https://t.me/data_days/271
#Dagster #vs #Airflow
И отдельно поворчу про манеру автора ставить ссылки. С одной стороны клёво, что их прям много, видно что он их собирал со всего интернета и аккуратно складывал в нужную папочку, чтобы вставить в релевантный абзац.
С другой: ставить ссылки на рандомные слова в предложение — моветон. В двух случаях это ссылки на статьи на Медиуме, потом ссылка на вырезку в ютубе или вообще Тикток. Страшно неудобно, особенно с мобилы.
Отдельно зашёл с компа и протыкал все ссылки. Мемчики с тиктоками оставил в авторском оригинале, а отдельно собрал ссылки на всякие статьи-заметки:
- Moving past Airflow: Why Dagster is the next-generation data orchestrator
- Why Not Airflow?
- The Unbundling of Airflow
- Airflow's Problem
- Data plane activation
- Either-or decisions
- The powder keg of the modern data stack
- The data OS
- Data Traffic Control with Apache Airflow
- (Re)Introducing Prefect: The Global Coordination Plane
[Перевод] Отход от Airflow: почему Dagster — это оркестратор данных следующего поколения
https://habr.com/ru/articles/867132/
#dagster #docker #оркестрация #разработка
#Dagster #vs #Airflow
И отдельно поворчу про манеру автора ставить ссылки. С одной стороны клёво, что их прям много, видно что он их собирал со всего интернета и аккуратно складывал в нужную папочку, чтобы вставить в релевантный абзац.
С другой: ставить ссылки на рандомные слова в предложение — моветон. В двух случаях это ссылки на статьи на Медиуме, потом ссылка на вырезку в ютубе или вообще Тикток. Страшно неудобно, особенно с мобилы.
Отдельно зашёл с компа и протыкал все ссылки. Мемчики с тиктоками оставил в авторском оригинале, а отдельно собрал ссылки на всякие статьи-заметки:
- Moving past Airflow: Why Dagster is the next-generation data orchestrator
- Why Not Airflow?
- The Unbundling of Airflow
- Airflow's Problem
- Data plane activation
- Either-or decisions
- The powder keg of the modern data stack
- The data OS
- Data Traffic Control with Apache Airflow
- (Re)Introducing Prefect: The Global Coordination Plane
[Перевод] Отход от Airflow: почему Dagster — это оркестратор данных следующего поколения
https://habr.com/ru/articles/867132/
#dagster #docker #оркестрация #разработка
Канал DS_edu_courses сделал #гайд по бесплатным/недорогим курсам для начинающих свой путь в профессию Data Science.
из: https://t.me/rockyourdata/3804?comment=21087
- Математика, статистика:
Основы математики для цифровых профессий. Яндекс
Математика для поступающих в магистратуру. МФТИ
Линейная алгебра. CSC
Линейная алгебра. МФТИ
Математический анализ (часть 1). CSC
Математический анализ (часть 2). CSC
Основы математического анализа. МФТИ
Теория вероятностей (часть 1). CSC
Теория вероятностей (часть 2). CSC
Теория вероятностей – наука о случайности (часть 1). ТГУ
Теория вероятностей – наука о случайности (часть 2). ТГУ
Основы статистики (часть 1). Институт биоинформатики
Основы статистики (часть 2). Институт биоинформатики
Основы статистики (часть 3). Институт биоинформатики
Математическая статистика. CSC
Прикладной статистический анализ. ВШЭ
Статистика для анализа данных. ВШЭ
Эконометрика. ВШЭ
- Алгоритмы:
Алгоритмы: теория и практика. Методы. CSC
Алгоритмы: теория и практика. Структуры данных. CSC
Подготовка к алгоритмическому собеседованию. Яндекс
- Python:
Программирование на Python. Институт биоинформатики
Python: основы и применение. Институт биоинформатики
