.

Кому подойдет курс

• Системным и сетевым администраторам.
• Backend или Fullstack-разработчикам.
• Новичкам, желающим войти в сферу Data Science.

Программа

1. SQL и получение данных.
2. Data Warehouse.
3. Business Intelligence решения и многомерная модель данных.
4. Python.
5. Data Lake & Hadoop.
6. Продвинутые методы работы с данными.
7. Работа с потоковыми данными.
8. Работа с данными в облаке.
9. Введение в DS & ML.
10. MLOps.
11. Дипломный проект. 

Чему вы научитесь 

• Проектировать схемы хранилищ и выбирать DWH под задачу и бюджет бизнеса среди популярных решений: Snowflake, BigQuery, Azure SQL DW, Redshift.
• Настраивать и конфигурировать ETL / ELT-процессы в нескольких дата-инструментах.
• Lambda architecture, kappa architecture, а также hdfs, yarn, hive и другими обязательными частями инфраструктуры.
• Построите свой конвейер обработки даннных, сборщик событий, RTDM-систему с выводом в массовые enterprise BI-решения.
• Сможете понимать, пояснять и обогащать данные отчётов, дашбордов и других источников информации.
• Включать в него модели машинного обучения, нейронные сети, сервисы оркестрирования контейнеров и проверку версионности.