Data Warehouse Analyst
Моделирование данных, Продвинутая аналитика, Дашбординг и BI, ELT и аналитические СУБД
Длительность обучения:
5 месяцев
,
4
ак. часа
в
нед.
Что даст вам этот курс
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:
– 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
Ссылка на подробную программу курса
Преподаватели
Необходимые знания
- SQL: аналитические функции, CTE;
- Знакомство с принципами работы СУБД;
- Базовые навыки программирования на Python, виртуальные окружения;
- Базовые знания Docker.
Корпоративное обучение для ваших сотрудников
>
Программа обучения
В процессе обучения вы получите комплексные знания и навыки.
Тема 1.
Источники данных: классификация и особенности
Тема 2.
Инструменты для выгрузки данных
Тема 3.
Инструменты для выгрузки данных
Тема 4.
Принципы построения DWH
Тема 5.
Аналитические движки (СУБД) для работы с данными
Тема 6.
Знакомство с Data Build Tool
Тема 7.
DBT: Analytics Engineering
Тема 8.
Разбор ДЗ – Выгрузка данных веб-счетчика
Тема 9.
Оркестрация скриптов и задач – 1
Тема 10.
Оркестрация скриптов и задач – 2
Тема 11.
Data Quality
Тема 12.
Вопросы оптимизации производительности
Тема 13.
Разбор ДЗ – Конфигурирование и запуск проекта dbt
Тема 14.
Data Vault – 1
Тема 15.
Airflow 3
Тема 16.
Разбор ДЗ – Подготовка и установка на расписание DAG выгрузки данных из источников
Тема 17.
Data Vault – 2
Тема 18.
Data Vault – 3
C 13 июля
Тема 19.
BI: Обзор
Тема 20.
BI: Deployment
Тема 21.
BI: Modeling & Delivering
Тема 22.
Разбор ДЗ – Организация детального слоя DWH по методологии Data Vault
Тема 23.
Analytics: Базовые аналитические витрины
Тема 24.
Analytics: Сквозная аналитика
Тема 25.
Разбор ДЗ – Конфигурация и развертывание BI-решения
Тема 26.
Analytics: Продвинутые аналитические витрины
C 24 августа
Тема 27.
DWH: Advanced topics
Тема 28.
DBT: Extending with modules
Тема 29.
DWH: Monitoring + Workload management
Тема 30.
Разбор ДЗ – Визуализация и дашбординг для аналитических витрин
Тема 31.
DWH: External + Semi-structured data
Тема 32.
DWH: Reverse-ETL
Тема 33.
DWH: Machine Learning capabilities
C 19 сентября
Тема 34.
Разбор кейса: end-to-end solution
Тема 35.
Разбор ДЗ – Advanced DWH: Configuring CI, dbt modules, External tables
Тема 36.
Дальнейшее развитие навыков
C 28 сентября
Тема 37.
Выбор темы и организация проектной работы
Тема 38.
Защита проектных работ
Скачать подробную программу
Выпускной проект
Выпускной проект будет состоять из следующих этапов:
– Сформулировать цель аналитического приложения, business value
– Представить архитектуру ресурсов и компонентов системы
– Классифицировать источники данных, регулярность загрузки, форматы данных и структуру
– Смоделировать Хранилища Данных
– Развернуть BI-инструмент
– Визуализировать данные в наглядном и понятном виде на дашбордах
– Сделать несколько интересных выводов
– * Опубликовать результаты работы на Хабр/…, выложить код на Github
Темы на выбор (+ есть возможность заявить собственную):
– Social media / Telegram channels / Twitter analysis
– Open Data: Covid, Taxi trips, Kaggle, ...
– Web analysis: crawling, parsing, analysing websites
– Marketing analytics: performance + attribution
– Сформулировать цель аналитического приложения, business value
– Представить архитектуру ресурсов и компонентов системы
– Классифицировать источники данных, регулярность загрузки, форматы данных и структуру
– Смоделировать Хранилища Данных
– Развернуть BI-инструмент
– Визуализировать данные в наглядном и понятном виде на дашбордах
– Сделать несколько интересных выводов
– * Опубликовать результаты работы на Хабр/…, выложить код на Github
Темы на выбор (+ есть возможность заявить собственную):
– Social media / Telegram channels / Twitter analysis
– Open Data: Covid, Taxi trips, Kaggle, ...
