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:

– Практики построения end-to-end аналитических решений
– 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

Карта курсов направления Data Science в OTUS

Преподаватели

Артемий Козырь

Analytics Engineer, Wheely

Никита Баканчев

Senior Data Engineer, iGaming

Максим Мигутин

Алексей Железной

Data Engineer, Wildberries

7+ лет опыта в области Хранилищ Данных, ELT pipelines, Анализа данных и визуализации.
Опыт работы над сервисами в компаниях Wheely, Sber, Moscow Exchange, PwC.
Сферы интересов: Data Modeling, Advanced analytics, Marketing Attribution, Data Quality, DevOps.

Верю в то, что данные – это ключевой элемент в принятии обоснованных и разумных бизнес-решений. Люблю находить простые решения для сложных задач. Не люблю повторять одни и те же ошибки, но с удовольствием приветствую новый опыт.

Blogging: Technology Enthusiast and Habr
2+ года веду занятия в ОТУС: Data Engineer, Hadoop Ecosystem, DWH Analyst

Более 7 лет опыта разработки и проектирования хранилищ данных в российских и одном европейском топ-банках. Работал на позициях как разработчика и аналитика, так и тимлида команды DWH, архитектора DWH.

Академический опыт: 6 лет преподавания годичного курса “Базы данных” в МИРЭА для бакалавров. Также готовил студентов для получения как степени бакалавра, так и магистра.

На данный момент Senior Data Engineer в эстонском iGaming стартапе.
Интересы: все что связано с обработкой данных, в особенности, Modern Data Stack

Более 5-ти лет опыта в индустрии Данных & Аналитики в роли внешнего консультанта (IBM) и in-house лидера Data Engineering и Data Science-проектов (Альфа-Банк, Yum! Brands).
Сферы интересов: построение end-to-end аналитических систем, внедрение инструментов Машинного обучения в промышленную эксплуатацию, Рекомендательные системы, MPP-базы данных.
Образование: МГУ им. Ломоносова, математическая кафедра Экономического факультета

Более 3 лет коммерческого опыта в качестве Data Engineer, Data Analyst в банковской и sales&marketing сферах, более 7 лет вовлечен в IT-сферу. Работаю с задачами в области Data Ingestion, ELT/ETL pipelines, анализа и визуализации данных, а также написания различных сервисов и скриптов на ЯП Python.

На данный момент - Middle+ Data Engineer в компании Wildberries, преподаватель в ОТУС на курсах DWH Analyst и Data Engineer.

Образование: магистратура - ВШЭ направления "Системная и программная инженерия" факультета Компьютерных Наук; бакалавриат - ВГУ, кафедра обработки информации и машинного обучения факультета Компьютерных Наук

Артемий
Козырь

Никита
Баканчев

Максим
Мигутин

Алексей
Железной

Преподаватели

Артемий Козырь

Analytics Engineer, Wheely

Никита Баканчев

Senior Data Engineer, iGaming

Максим Мигутин

Алексей Железной

Data Engineer, Wildberries

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

Подробнее

Получить план обучения для сотрудников

Нажимая кнопку, я принимаю условия Политики конфидециальности

Мы обещаем не присылать вам спам

Спасибо!

Мы получили Вашу заявку, в ближайшее время с Вами свяжется наш менеджер.

Программа обучения

В процессе обучения вы получите комплексные знания и навыки.

Модуль 1 ELT: Структура и типы источников данных

Тема 1. Источники данных: классификация и особенности

Тема 2. Инструменты для выгрузки данных

Тема 3. Инструменты для выгрузки данных

Модуль 2 DWH Basics

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

Модуль 3 DWH Intermediate

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. Разбор ДЗ – Подготовка и установка на расписание DAG выгрузки данных из источников

Тема 16. Data Vault – 2

Тема 17. Data Vault – 3

Модуль 4 Business Intelligence

Тема 18. BI: Обзор

Тема 19. BI: Deployment

Тема 20. BI: Modeling & Delivering

Тема 21. Разбор ДЗ – Организация детального слоя DWH по методологии Data Vault

Тема 22. Airflow 3

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

Модуль 5 DWH Advanced topics

C 29 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

Модуль 6 Recap

C 21 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

Модуль 7 Проектная работа

C 3 октября

Тема 37. Выбор темы и организация проектной работы

Тема 38. Защита проектных работ

Скачать подробную программу

Получить подробную программу обучения

Нажимая кнопку, я принимаю условия Политики конфидециальности

Мы обещаем не присылать вам спам

Получить подробную программу обучения

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

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.

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.

Я принимаю условия Политики конфиденциальности и Пользовательского соглашения

Спасибо!

Мы получили Вашу заявку, в ближайшее время с Вами свяжется наш менеджер.

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.

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.

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