"Поколение Python": курс для начинающих. BEEGEEK
"Поколение Python": курс для продвинутых. BEEGEEK
Python-разработка для начинающих. Нетология
Основы Python. Хекслет
Python для извлечения и обработки данных. ВШЭ
Python для искусственного интеллекта. МФТИ
Data Science: будущее для каждого. Нетология
Практикум по математике и Python. Степик
Основы Pandas для начинающих. Степик
Практикум по Pandas. Степик
- R:
Анализ данных в R (часть 1). Институт биоинформатики
Анализ данных в R (часть 2). Институт биоинформатики
Основы программирования на R. Институт биоинформатики
R для лингвистов: программирование и анализ данных. ВШЭ
- Базы данных:
Интерактивный тренажер по SQL. ДВФУ
Оконные функции SQL. Степик
Введение в SQL и работу с базой данных. Нетология
Свободное погружение в СУБД. CSC
Базы данных. СПбГУ
Упражнения по SQL
- ML:
Введение в Data Science и машинное обучение. Институт биоинформатики
Машинное обучение. ОмГТУ
Быстрый старт в искусственный интеллект. МФТИ
Анализ данных на практике. МФТИ
Основы машинного обучения. ВШЭ
- Нейронные сети:
Нейронные сети. Институт биоинформатики
Введение в искусственные нейронные сети. ОмГТУ
Специальные архитектуры нейронных сетей. ОмГТУ
Нейронные сети и компьютерное зрение Samsung
Нейронные сети и обработка текста. Samsung
Программирование глубоких нейронных сетей на Python. УрФУ
Анализ текстовых данных. ВШЭ
Компьютерное зрение. ВШЭ
- Другое:
Методы анализа и прогнозирования временных рядов. УрФУ
Hadoop. Система для обработки больших объемов данных. VK
Введение в Linux. Институт биоинформатики
Введение в Git. Хекслет
Основы Git. Степик
Основы командной строки. Хекслет
Инженер облачных сервисов. Яндекс
Excel для работы. Яндекс
#курсы #DS #free
из: https://t.me/rockyourdata/3804?comment=21087
- Математика, статистика:
Основы математики для цифровых профессий. Яндекс
Математика для поступающих в магистратуру. МФТИ
Линейная алгебра. CSC
Линейная алгебра. МФТИ
Математический анализ (часть 1). CSC
Математический анализ (часть 2). CSC
Основы математического анализа. МФТИ
Теория вероятностей (часть 1). CSC
Теория вероятностей (часть 2). CSC
Теория вероятностей – наука о случайности (часть 1). ТГУ
Теория вероятностей – наука о случайности (часть 2). ТГУ
Основы статистики (часть 1). Институт биоинформатики
Основы статистики (часть 2). Институт биоинформатики
Основы статистики (часть 3). Институт биоинформатики
Математическая статистика. CSC
Прикладной статистический анализ. ВШЭ
Статистика для анализа данных. ВШЭ
Эконометрика. ВШЭ
- Алгоритмы:
Алгоритмы: теория и практика. Методы. CSC
Алгоритмы: теория и практика. Структуры данных. CSC
Подготовка к алгоритмическому собеседованию. Яндекс
- Python:
Программирование на Python. Институт биоинформатики
Python: основы и применение. Институт биоинформатики
"Поколение Python": курс для начинающих. BEEGEEK
"Поколение Python": курс для продвинутых. BEEGEEK
Python-разработка для начинающих. Нетология
Основы Python. Хекслет
Python для извлечения и обработки данных. ВШЭ
Python для искусственного интеллекта. МФТИ
Data Science: будущее для каждого. Нетология
Практикум по математике и Python. Степик
Основы Pandas для начинающих. Степик
Практикум по Pandas. Степик
- R:
Анализ данных в R (часть 1). Институт биоинформатики
Анализ данных в R (часть 2). Институт биоинформатики
Основы программирования на R. Институт биоинформатики
R для лингвистов: программирование и анализ данных. ВШЭ
