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 6 лет опыта в области разработки хранилищ данных, ELT pipelines, анализа данных и визуализации.Опыт работы в сфере госбезопасности, создание и внедрение КХД ООО "Группа компаний «СБСВ-Ключавто», в настоящий момент...
Более 6 лет опыта в области разработки хранилищ данных, ELT pipelines, анализа данных и визуализации.Опыт работы в сфере госбезопасности, создание и внедрение КХД ООО "Группа компаний «СБСВ-Ключавто», в настоящий момент разработка КХД для группы компаний "Дело"Уверен в том , что данные — это вторая нефть, своего рода имущество, которым надо уметь управлять и распоряжаться. Наличие упорядоченных данных, их правильное хранение, использование, продажа, обезличивание говорят о высоком уровне цифровой зрелости. Преподаватель
В области аналитики и BI Александра работает с 2019 года. К этому времени она получила степень бакалавра "Программной инженерии" в СПБ ГУАП, а после и степень магистра. Первые шаги в...
В области аналитики и BI Александра работает с 2019 года. К этому времени она получила степень бакалавра "Программной инженерии" в СПБ ГУАП, а после и степень магистра. Первые шаги в карьере были сделаны в американской компании Intermedia Cloud Communications в качестве младшего аналитика данных, а к 2021 году удалось стать руководителем команды аналитики. Весь этот год был посвящен новому кросс-командному проекту для международного финансового управления на стеке Microsoft (MS SQL Server, SSRS, SSIS, Power BI).С марта 2022 года работает в группе компаний "Тинькофф Банк" на должности аналитика в хранилище данных. Осуществляет поддержку топ-менеджмента финансового департамента в построении прототипов ETL-процессов на Greenplum, ad-hoc аналитике на Python, репортинге и визуализации в Tableau.В 2020 году получила дополнительное образование по направлению Менеджер проектного управления в IT. Является убежденным приверженцем гибких методологий разработки. Считает, что самые окупаемые вложения - это вложения в собственное развитие.Стэк: SQL, SAS DIS, SSIS, Tableau, Power BI, Python
Более 5 лет в Data Science & Data Engineering в роли внешнего консультанта (IBM) и in-house лидера Data Engineering и Data Science-проектов (Альфа-Банк, Yum! Brands).Занимается построением end-to-end аналитических систем, внедрение...
Более 5 лет в Data Science & Data Engineering в роли внешнего консультанта (IBM) и in-house лидера Data Engineering и Data Science-проектов (Альфа-Банк, Yum! Brands).Занимается построением end-to-end аналитических систем, внедрение инструментов Машинного обучения в промышленную эксплуатацию, Рекомендательные системы, MPP-базы данных.Образование: математическая кафедра Экономического факультета, Московский государствнный университет (МГУ) Otus Certified Educator Преподаватель

Образовательная организация

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 курса

4.4
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 08.10.2023 03:42
Data Warehouse Analyst

Data Warehouse Analyst

Оставить отзыв
Поделиться курсом с друзьями