Опис курсу Big Data
Цей курс дарує круту кар’єрну можливість!
Після його завершення ти отримаєш не тільки практичні знання, але і змогу взяти участь у відборі на позицію продуктового аналітика від партнера нашого університету.
Поспіши зареєструватись, адже залишились останні три місця на курс!
Наш партнер активно розширює свій портфель та створює потужні підрозділи. Це швидкозростаюча IT-компанія у сфері венчурних інвестицій, яка розробляє інноваційні технологічні продукти з глобальним впливом, саме тому вони зараз в пошуках нових талантів.
Якщо ти хочеш дізнатися або розширити свої знання в області технологій для роботи з великими обсягами даних, цей курс допоможе тобі це зробити, а також поглибити професійні знання, ефективно вибирати та аналізувати ці дані.
Кому підійде курс Big Data
Цільова аудиторія Big Data навчання охоплює широкий спектр учасників, які мають різний рівень досвіду та мети вивчення та поглиблення своїх знань. Серед можливих учасників можуть бути:
Студенти та випускники
Ті, хто навчається або вже закінчив вищий навчальний заклад і бажає поглибити свої знання в програмуванні у сфері Big Data.
Професіонали ІТ-галузі
Розробники та фахівці з інформаційних технологій, які хочуть оновити свої навички, вивчити нові технології або перекваліфікуватися в іншу галузь програмування.
Переваги курсу Big Data від Sigma Software University
Обравши курси Big Data, ти отримаєш декілька вагомих переваг, а саме:
Досвідчені викладачі
Ти вчитимешся від професіоналів з великим досвідом роботи у галузі Big Data. Вони поділяться своїми знаннями, кращими практиками та викликами, з якими вони стикаються.
Комплексний підхід
Курс охоплює всі аспекти Big Data, включаючи збір, зберігання, обробку та аналіз великих обсягів даних. Ти отримаєш повний спектр знань і навичок, необхідних для роботи з Big Data.
Практичний підхід
Курс фокусується на реальних проєктах і завданнях. Ти матимеш можливість застосовувати свої знання у практичних ситуаціях і отримувати реальний досвід роботи з Big Data.
Нові можливості
Ти матимеш змогу ближче познайомитися з компанією Sigma Software, а також дізнатися більше про наші навчальні програми, зокрема курс Python та курс Data Science. Вони допоможуть тобі отримати додаткові знання та навички у сфері програмування та аналізу даних, що може відкрити нові можливості у твоїй кар’єрі.
Після завершення курсу наші талановиті учасники матимуть змогу взяти участь у відборі на позицію продуктового аналітика в компанії партнера Sigma Software University!
Наш партнер – це швидкозростаюча IT-компанія у сфері венчурних інвестицій, яка розробляє інноваційні технологічні продукти з глобальним впливом. Зараз компанія розширює свій портфель і створює потужні команди.
Сертифікат
По закінченні курсу ти отримаєш сертифікат, що підтвердить отримані знання та навички у галузі Big Data. Це може підвищити твою цінність на ринку праці.
Тренер курсу по Big Data
Програма навчання Big Data
Курс «Big Data educational course for beginners» містить 16 занять. 1 зустріч на тиждень (щосуботи) протягом 16 тижнів/3-3.5місяців. Тривалість заняття – 2 години. Формат – онлайн-лекції з демонстрацією, що включають Q&A сесією в кінці кожного з занять.
Теми курсу:
- Теоретична частина
- Історичний екскурс та розвиток сфери Big Data
- Загальний огляд основних підходів проєктування сучасних систем (архітектура, патерни, підходи)
- Основні підходи до: зберігання, обробки, аналізу та візуалізації даних
– Зберігання (HDFS, NoSQL, DBMS, Cloud storages)
– Обробка (Spark, Glue, Lambda)
– Аналіз (Spark)
– Візуалізація (Notebooks, Grafana)
- Хмарні системи (AWS)
- Оркестрація та синхронізація процесів (Airflow)
- Що таке Big Data?
- Які проблеми вирішуєs Big Data?