– Web analysis: crawling, parsing, analysing websites
– Marketing analytics: performance + attribution
Процесс обучения
Все обучение проходит онлайн: вебинары, общение с преподавателями и вашей группой в слаке курса, сдача домашних работ и получение обратной связи от преподавателя.
Вебинары идут дважды в неделю по 2 академических часа (то есть астрономических 1,5 часа). Все вебинары сохраняются и в записи в вашем личном кабинете.
Домашнее задание выдается в среднем раз в 2 недели, а его выполнение занимает 3-5 часов. Мы горячо призываем заниматься такой самостоятельной работой, так как это поможет вам качественно освоить все изучаемые технологии на практике с поддержкой и обратной связью наших преподавателей.
Возникающие вопросы по материалам лекций, домашним заданиям и по выпускному проекту вы сможете задавать преподавателю в слаке или во время вебинаров.
Курс длится 3 месяца, а финальный отводится для выполнения проектной работы, досдачи домашних заданий и вопросов преподавателям.
Выполнение проектной работы помогает усвоению практических навыков, а тема проекта отдельно выносится в сертификат. Во время работы над проектом студенты получают консультации и обратную связь от преподавателей в слаке группы и на проектных занятиях.
Вебинары идут дважды в неделю по 2 академических часа (то есть астрономических 1,5 часа). Все вебинары сохраняются и в записи в вашем личном кабинете.
Домашнее задание выдается в среднем раз в 2 недели, а его выполнение занимает 3-5 часов. Мы горячо призываем заниматься такой самостоятельной работой, так как это поможет вам качественно освоить все изучаемые технологии на практике с поддержкой и обратной связью наших преподавателей.
Возникающие вопросы по материалам лекций, домашним заданиям и по выпускному проекту вы сможете задавать преподавателю в слаке или во время вебинаров.
Курс длится 3 месяца, а финальный отводится для выполнения проектной работы, досдачи домашних заданий и вопросов преподавателям.
Выполнение проектной работы помогает усвоению практических навыков, а тема проекта отдельно выносится в сертификат. Во время работы над проектом студенты получают консультации и обратную связь от преподавателей в слаке группы и на проектных занятиях.
Получить консультацию
Наш
специалист
свяжется
с вами в ближайшее время. Если у вас возникли трудности в
выборе
курса или проблемы технического плана, то мы с радостью
поможем
вам.
После обучения вы
Заберете с собой:
- основные и дополнительные материалы, и видеозаписи занятий;
- образцы кода;
- собственный проект, который можно будет показывать при трудоустройстве;
- сертификат о прохождении обучения.
- получите приглашение пройти собеседование в компаниях-партнерах (эту возможность получают самые успешные студенты).
Дата выдачи сертификата: 20 июня 2023 года
Ваш сертификат
онлайн-образование
Сертификат №0001
Константин Константинопольский
Успешно закончил курс «Data Warehouse Analyst»
Выполнено практических заданий: 16 из 16
Общество с ограниченной ответственностью “Отус Онлайн-Образование”
Город:
Москва
Директор департамента образования
ООО “Отус Онлайн-Образование”
Анна Фирсова
Лицензия на осуществление образовательной деятельности
№ 039825 от 28 декабря 2018 года.
№ 039825 от 28 декабря 2018 года.
Прошедшие открытые вебинары
Открытый вебинар — это настоящее занятие в режиме он-лайн с
преподавателем курса, которое позволяет
посмотреть, как проходит процесс обучения. В ходе занятия
слушатели имеют возможность задать вопросы и
получить знания по реальным практическим кейсам.
Открытый урок "End-to-end решение для аналитики на примере источника MaestroQA"
Артемий Козырь
День открытых дверей
22 ноября 2021 года в 20:00
Оставьте заявку, чтобы получить доступ к записям прошедших мероприятий.
Записи всех мероприятий появятся в этом блоке
