მონაცემთა ინჟინერია
კურსის აღწერა
მონაცემთა ინჟინერია არის ფუნდამენტი, რომელზეც თანამედროვე Data ეკოსისტემა დგას. თავისი არსით, მონაცემთა ინჟინერიის მიზანია ისეთი სისტემებისა და ინფრასტრუქტურის დიზაინის შემუშავება და დაპროექტება, რომელიც ავტომატურ რეჟიმში შეაგროვებს, შეინახავს და გააანალიზებს მათ. უპირველეს ყოვლისა, მონაცემთა ინჟინერიის მიზანია, შეიმუშავოს ისეთი მეთოდოლოგიები და ხელსაწყოები, რომელიც პროცესების მაქსიმალურ სრულყოფილებას, ინფორმაციის მდგრადობასა და სანდოობას უზრუნველყოფს.
ფუნდამენტურ ცნებებსა და კონცეფციებთან ერთად, კურსის ფარგლებში სტუდენტები შეისწავლიან მონაცემთა ინჟინერიისთვის ისეთი საკვანძო ტექნოლოგიებისა და ხელსაწყოების გამოყენებას, როგორებიცაა Apache Airflow, Apache Kafka, მონაცემთა დროებითი და მდგრადი სანახი სისტემები (SQL, PostgreSQL, Redis), მონაცემებისთვის ვებ სერვისების დაპროექტება (FastAPI) და Python-ის სხვადასხვა ბიბლიოთეკა. გაიაზრებენ, თუ როგორ ურთიერთქმედებენ ერთმანეთში სხვადასხვა ტექნოლოგია/ხელსაწყოები და როგორ გვეხმარება თეორიული კონცეფტები პრაქტიკის სრულყოფაში.
კურსის გავლის შემდეგ შეგეძლება
-
Python-ის გამოყენება მონაცემთა ტრანსფორმაციისთვისა და მანიპულაციისთვის;
-
Python-ის მონაცემთა ინჟინერიისა და მონაცემთა ბაზების ბიბლიოთეკების პრაქტიკული გამოყენება;
-
მაღალი წარმადობისა და მდგრადობის პროექტების არქიტექტურული დიზაინის დაპროექტება;
-
მაღალი წარმადობის ვებ სერვისების გამართვა (FastAPI) და დაპროექტება;
-
მონაცემთა მდგრადობისა და ხარისხის უზრუნველყოფა;
-
ETL და ELT პროცესების დიფერენციაცია და იმპლემენტაცია სხვადასხვა Data პროექტში;
-
მონაცემთა ტრანსფორმაციის პროცესების გამართვა, ორკესტრაცია, დაპროექტება და ანალიზი;
-
მონაცემთა დროებით და მდგრად სანახ სისტემებთან მუშაობა (Redis and postgres);
-
მონაცემთა ნაკადების ორკესტრაციისა და დაპროექტების სისტემა, Apache Airflow-ს პრაქტიკული გამოყენება;
-
DAG-ებისა და Scheduler-ების ცნებების გააზრება;
-
Data Workflow სისტემების ანალიზი და დაპროექტება;
-
Apache Kafka-ს ფუნდამენტური კონცეფციების გააზრება;
-
პრაქტიკული მუშაობის უნარი Data Stream-ებსა და Message Broker-ებთან;
-
მონაცემთა შორის დამოკიდებულებებისა და კავშირების ანალიზი/დაპროექტება;
-
მონაცემთა სხვადასხვა შენახვის კონცეფციების პრინციპების გააზრება და მათთან მუშაობა (Data Warehousing, Data Marting)
ვისთვის არის კურსი
კურსი განკუთვნილია მათთვის, ვისაც უკვე შესწავლილი აქვს პროგრამირების ენა Python და სურს, თავისი წვლილი შეიტანოს ინფორმაციის მოპოვების, დამუშავებისა და შენახვის პროცესებში. გარდა ამისა, აქვს ანალიტიკური და დეტალებზე ორიენტირებული აზროვნება, კარგად იცის ინგლისური ენა და სურვილი აქვს, შეისწავლოს მონაცემთა ინჟინერია, მასთან დაკავშირებული კონცეფციები, პრაქტიკული ხელსაწყოები და ტექნოლოგიები.