- Практичні аспекти Big Data
- Огляд посади Data Engineer та його обов’язки
- Вступ до стеку технологій Big Data
- Домашнє завдання: Перевірка навчальних матеріалів
- Основні поняття та глосарій у сфері Data Platforms
- Вступ до моделювання конвеєрів даних
- Огляд рівнів обробки та пов’язаних з ними технологій
- Data storage
- Data processing
- Data ingestion
- Data querying
- Data visualization
- Вступ до хмарних концепцій та хмарних обчислень (з акцентом на AWS)
- Моделі послуг PaaS / IaaS / SaaS
- Типи обміну даними
- Ingestion
- Export
- Replication
- Огляд джерел даних
- Інтеграція та пріоритезація джерел даних
- Пакетна інтеграція даних
- Концепції проєктування Data Lakes
- Типи інтеграції Pull / Push
- Архітектурні підходи (Lambda, Kappa, Delta)
- Інтеграція даних у реальному часі
- Інструментарій для отримання потокових даних
- Класифікації сховищ даних
- Вступ до OLTP, OLAP, DWH
- Ключові принципи HDFS / Object Stores
- Загальні поняття про СУБД
- Огляд баз даних NoSQL
- Хмарні сховища даних
- Порівняльний аналіз Data Lakes та Data Warehouses
- Теорема CAP
- Огляд форматів даних
- Концепції розбиття на розділи / шардингу / реплікації
- Повна та остаточна узгодженість даних
- Основні поняття моделювання даних
- Моделювання даних в рамках різних типів сховищ
- Вступ до схеми даних
- Огляд схем на читання/на запис
- Стратегії пакетування/партиціонування
- Основи грануляції даних
- Сховища без схем
- Обробка запізнень
- Історичний контекст
- Вступ до роботи з ETL-конвеєрами
- Основи моделі Map-Reduce
- Модель розподіленої обробки та локальність даних
- Огляд стеку технологій обробки даних
- Основи управління ресурсами
- Огляд основних фреймворків для обробки даних
- Концепції пакетної обробки даних
- Розробка робочих процесів
- Планування
- Оркестрування
- Семантика гарантії доставки / обробки
- Концепції обробки потокових даних
- Типи розвитку або синхронізації конвеєрів
- Основні хмарні сервіси AWS
- Ресурси для побудови платформ даних
- AWS SDK в рамках реалізації конвеєрів даних
- Інструменти керування AWS CLI
- Огляд конвеєрів даних у хмарі AWS
- Реєстрація в хмарних рішеннях AWS
- Моніторинг у хмарних рішеннях AWS
- Вступ до безперервної інтеграції / безперервного розгортання в AWS
- Форми подання даних
- Вступ до візуалізації даних
- Поняття вітрин даних, звітів, подань
- Поняття DWH у сфері звітності
- Інструменти бізнес-аналітики
- Автоматизація звітів за допомогою Data Dashboards
- Дослідження даних за допомогою Notebooks
- Цілі регулювання даних
- Процедури управління даними
- Поняття відстеження даних, лінії зв’язку, версійності
- Політика збереження даних
- Поняття безпеки даних/приватності/інформації з обмеженим доступом
- Інструменти та рішення для регулювання даних
- Обговорення архітектурних ідей
- Фінальна сесія запитань та відповідей
По завершенні курсу Big Data ти:
- Розумітимеш основні концептуальні проблеми аналізу, обробки та зберігання великих даних
- Вмітимеш аналізувати та обробляти великі дані у різних форматах за допомогою різних інструментів
- Вмітимеш використовувати актуальне програмне забезпечення для зберігання, аналізу та обробки даних у практичній роботі
- Матимеш можливість взяти участь у відборі на позицію продуктового аналітика у компанії партнера Sigma Software University
Вимоги до учасників курсу Big Data:
- Знання одної з мов програмування на середньому рівні: Python, Scala, Java тощо
- Знання SQL
- Базові знання роботи операційних систем Linux/Bash
- Знання Docker
Щоб зрозуміти твій рівень підготовки, просимо написати та надіслати менеджеру курсу про свій досвід у вивченні мов програмування або досвід роботи у сфері ІТ.
Розкрий свій потенціал у сфері Big Data, вивчай разом з нами машинне навчання, аналітику та найновіші технології та стань висококваліфікованим data-інженером, здатним робити обґрунтовані стратегічні рішення у своєму професійному шляху.
FAQ
Який рівень англійської потрібен для навчання на курсі по Біг дата?
Щоб онлайн-курс Big Data пройшов для тебе максимально ефективно та успішно, рекомендований рівень знання англійської мови – Intermediate або вище, бо, як вже було сказано вище, на заняттях буде багато використовуватись англійська термінологія.
Чи є вікові обмеження для проходження курсу?
На нашому курсі немає вікових обмежень – кожна людина, незалежно від віку може прийти на курс та отримати необхідні йому або їй знання.
Чи передбачені програмою курсу практичні заняття?
Так, програма курсу передбачає практичні заняття. Ти матимеш можливість застосовувати отримані знання на практиці.
