Образовал

Data Warehouse Analyst

Сложность
Сложность
Продвинутый
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
С проверкой домашнего задания
Трудоустройство
Трудоустройство
Содействие
Сертификат
Сертификат
Да
Стоимость курса
нет данных
нет рассрочки

Аналитические приложения сегодня строятся на стыке инженерных практик (Software/Data Engineering), понимании специфики продуктов и бизнеса (Data/Business Analysis), быстрой и качественной поставки сервисов (DevOps).

Курс ставит своей целью научить слушателей собирать полноценные end-to-end аналитические решения с использованием самых актуальных и востребованных инструментов.

Материал будет изучаться как вглубь (например, принципы функционирования аналитических СУБД), так и вширь (сравнение инструментов, анализ сильных и слабых сторон решений).

Что нового я смогу узнать?
Для ролей Data Scientist, Data Analyst, Product Analyst:
– Принципы работы аналитических СУБД и построение ELT-pipelines
– Использование лучших практик моделирования хранилищ данных и витрин
– Применение правильных архитектурных паттернов при построении решений

Для ролей Data Engineer, Backend Developer, DBA, System Administrator:
– Практики построения end-to-end аналитических решений
– Прикладные навыки визуализации, дашбординга, BI
– Фокус на создании ценности для бизнеса

В рамках курса будут рассмотрены:
– Навыки построения ELT-pipelines: Airflow, Nifi, Stitch
– Принципы работы аналитических СУБД: Redshift, Greenplum, Clickhouse
– Лучшие практики моделирования данных: dbt, Data Vault
– Визуализация и BI: Metabase, Superset, DataLens
– Продвинутая аналитика: KPI, Funnels, Marketing Attribution, Cohort, RFM
– DevOps-практики: Continuous Integration, Github Actions

Что вы получите после обучения
Приобретаемые навыки
1
DBT
2
Data Vault
3
BI
4
DWH
5
Recap
6
ELT
7
Data Analyst
8
DevOps
9
СУБД
10
Облачные вычисления
11
Моделирование данных
12
Визуализация
Сертификат, ссылками на который можно делиться с другими людьми
Вас будут обучать
Более 5-ти лет опыта в индустрии Данных & Аналитики в роли внешнего косультанта (IBM) и in-house лидера Data Engineering и Data Science-проектов (Альфа-Банк, Yum! Brands).Сферы интересов: построение end-to-end аналитических систем,...
Более 5-ти лет опыта в индустрии Данных & Аналитики в роли внешнего косультанта (IBM) и in-house лидера Data Engineering и Data Science-проектов (Альфа-Банк, Yum! Brands).Сферы интересов: построение end-to-end аналитических систем, внедрение инструментов Машинного обучения в промышленную эксплуатацию, Рекомендательные системы, MPP-базы данных.Образование: МГУ им. Ломоносова, математическая кафедра Экономического факультета

Старший аналитик данных Wheely
 

7+ лет опыта в области Хранилищ Данных, ELT pipelines, Анализа данных и визуализации.Опыт работы над сервисами в компаниях Wheely, Sber, Moscow Exchange, PwC.Сферы интересов: Data Modeling, Advanced analytics, Marketing Attribution, Data Quality, DevOps.Верю в то, что данные – это ключевой элемент в принятии обоснованных и разумных бизнес-решений. Люблю находить простые решения для сложных задач. Не люблю повторять одни и те же ошибки, но с удовольствием приветствую новый опыт.Blogging: Technology Enthusiast and Habr2+ года веду занятия в ОТУС: Data Engineer, Hadoop Ecosystem, DWH Analyst
Более 7 лет опыта разработки и проектирования хранилищ данных в российских и одном европейском топ-банках. Работал на позициях как разработчика и аналитика, так и тимлида команды DWH, архитектора DWH. Академический...
Более 7 лет опыта разработки и проектирования хранилищ данных в российских и одном европейском топ-банках. Работал на позициях как разработчика и аналитика, так и тимлида команды DWH, архитектора DWH. Академический опыт: 6 лет преподавания годичного курса “Базы данных” в МИРЭА для бакалавров. Также готовил студентов для получения как степени бакалавра, так и магистра. На данный момент Senior Data Engineer в эстонском iGaming стартапе.Интересы: все что связано с обработкой данных, в особенности, Modern Data Stack
Владельцы курса

Otus.ru - высокотехнологический стартап в области образования. Наша миссия - делать образование осмысленным, реализуя связь между работодателями, специалистами и преподавателями. Приходите к нам учиться!

OTUS сегодня – это более 80 авторских курсов для IT-специалистов из разных направлений таких как программирование, тестирование, инфраструктура, информационная безопасность, управление и Data Science. И что важно, у нас есть программы для разных уровней подготовки от новичков до профессионалов, которые хотят освоить продвинутые навыки.
Наша миссия — делать обучение осмысленным, реализуя взаимосвязь между ожиданиями работодателей, компетенциями специалистов и возможностями преподавателей.

Программа курса

ELT: Структура и типы источников данных
  -Тема 1.Источники данных: классификация и особенности
  -Тема 2.Инструменты для выгрузки данных – 1
  -Тема 3.Инструменты для выгрузки данных – 2

DWH Basics
  -Тема 4.Аналитические движки (СУБД) для работы с данными
  -Тема 5.Принципы построения DWH
  -Тема 6.Разбор ДЗ – Выгрузка данных веб-счетчика
  -Тема 7.Знакомство с Data Build Tool
  -Тема 8.DBT: Analytics Engineering

DWH Intermediate
  -Тема 9.Оркестрация скриптов и задач – 1
  -Тема 10.Оркестрация скриптов и задач – 2
  -Тема 11.Разбор ДЗ – Конфигурирование и запуск проекта dbt
  -Тема 12.Data Quality
  -Тема 13.Вопросы оптимизации производительности
  -Тема 14.Data Vault – 1
  -Тема 15.Data Vault – 2
  -Тема 16.Разбор ДЗ – Подготовка и установка на расписание DAG выгрузки данных из источников

Business Intelligence
  -Тема 17.BI: Обзор
  -Тема 18.BI: Deployment
  -Тема 19.BI: Modeling & Delivering
  -Тема 20.Разбор ДЗ – Организация детального слоя DWH по методологии Data Vault
  -Тема 21.Analytics: Базовые аналитические витрины
  -Тема 22.BI: Углубленные вопросы
  -Тема 23.Разор ДЗ – Конфигурация и развертывание BI-решения
  -Тема 24.Analytics: Продвинутые аналитические витрины

DWH Advanced topics
  -Тема 25.DWH: Advanced topics
  -Тема 26.DBT: Extending with modules
  -Тема 27.DWH: Monitoring + Workload management
  -Тема 28.Разбор ДЗ – Визуализация и дашбординг для аналитических витрин
  -Тема 29.DWH: External + Semi-structured data
  -Тема 30.DWH: Reverse-ETL
  -Тема 31.DWH: Machine Learning capabilities

Recap
  -Тема 32.Разбор кейса: end-to-end solution
  -Тема 33.Разбор ДЗ – Advanced DWH: Configuring CI, dbt modules, External tables
  -Тема 34.Дальнейшее развитие навыков

Проектная работа
  -Тема 35.Выбор темы и организация проектной работы
  -Тема 36.Защита проектных работ

Рейтинг
4.4
рейтинг
0
0
0
0
0
обновлено 26.09.2022 15:17
Data Warehouse Analyst
Оставить отзыв
Поделиться курсом с друзьями