- Базы данных:
Интерактивный тренажер по SQL. ДВФУ
Оконные функции SQL. Степик
Введение в SQL и работу с базой данных. Нетология
Свободное погружение в СУБД. CSC
Базы данных. СПбГУ
Упражнения по SQL
- ML:
Введение в Data Science и машинное обучение. Институт биоинформатики
Машинное обучение. ОмГТУ
Быстрый старт в искусственный интеллект. МФТИ
Анализ данных на практике. МФТИ
Основы машинного обучения. ВШЭ
- Нейронные сети:
Нейронные сети. Институт биоинформатики
Введение в искусственные нейронные сети. ОмГТУ
Специальные архитектуры нейронных сетей. ОмГТУ
Нейронные сети и компьютерное зрение Samsung
Нейронные сети и обработка текста. Samsung
Программирование глубоких нейронных сетей на Python. УрФУ
Анализ текстовых данных. ВШЭ
Компьютерное зрение. ВШЭ
- Другое:
Методы анализа и прогнозирования временных рядов. УрФУ
Hadoop. Система для обработки больших объемов данных. VK
Введение в Linux. Институт биоинформатики
Введение в Git. Хекслет
Основы Git. Степик
Основы командной строки. Хекслет
Инженер облачных сервисов. Яндекс
Excel для работы. Яндекс
#курсы #DS #free
Telegram
DS_edu_courses
Чат канала "Курсы Data Science"
Основной канал: https://t.me/ds_course
Администратор: @olegziul
Основной канал: https://t.me/ds_course
Администратор: @olegziul
28 октября 2022
VI конференция СберУниверситета
про тренды в образовании
Конференция СберУниверситета для тех, кто вовлечен в обучение в роли преподавателя и слушателя
Топ-менеджмент Сбера, CEO крупных компаний и корпоративных университетов, руководители и преподаватели ведущих бизнес-школ и вузов, а также EdTech-специалисты.
Кому полезно
Руководителям компаний, HR-директорам, L&D-специалистам, ректорам и представителям вузов, корпоративных университетов и бизнес-школ, экспертам в сфере образования и профессионалам EdTech-сообщества.
Участвовать
VI конференция СберУниверситета
про тренды в образовании
Конференция СберУниверситета для тех, кто вовлечен в обучение в роли преподавателя и слушателя
Топ-менеджмент Сбера, CEO крупных компаний и корпоративных университетов, руководители и преподаватели ведущих бизнес-школ и вузов, а также EdTech-специалисты.
Кому полезно
Руководителям компаний, HR-директорам, L&D-специалистам, ректорам и представителям вузов, корпоративных университетов и бизнес-школ, экспертам в сфере образования и профессионалам EdTech-сообщества.
Участвовать
Работа на российскую компанию из-за рубежа: нюансы и риски
https://t.me/foranalysts/4882
https://vc.ru/hr/525349-rabota-na-rossiyskuyu-kompaniyu-iz-za-rubezha-nyuansy-i-riski
https://t.me/dataengineering_chat_ru/55993
#remote #jobs #удалёнка
https://t.me/foranalysts/4882
https://vc.ru/hr/525349-rabota-na-rossiyskuyu-kompaniyu-iz-za-rubezha-nyuansy-i-riski
https://t.me/dataengineering_chat_ru/55993
#remote #jobs #удалёнка
Forwarded from Products Events
Telegram
Иван Доронин | Карьера в ИТ
Когда ты устраиваешься в международную компанию, как правило, процесс отбора проходит в 3 этапа. На первом этапе рекрутер тебе задает общие вопросы про твой опыт, мотивацию, зарплату и прочее, а на втором и третьем этапе тебе задают технические и ситуационные…
Forwarded from karpov.courses
Как тренировать навыки, закрывать пробелы в знаниях и готовиться к техническим собеседованиям? Курсы и видео на YouTube — это хорошо, но не стоит ограничиваться только этими источниками. Мы собрали сайты, где вы можете потренироваться в написании кода на Python и SQL.
