/data-engineering

Getting Started with Data Enngineering

Primary LanguageJupyter NotebookMIT LicenseMIT

cover

Добро пожаловать в Data Learn

Data Learn - это открытый ресурс, главная задача которого - научить вас.

Так как мы не коммерческая организация, мы очень хотим, чтобы наше время, затраченное на создание материалов, помогло вам. И у нас реальные учителя, которые работали в крупнейших компаниях в разных странах и городах и хотят помочь другим стать чуточку успешней ;)

Пожалуйста дочитайте страницу до конца и вы найдете всю необходимую информацию.

Курсы Data learn

🕹 Getting Started with Analytics (Data) Engineering - курс про мою работу инженером данных и мой 10+ летний опыт создания аналитических решений в России, Европе, Канаде и США. Если бы я брал на работу инженера данных или BI инженера, я бы хотел, чтобы он обладал знаниями и компетенциями, которые мы затронем в курсе. Курс включает в себя базовые вещи, такие как Business Intelligence инструменты, базы данных, ETL инструменты, облачные вычисления и многое другое. Даже если у вас нету опыта с данными, то это вам не помешает. Первые несколько модулей будут посвящены основам аналитики и классическим задачам: Business Intelligence (отчетность, визуализация, хранилище данных, SQL, Excel, интеграция данных). Это будет достаточно для профессии BI разработчик, Аналитик и тп. Начиная с 5-6 модуля мы начнем углубляться непосредственно в работу Инженера Данных, опираясь на знания, полученные на начальных этапах.

🕹 Getting Started with Machine Learning and Data Science (ML-101) - курс от Анастасии Риццо о теории Машинного Обучения и Data Science, с понятной теорией и практическими кейсами из реальной жизни. Курс включает в себя 3 модуля: Первый модуль про теорию машинного Обучения и ДС; Второй модуль посвящен Регрессии (теория и практика); Третий модуль про Классификацию (тоже теория и 2 практических кейса). Курс позволяет вам примерить профессию Data Scientist на себя и особенно подойдет тем, кому страшно, но очень интересно начать изучать данную тематику.

🕹 Поиск работы для аналитических специальностей в России и за рубежом - курс от Анастасии Дробышевой. Анастасия профессиональный консультант по рынку труда и карьерному развитию. За 10 лет Анастасия провела более 2 000 карьерных консультаций, специализируется на IT/ digital, internet & e-commerce. Использует лучшие международные практики, полученные в работе с крупными американскими компаниями. В 2017 г. переехала из России в Словению, поэтому не понаслышке знает о поиске работы за границей. Курс включает в себя 5 модулей. Задача курса ー описать весь процесс поиска работы и дать вам инструменты для самостоятельного джобхантинга в любой стране.

Также мне хотелось бы выделить еще один элемент - Аналитическое Комьюнити для Женщин. Я вижу большой спрос на такого рода сообщества на западе и я подумал, что было бы классно иметь такое в русскоязычном сообществе для того, чтобы прекрасная половина могла изучать аналитику и технологии в своей комфортной зоне и со своей скоростью. Я бы хотел, чтобы нашлись заинтересованные девушки, кто будет развивать это направление, а я бы помогал с контентом (на данном этапе в этом направлении пока ничего не делается).

Также у нас есть отличная возможность проводить вебинары и приглашать спикеров со всего мира. Возможно, получится даже привлечь компании, которые будут заинтересованы в специалистах. Да и само сообщество должно помочь в поиске работы и сотрудников.

Сложно осуществить всё задуманное в одиночку, будьте проактивными и помогайте!

Навигация

  1. Вы регистрируетесь на сайте Data Learn.
  2. На сайте появляется страница, на которой будет ссылка на не большой опрос про ваш опыт и интерес к ресурсу. Вам нужно заполнить опрос.
  3. Когда вы пройдете опрос, на странице по завершения опроса вы увидите ссылку приглашение в Slack.

Каналы в Slack

  • data_learn_announce - главный канал, в него мы публикуем новости, анонсируем новые видео. Вы можете комментировать сообщения.
  • data_learn_chat - болталка для всех и обо всем.
  • de_moduleXX-cohortXX - у каждого модуля будет отдельный канал, где будет обсуждаться домашнее задание и можно попросить помощи у коллег.
  • de-moduleXX-final-project - иногда будут интересные финальные проекты, как в модуле 3 или 4.
  • ask-help-with-data-stuff - можно задать вопрос на любую тему или попросить помочь с вашей работой.
  • x_data_learn_github - это канал почти как спам, туда попадают уведомления об изменении GitHub репозитория.
  • boltalka - это канал обо всем.
  • sql-chat - канал посвящен вопросам SQL.
  • what_i_learnt - канал, где вы можете рассказать о том, что вы выучили и какой курс прошли.
  • python-chat - канал посвящен вопросам Python.
  • spark-chat - канал посвящен вопросам Spark и Databricks.
  • jobs - канал для дата вакансий.

Вы можете добавить канал слака и посмотреть на весь список доступных каналов, кликнув на + img

Структура репозитория

Это репозиторий ресурса Datalearn.ru. Наша задача - это распространение знаний в области аналитики, связанных с Инжинирингом данных, подходами, лучшими практиками и инструментами.

  • DE-101 Guide.md - это наш учебник, конспект лекций курса DE-101 (Getting Started with Analytics & Data Engineering), который содержит всю необходимую информация и имеет ссылки на необходимые ресурсы (видео, упражнения и тд) для успешного прохождения курса.

  • Папки DE-101 Modules/ModuleXX/ - информация по конкретному модулю курса. Вы найдете там: ссылку на видео урок, дополнительные материалы (опционально) и домашнее задание (обязательно)

  • Папки DE-101 Modules/ModuleXX/Lab/ - информация по упражнениям курса. В папка будет находится информация по домашним заданиям для каждого модуля, если есть необходимость.

Начало обучения - Введение в Аналитику и Инжиниринг Данных (DE-101)

Вы можете ознакомится с вводными видео лекциями:

  1. Вводная информация Data Learn.
  2. Что будет на курсах Data Learn.

Начало обучения

Для начала курса перейдите в наш учебник DE-101. В нем вы найдете необходимую информацию и ссылки на главы учебника.

Поддержка Курса

Когда вы начнете проходить курс, возможно вы захотите поддержать data learn, вы можете это сделать с помощью:

Всем спасибо и до встречи на курсе и в нашем сообществе Data Learn в Slack.