Яндекс Практикум - курсы «Data Engineering» в Беларуси
2 курса онлайн Data Engineering от школы Яндекс Практикум - сравните цену, продолжительность и дату начала обучения. Информация обновляется каждую неделю. Стоимость курсов от 3967 до 5633 Br.
структура, понятная теория, подготовленная инфраструктура, поддержка куратора и наставника, практика на реальных кейсах
нет их
DevOps для эксплуатации и разработки
Курс оставил очень положительное впечатление) Материал подаётся структурировано и понятно, даёт действительно практические знания, которых достаточно, чтобы уверенно начать искать работу в этой сфере. Самый большой плюс - это подход и метод обучения. С самого начала даётся исходный код приложения, на которое со временем начинаешь применять DevOps-практики. Сначала разворачиваешь его как сервис на выделенной виртуальной машине, затем в Docker-контейнере, потом через Docker Compose и, наконец, переходишь в Kubernetes, а заканчиваешь всё это дело деплоем через Helm. Параллельно изучаешь GitLab, тестирование, мониторинг, инфраструктуру как код (IaC), DevSecOps и многое чего ещё. Да, возможно, бОльшая часть курса довольно поверхностная, но это я тоже считаю плюсом, потому что буквально с нуля уже можно при должном усилии получить фундаментальные знания по направлению DevOps и уже искать работу. Для меня это было самым главным плюсом, потому что сам узнал много нового и сразу же пощупал это на практике. Отдельно хочу отметить наставника всегда был на связи, подробно отвечал на вопросы и помогал разобраться даже в сложных моментах. По каждой главе проводил онлайн-вебинары, где очень понятно объяснял темы, давал советы и best practice. Куратор тоже очень порадовал: быстро реагировал, был отзывчивым и поддерживал на протяжении всего обучения. Теория описана тоже очень интересно и понятно, нет кучи монотонного текста, скопированного с документации, описывается ключевая мысль понятным языком, приводятся аналогии из реального мира, а для тех, кто хочет погрузиться ещё сильнее, оставляют ссылку на литературу. Очень приятно, что материалами вебинаров и теорией можно пользоваться даже после окончания курса, удобно, если нужно повторить какую-то тему или просто освежить знания. В целом курс даёт не просто теорию, а реальные навыки, которые можно применять на практике. Рекомендую тем, кто хочет войти в профессию и получить крепкую базу)
структура курса, отзывчивость кураторов
нет их
Devops для эксплуатации и разработки
Хорошо.
Понравилась структура курса, отзывчивость кураторов и наставников, всегда шли навстречу. Ревью от наставников всегда было в тему, где критично - переделывали, где некритично - оставляли на выполнение в качестве факультатива. Впечатления хорошие!
удобство подачи информации
нет
То что нужно для начала
В отличии от курсов с видео уроками, в яндекс практикуме отлично организована система обучения. А именно, очень грамотно сочетаются теоретический материал с практическими работами. Чётко всегда знал, где какой материал находиться и что нужно повторить для выполнения практической задачи. Кураторы всегда отвечди быстро и всячески помогали с прохождением курса. Однозначно рекомендую!
Научитесь разрабатывать архитектуру данных и освоите проектирование пайплайнов. Узнаете, как создавать витрины и хранилища. Добавите в портфолио 9 проектов.
Бесплатный вводный курс. Простая витрина данных. Устроитесь на работу в IT-компанию как начинающий инженер данных и попробуете выполнить своё первое задание — получите от лида требования и построите по ним витрину данных.
Актуализация модели данных. Компания продолжает погружать вас в свои процессы. Данные, с которыми вы работали, обновились, поэтому необходимо изменить модель данных.
DWH: пересмотр модели данных. Компания растёт, архитектура данных усложняется. Вам дают задание — оптимизировать процессы с данными.
ETL: автоматизация подготовки данных. О хранилище данных компании вы теперь знаете почти всё. Пришло время пересмотреть ETL-процессы.