Forwarded from karpov.courses
● InterviewBit
Платформа для подготовки к техническим интервью. Внутри — вопросы, которые можно услышать на собеседованиях в такие компании, как Google, Facebook и Amazon. В зависимости от вашего уровня и целей сервис составит оптимальный план подготовки и подберёт наиболее подходящие задачи.
● StrataScratch
Сервис, созданный специально для тренировки навыков, востребованных в сфере Data Science. Здесь можно целенаправленно готовиться к собеседованиям либо просто прорабатывать слабые места — на сайте есть более тысячи реальных вопросов с интервью в BigTech компании.
● CodeWars
На Codewars можно практиковаться в написании кода на более чем 55 языках программирования. Задачи будут подобраны под ваш грейд, и по мере выполнения он будет повышаться. Также после отправки ответа у вас будет возможность посмотреть решения других пользователей.
● CodeChef
Особенность CodeChef заключается в том, что помимо решения задач пользователи могут участвовать в ежемесячных соревнованиях, продвигаться в таблице рейтинга и даже получать призы! Соревновательный дух может стать сильной мотивацией :)
● Py.Checkio
Py.Checkio — необычный сервис, где можно учиться писать код на Python в игровом формате. По мере выполнения заданий вы будете открывать новые локации и переходить к более сложным задачам.
● LeetCode
Идеальная платформа для тех, кто только начинает свой путь в IT. LeetCode позволяет решать задачи разных уровней сложности, отслеживать прогресс готовиться к техническим интервью и изучать решения опытных программистов. По праву считается одним из самых популярных тренажёров для развития профессиональных навыков.
Платформа для подготовки к техническим интервью. Внутри — вопросы, которые можно услышать на собеседованиях в такие компании, как Google, Facebook и Amazon. В зависимости от вашего уровня и целей сервис составит оптимальный план подготовки и подберёт наиболее подходящие задачи.
● StrataScratch
Сервис, созданный специально для тренировки навыков, востребованных в сфере Data Science. Здесь можно целенаправленно готовиться к собеседованиям либо просто прорабатывать слабые места — на сайте есть более тысячи реальных вопросов с интервью в BigTech компании.
● CodeWars
На Codewars можно практиковаться в написании кода на более чем 55 языках программирования. Задачи будут подобраны под ваш грейд, и по мере выполнения он будет повышаться. Также после отправки ответа у вас будет возможность посмотреть решения других пользователей.
● CodeChef
Особенность CodeChef заключается в том, что помимо решения задач пользователи могут участвовать в ежемесячных соревнованиях, продвигаться в таблице рейтинга и даже получать призы! Соревновательный дух может стать сильной мотивацией :)
● Py.Checkio
Py.Checkio — необычный сервис, где можно учиться писать код на Python в игровом формате. По мере выполнения заданий вы будете открывать новые локации и переходить к более сложным задачам.
● LeetCode
Идеальная платформа для тех, кто только начинает свой путь в IT. LeetCode позволяет решать задачи разных уровней сложности, отслеживать прогресс готовиться к техническим интервью и изучать решения опытных программистов. По праву считается одним из самых популярных тренажёров для развития профессиональных навыков.
🔥2
Forwarded from Курсы Data Science
🚀 До 5 ноября объявлян дополнительный отбор в команду ЦМФ для реализации образовательных и исследовательских проектов команды ЦМФ
https://vk.com/cmf_russia
https://vk.com/cmf_russia
Forwarded from Python Job | Вакансии | Стажировки
Уже завтра, 2 ноября в 19:00 по МСК будет вебинар от наших партнеров из CodeReview, посвященном составлению резюме.
Ставьте напоминалку и присоединяйтесь к трансляции.
Место встречи: тг-канал IT Jobs | Вакансии в IT
И кстати, мы дарим вам промокод: ITJOBS (скидка 10%) на все продукты CodeReview!
Ставьте напоминалку и присоединяйтесь к трансляции.
Место встречи: тг-канал IT Jobs | Вакансии в IT
И кстати, мы дарим вам промокод: ITJOBS (скидка 10%) на все продукты CodeReview!