კურსის განმავლობაში სტუდენტმა უნდა უზრუნველყოს წვდომა PyCharm Pro-ზე.
კურსი მოიცავს
კურსი მოიცავს პრაქტიკაზე დაფუძნებულ სწავლებას, რაშიც იგულისხმება დავალებები / სავარჯიშოები და ინდივიდუალური პროექტი.
პროგრამის განმავლობაში მიიღებ რჩევებსა და კონსულტაციებს კარიერული დაგეგმვის კუთხით. მისი წარმატებით დასრულების შემთხვევაში კი გექნება კარიერული მხარდაჭერა Commschool-ის პარტნიორი კომპანიებისგან, რაც გამოიხატება ექსკლუზიურ სამუშაო შემოთავაზებებსა და სტაჟირებაში.
კურსის წარმატებით დასრულების შემდეგ სტუდენტი მიიღებს ორენოვან სერტიფიკატს.
კურსს გაუძღვება:
გუჯა ლომსაძე
დეტალები: მონაცემთა ინჟინერია
|
შეფასებები
შეაფასე პირველმა: “მონაცემთა ინჟინერია” კომენტარის გაუქმება
-
01. Data Engineering – მიმოხილვა
-
02. მონაცემთა ინჟინერიაზე ორიენტირებული Python (ნაწილი 1)
-
03. მონაცემთა ინჟინერიაზე ორიენტირებული Python (ნაწილი 2)
-
04. ასინქრონულობა და პარალელიზმი
-
05. ფაილებთან მუშაობა (ნაწილი 1)
-
06. ფაილებთან მუშაობა (ნაწილი 2)
-
07. ვებ სერვისები (API) და FastAPI (ნაწილი 1)
-
08. ვებ სერვისები (API) და FastAPI (ნაწილი 2)
-
09. შესავლები რელაციურ და არარელაციურ მონაცემთა ბაზებში
-
10. SQL
-
11. Advanced SQL
-
12. Data Engineering შესავლები (ნაწილი 1)
-
13. Data Engineering შესავლები (ნაწილი 2)
-
14. Intermediate Data Engineering (ნაწილი 1)
-
15. Intermediate Data Engineering (ნაწილი 2)
-
16. Data Warehousing კონცეფციები
-
17. Redis
-
18. Intermediate Redis
-
19. Advanced Data Engineering – Data Streaming (ნაწილი 1)
-
20. Advanced Data Engineering – Data Streaming (ნაწილი 2)
-
21. Advanced Data Engineering – Data Streaming (ნაწილი 3)
-
22. Advanced Data Engineering – Apache Airflow (ნაწილი 1)
-
23. Advanced Data Engineering – Apache Airflow (ნაწილი 2)
-
24. Advanced Data Engineering – Apache Airflow (ნაწილი 3)
-
25. Advanced Data Engineering – Apache Airflow (ნაწილი 4)
-
26. Advanced Data Engineering – Apache Airflow (ნაწილი 5)
-
27. პროექტი 1: Distributed Task Queue With Kafka, FastAPI, And Redis (ნაწილი 1)
-
28. პროექტი 1: Distributed Task Queue With Kafka, FastAPI, And Redis (ნაწილი 2)
-
29. პროექტი 2: Distributed Task Queue With Kafka, FastAPI, And Redis (ნაწილი 3)
-
30. პროექტი 3: Automated Report Generation With Airflow (ნაწილი 1)
-
31. პროექტი 3: Automated Report Generation With Airflow (ნაწილი 2)
-
32. Data Engineering Designs And Architecture
-
33. ფინალური პროექტი
₾2,500
მსგავსი კურსები
ვებპროგრამირება JavaScript
Node JS
ვებ პროგრამირება ASP.NET MVC
Oracle Development (SQL + PL/SQL)
₾2,500
შეფასებები ჯერ არ არის.