Проверка качества данных. Вы хотите быть уверены, что ваши первые пайплайны работают нормально. Качество данных необходимо проверять, а поломки — вовремя отслеживать.
DWH для нескольких источников. Вы продолжаете исследовать DWH, потому что развитие компании и, следовательно, увеличение объёма данных не остановить.
Аналитические базы данных. Специфичных неструктурированных данных, которые тоже надо хранить и обрабатывать, становится больше. Поэтому мы познакомим вас с концепцией аналитических баз данных на примере СУБД Vertica.
Организация Data Lake. Классические решения не помогают справиться с объёмом данных. Чтобы справиться с новыми вызовами бизнеса, вы построите и наполните Data Lake.
Потоковая обработка данных. Трудности с большим объёмом данных вы победили, но появилась новая задача — нужно помочь бизнесу быстрее принимать решения. Тут понадобятся знания потоковой обработки данных (англ. streaming).
Облачные технологии. Теперь вы умеете работать и с большими объёмами данных, и с потоками. Осталось только автоматизировать масштабирование систем с помощью облачных сервисов.
Выпускной проект. Подтвердите, что освоили новые навыки. Здесь вам будет нужно самостоятельно выбрать и реализовать решения для бизнес-задачи. Это поможет вам ещё раз закрепить использование изученных инструментов, а также самостоятельность.
Алгоритмы и структуры данных. Основы алгоритмов. Представление данных в памяти. Рекурсия и сортировки.
Основы SQL и баз данных. Устройство PostgreSQL. Основы SQL и DDL. Основы SQL и DML. Нормализация и взаимоотношение. Объединение таблиц. Функции.
Продвинутый SQL для работы с данными. Подзапросы и общие табличные выражения. Оконные функции. Представления. Продвинутые типы данных. Транзакции и блокировки.
Как построить аналитическое хранилище данных. PostgreSQL и DBeaver. Нормальные формы. Знакомство с DWH. Погружение в DWH. SCD и его типы.
Работа с данными в хранилище. Витрина данных и VIEW. Оптимизация запросов.
ELT: автоматизация подготовки данных . Анализ вводных по задаче. Проектирование ETL-процесса. Ликбез по Airflow. Реализация ETL в Airflow.
Проверка качества данных. Требования к качеству данных. Проектирование и разработка проверки.
DWH для нескольких источников. Сбор требований и исследование источников. Проектирование DWH. Реализация DWH.Тестирование, интеграция и документация.
Аналитические базы данных. Аналитические СУБД и Vertica. Разработка аналитической базы данных.
Организация Data Lake. Проектирование Data Lake. Знакомство со Spark. PySpark для инженера данных.
Потоковая обработка данных. Потоковая обработка с Kafka и Spark Streaming. Настройка потока данных.
Облачные технологии. Облачные технологии Yandex Cloud. Подготовка и изучение источников.Создание окружения сервисов. Написание первого сервиса. Знакомство с DataLens.
Выпускной проект или пет-проект. В конце курса у вас будет выбор: выполнить ещё один учебный проект или реализовать пет-проект. В первом случае нужно выбрать бизнес-задачу и разработать архитектуру данных с использованием всех изученных инструментов. Во втором случае вы сможете воплотить в жизнь и защитить личный проект. Что бы вы ни выбрали, вас поддержат наставники и ревьюеры, а получившийся кейс украсит ваше портфолио.
Трудоустройство. Эта часть курса для тех, кто решил найти работу в сфере разработки. Вы изучите стратегии поиска работы и узнаете о тонкостях выбора компании-работодателя, подготовите портфолио, напишете резюме и сопроводительное письмо.
Акселерация. Программа сопровождения: вы ищете работу, мы консультируем и помогаем. Участвовать в программе могут те, кто закончил программу трудоустройства и находится в активном поиске работы.
Воркшопы для разбора ключевых тем, сессии Q&A. Описание отсутствует
А Вы знали что у школы Яндекс Практикум самый дорогой
курс Data Engineering стоит
5633.3333333333 рубля.
Школа имеет 136 отзывов,
а средняя оценка пользователей — 4.5