Forwarded from Курсы Data Science
Амазон сделал бесплатными курсы по AWS:https://www.amazon.com/s?i=courses&rh=p_27%3AAWS+Training+%26+Certification
Forwarded from Events | DevKG
Neobis : Эфир Саниры: Как я проходила техническое интервью в Google/Meta.
Локация: Онлайн
Дата: 11 ноября 2022 в 19:00
Тэги: #neobis
Подробности тут:
https://devkg.com/tg/e-735
Чат и другие каналы: @devkg
Локация: Онлайн
Дата: 11 ноября 2022 в 19:00
Тэги: #neobis
Подробности тут:
https://devkg.com/tg/e-735
Чат и другие каналы: @devkg
Forwarded from Инжиниринг Данных (Roman Ponomarev)
Всем привет!
2022-11-10 (четверг) вебинар в 21:00 по мск
Тема: Как аналитику составить огненное 🔥 резюме и попасть в зарубежную компанию?
Ссылка на вебинар: https://youtu.be/6N7KReARb4s
Как раз актуалочка для вас (так как в чате периодически есть разговоры про работу в том числе и как устроиться в зарубежную компанию)
Рассказывает Крис - ранее тимлид команд аналитики, сейчас - ментор и автор канала Айти психолог.
За 7 лет работы в айти Крис просмотрела около пяти сотен резюме: сначала поработав аналитиком в HR бразильского стартапа, а позже как руководитель в бразильском убере и российском Яндексе.
На вебинаре мы обсудим:
- на чем в CV сделать акцент, подавая заявки за границу
- типичные ошибки или «почему ваше CV скинут в сброс даже не посмотрев»
- что актуально в CV сейчас
Будет полезно аналитикам - в первую очередь, но также и прожектам, продактам, разработчикам и всем, кто подаётся в айти компании за границу.
2022-11-10 (четверг) вебинар в 21:00 по мск
Тема: Как аналитику составить огненное 🔥 резюме и попасть в зарубежную компанию?
Ссылка на вебинар: https://youtu.be/6N7KReARb4s
Как раз актуалочка для вас (так как в чате периодически есть разговоры про работу в том числе и как устроиться в зарубежную компанию)
Рассказывает Крис - ранее тимлид команд аналитики, сейчас - ментор и автор канала Айти психолог.
За 7 лет работы в айти Крис просмотрела около пяти сотен резюме: сначала поработав аналитиком в HR бразильского стартапа, а позже как руководитель в бразильском убере и российском Яндексе.
На вебинаре мы обсудим:
- на чем в CV сделать акцент, подавая заявки за границу
- типичные ошибки или «почему ваше CV скинут в сброс даже не посмотрев»
- что актуально в CV сейчас
Будет полезно аналитикам - в первую очередь, но также и прожектам, продактам, разработчикам и всем, кто подаётся в айти компании за границу.
YouTube
Как аналитику составить огненное резюме и попасть в зарубежную компанию?
Рассказывает Крис - ранее тимлид команд аналитики, сейчас - ментор и автор канала Айти психолог: https://t.me/it_psycho
За 7 лет работы в айти Крис просмотрела около пяти сотен резюме: сначала поработав аналитиком в HR бразильского стартапа, а позже как руководитель…
За 7 лет работы в айти Крис просмотрела около пяти сотен резюме: сначала поработав аналитиком в HR бразильского стартапа, а позже как руководитель…
Forwarded from 👨🏼💻Перекладываю 📊 в 🌲🇫🇮
В комментах спросили с чего начать изучение DE с нуля:
1) Найти курсы по DE, посмотреть какие инструменты и технологии указаны там в программе курса. Выписать их себе (инструменты, не курсы) в план на изучение, и искать статьи, видео уроки, курсы по этим инструментам\технологиям.
2) Найти людей, которые работают в этом направлении, и спросить у них, что они чаще всего используют в работе, как вообще выглядят задачи, и что стоит изучить. Выписать тоже в список.
3) Изучать и отрабатывать на практике (искать тестовые задания выложенные в сети, придумать себе пет-проект), на тренажёрах.
Готово, вы великолепны.
Первым шагом — идём на бесплатный курс от Data Learn https://datalearn.ru/ от Дмитрия Аношина https://t.me/rockyourdata (которому лично я очень благодарен за его курс, т.к. я не чистый DE, я всё-таки Data Analyst, в первую очередь (в частности Web Analyst / Marketing Analyst, если говорить про доменную экспертизу). И его курс мне помог освоить дополнительные инструменты, чтобы делать не только DA задачи, но и DE (и потом ещё и офер на работу Data Engineer получить).
Поэтому этот курс, это прям первейшее что надо открыть. И по мере изучения профессии и инструментария — гуглить уже уроки и документацию по каждому отдельному инструменту, изучать их глубже, тренироваться на практике.
Перечень DEшных buzzwords, с чем я сталкивался на практике в работе — python, sql, airflow, dbt, postgresql, clickhouse, google bigquery, tableau, powerbi, google data studio, looker, spark, kafka (было дело пускал руки и в AWS пару раз, но чаще работал с Гугловой экосистемой).
Как можно это всё освоить:
1) Осваиваем SQL — https://stepik.org/course/63054/(бесплатный тренажёр, очень качественный), https://stepik.org/course/90778/ (это более прикладной ПЛАТНЫЙ, но дешёвый, курс, с SQL именно под Data задачи) и отдельно курс по оконным функциям https://stepik.org/course/95367/ (стоит копейки, но стоит того, окошки на собесах часто спрашивают)
2) Осваиваем Питон — я изучал по https://stepik.org/course/67/ и https://stepik.org/course/512/ (оба бесплатные), но, говорят, что https://stepik.org/course/58852/ и https://stepik.org/course/68343/ гораздо лучше по части донесения информации (оба бесплатные) и https://stepik.org/course/82541/ (третья ступень, платная, про неё ничего не слышал)
3) Осваиваем азы Pandas — https://stepik.org/course/74457/ (бесплатно)
4) Осваиваем азы Airflow — https://stepik.org/course/99527/promo#toc (платный)
5) Осваиваем архитектуру и вообще Базы Данных — https://stepik.org/course/551/ (бесплатно) , тут и про архитектуры, и про Нормальные Формы и т.п. https://stepik.org/course/70710/ (бесплатно) — более глубокое погружение в БД и СУБД.
6) Осваиваем Git — полно бесплатных уроков на ютубе, практиковаться можно на своём гитхаб аккаунте.
6) Осваиваем Облака — https://practicum.yandex.ru/ycloud/ (бесплатный курс), я предпочитаю Google Cloud Platform, но для простоты доступности (к Гугл Облаку надо карту привязывать, а с этим щас проблемы могут быть) начать освоение можно с Yandex.Cloud или VK Cloud
7) Осваиваем Spark, Kafka, Hadoop — не могу посоветовать бесплатные курсы, т.к. осваивал их на платных курсах и «в бою» на задачах сразу, гугля «КАК СДЕЛАТЬ ___ в Spark», и с помощью коллег. Но начни с модулей бесплатного Data Learn, а там сориентируешься куда гуглить и как. И, возможно, вот этот курс https://stepik.org/lesson/699607/ (бесплатно) подойдёт для азов и обзорного понимания Спарка
8) Осваиваем dbt — у них свои бесплтаные курсы прям на сайте лежат https://courses.getdbt.com/collections
Когда Data Learn и курсы выше будут пройдены — можно идти к Карпову на https://karpov.courses/dataengineer (за деньги, дорого). И погружаться в более ядрёные штуки под присмотром наставников и кураторов.
1) Найти курсы по DE, посмотреть какие инструменты и технологии указаны там в программе курса. Выписать их себе (инструменты, не курсы) в план на изучение, и искать статьи, видео уроки, курсы по этим инструментам\технологиям.
2) Найти людей, которые работают в этом направлении, и спросить у них, что они чаще всего используют в работе, как вообще выглядят задачи, и что стоит изучить. Выписать тоже в список.
3) Изучать и отрабатывать на практике (искать тестовые задания выложенные в сети, придумать себе пет-проект), на тренажёрах.
Готово, вы великолепны.
Первым шагом — идём на бесплатный курс от Data Learn https://datalearn.ru/ от Дмитрия Аношина https://t.me/rockyourdata (которому лично я очень благодарен за его курс, т.к. я не чистый DE, я всё-таки Data Analyst, в первую очередь (в частности Web Analyst / Marketing Analyst, если говорить про доменную экспертизу). И его курс мне помог освоить дополнительные инструменты, чтобы делать не только DA задачи, но и DE (и потом ещё и офер на работу Data Engineer получить).
Поэтому этот курс, это прям первейшее что надо открыть. И по мере изучения профессии и инструментария — гуглить уже уроки и документацию по каждому отдельному инструменту, изучать их глубже, тренироваться на практике.
Перечень DEшных buzzwords, с чем я сталкивался на практике в работе — python, sql, airflow, dbt, postgresql, clickhouse, google bigquery, tableau, powerbi, google data studio, looker, spark, kafka (было дело пускал руки и в AWS пару раз, но чаще работал с Гугловой экосистемой).
Как можно это всё освоить:
1) Осваиваем SQL — https://stepik.org/course/63054/(бесплатный тренажёр, очень качественный), https://stepik.org/course/90778/ (это более прикладной ПЛАТНЫЙ, но дешёвый, курс, с SQL именно под Data задачи) и отдельно курс по оконным функциям https://stepik.org/course/95367/ (стоит копейки, но стоит того, окошки на собесах часто спрашивают)
2) Осваиваем Питон — я изучал по https://stepik.org/course/67/ и https://stepik.org/course/512/ (оба бесплатные), но, говорят, что https://stepik.org/course/58852/ и https://stepik.org/course/68343/ гораздо лучше по части донесения информации (оба бесплатные) и https://stepik.org/course/82541/ (третья ступень, платная, про неё ничего не слышал)
3) Осваиваем азы Pandas — https://stepik.org/course/74457/ (бесплатно)
4) Осваиваем азы Airflow — https://stepik.org/course/99527/promo#toc (платный)
5) Осваиваем архитектуру и вообще Базы Данных — https://stepik.org/course/551/ (бесплатно) , тут и про архитектуры, и про Нормальные Формы и т.п. https://stepik.org/course/70710/ (бесплатно) — более глубокое погружение в БД и СУБД.
6) Осваиваем Git — полно бесплатных уроков на ютубе, практиковаться можно на своём гитхаб аккаунте.
6) Осваиваем Облака — https://practicum.yandex.ru/ycloud/ (бесплатный курс), я предпочитаю Google Cloud Platform, но для простоты доступности (к Гугл Облаку надо карту привязывать, а с этим щас проблемы могут быть) начать освоение можно с Yandex.Cloud или VK Cloud
7) Осваиваем Spark, Kafka, Hadoop — не могу посоветовать бесплатные курсы, т.к. осваивал их на платных курсах и «в бою» на задачах сразу, гугля «КАК СДЕЛАТЬ ___ в Spark», и с помощью коллег. Но начни с модулей бесплатного Data Learn, а там сориентируешься куда гуглить и как. И, возможно, вот этот курс https://stepik.org/lesson/699607/ (бесплатно) подойдёт для азов и обзорного понимания Спарка
8) Осваиваем dbt — у них свои бесплтаные курсы прям на сайте лежат https://courses.getdbt.com/collections
Когда Data Learn и курсы выше будут пройдены — можно идти к Карпову на https://karpov.courses/dataengineer (за деньги, дорого). И погружаться в более ядрёные штуки под присмотром наставников и кураторов.
❤2👍2🔥2