12 διαδικτυακά μαθήματα Μηχανικής Δεδομένων

12 διαδικτυακά μαθήματα Μηχανικής Δεδομένων
Σύμφωνα με τη Statista, έως το 2025 το μέγεθος της αγοράς μεγάλων δεδομένων θα αυξηθεί στα 175 zettabyte σε σύγκριση με 41 το 2019 (πρόγραμμα). Για να βρείτε δουλειά σε αυτόν τον τομέα, πρέπει να κατανοήσετε πώς να εργάζεστε με μεγάλα δεδομένα που είναι αποθηκευμένα στο cloud. Το Cloud4Y έχει συντάξει μια λίστα με 12 επί πληρωμή και δωρεάν μαθήματα μηχανικής δεδομένων που θα διευρύνουν τις γνώσεις σας στον τομέα και μπορούν να αποτελέσουν ένα καλό σημείο εκκίνησης στην πορεία σας προς τις πιστοποιήσεις cloud.

πρόλογος

Τι είναι ένας μηχανικός δεδομένων; Αυτό είναι το άτομο που είναι υπεύθυνο για τη δημιουργία και τη διατήρηση της αρχιτεκτονικής δεδομένων σε ένα έργο Data Science. Οι ευθύνες μπορεί να περιλαμβάνουν τη διασφάλιση ομαλής ροής δεδομένων μεταξύ του διακομιστή και της εφαρμογής, την ενσωμάτωση νέου λογισμικού διαχείρισης δεδομένων, τη βελτίωση των υποκείμενων διαδικασιών δεδομένων και τη δημιουργία αγωγών δεδομένων.

Υπάρχει ένας τεράστιος αριθμός τεχνολογιών και εργαλείων που πρέπει να κατέχει ένας μηχανικός δεδομένων για να εργαστεί με υπολογιστικό νέφος, αποθήκες δεδομένων, ETL (εξαγωγή, μετασχηματισμός, φόρτωση) κ.λπ. Επιπλέον, ο αριθμός των απαιτούμενων δεξιοτήτων αυξάνεται συνεχώς, Έτσι, ένας μηχανικός δεδομένων πρέπει να αναπληρώνει τακτικά τις γνώσεις του. Η λίστα μας περιλαμβάνει μαθήματα για αρχάριους και έμπειρους επαγγελματίες. Διαλέξτε αυτό που σας ταιριάζει.

1. Πιστοποίηση Νανοβαθμίδας Μηχανικής Δεδομένων (Udacity)

Θα μάθετε πώς να σχεδιάζετε μοντέλα δεδομένων, να δημιουργείτε αποθήκες δεδομένων και λίμνες δεδομένων, να αυτοματοποιείτε αγωγούς δεδομένων και να εργάζεστε με συστοιχίες συνόλων δεδομένων. Στο τέλος του προγράμματος, θα δοκιμάσετε τις νέες σας δεξιότητες ολοκληρώνοντας ένα έργο Capstone.

Διάρκεια: 5 μήνες, 5 ώρες την εβδομάδα
Γλώσσα: Αγγλικά
Τιμή: $ 1695
Επίπεδο: αρχικό

2. Γίνετε Πιστοποίηση Μηχανικού Δεδομένων (Coursera)

Διδάσκουν από τα βασικά. Μπορείτε να προχωρήσετε βήμα προς βήμα, χρησιμοποιώντας διαλέξεις και πρακτικά έργα για να εργαστείτε πάνω στις δεξιότητές σας. Μέχρι το τέλος της εκπαίδευσης, θα είστε έτοιμοι να εργαστείτε με ML και μεγάλα δεδομένα. Συνιστάται να γνωρίζετε Python τουλάχιστον σε ένα ελάχιστο επίπεδο.

Διάρκεια: 8 μήνες, 10 ώρες την εβδομάδα
Γλώσσα: Αγγλικά
Τιμή????
Επίπεδο: αρχικό

3. Γίνετε Μηχανικός Δεδομένων: Κατακτώντας τις Έννοιες (LinkedIn Μάθησης)

Θα αναπτύξετε δεξιότητες μηχανικής δεδομένων και DevOps, θα μάθετε πώς να δημιουργείτε εφαρμογές Big Data, θα δημιουργείτε αγωγούς δεδομένων, θα επεξεργάζεστε εφαρμογές σε πραγματικό χρόνο χρησιμοποιώντας το Hazelcast και μια βάση δεδομένων Hadoop.

Διάρκεια: Εξαρτάται από σένα
Γλώσσα: Αγγλικά
Τιμή: πρώτος μήνας - δωρεάν
Επίπεδο: αρχικό

4. Μαθήματα Μηχανικής Δεδομένων (EDX)

Ακολουθεί μια σειρά προγραμμάτων που σας εισάγουν στη μηχανική δεδομένων και σας διδάσκουν πώς να αναπτύσσετε αναλυτικές λύσεις. Τα μαθήματα χωρίζονται σε κατηγορίες με βάση το επίπεδο δυσκολίας, οπότε μπορείτε να επιλέξετε ένα ανάλογα με το επίπεδο εμπειρίας σας. Κατά τη διάρκεια της εκπαίδευσης θα μάθετε να χρησιμοποιείτε τα Spark, Hadoop, Azure και να διαχειρίζεστε εταιρικά δεδομένα.

Διάρκεια: Εξαρτάται από σένα
Γλώσσα: Αγγλικά
Τιμή: εξαρτάται από το επιλεγμένο μάθημα
Επίπεδο: αρχάριος, μεσαίος, προχωρημένος

5. Μηχανικός Δεδομένων (DataQuest)

Αυτό το μάθημα αξίζει να παρακολουθήσετε εάν έχετε εμπειρία με την Python και θέλετε να εμβαθύνετε τις γνώσεις σας και να δημιουργήσετε μια καριέρα ως επιστήμονας δεδομένων. Θα μάθετε πώς να δημιουργείτε αγωγούς δεδομένων χρησιμοποιώντας Python και panda, φορτώνοντας μεγάλα σύνολα δεδομένων σε μια βάση δεδομένων Postgres μετά τον καθαρισμό, τη μετατροπή και την επικύρωση.

Διάρκεια: Εξαρτάται από σένα
Γλώσσα: Αγγλικά
Τιμή: εξαρτάται από τη φόρμα συνδρομής
Επίπεδο: αρχάριος, μεσαίος

6. Τεχνολογία δεδομένων με το Google Cloud (Coursera)

Αυτό το μάθημα θα σας βοηθήσει να αποκτήσετε τις δεξιότητες που χρειάζεστε για να χτίσετε μια καριέρα στα μεγάλα δεδομένα. Για παράδειγμα, εργασία με BigQuery, Spark. Θα αποκτήσετε τις γνώσεις που χρειάζεστε για να προετοιμαστείτε για την αναγνωρισμένη από τον κλάδο πιστοποίηση Google Cloud Professional Data Engineer.

Διάρκεια: 4 μήνες
Γλώσσα: Αγγλικά
Τιμή: δωρεάν προς το παρόν
Επίπεδο: αρχάριος, μεσαίος

7. Μηχανική Δεδομένων, Μεγάλα Δεδομένα στην Πλατφόρμα Google Cloud (Coursera)

Ένα ενδιαφέρον μάθημα που παρέχει πρακτική γνώση συστημάτων επεξεργασίας δεδομένων στο GCP. Κατά τη διάρκεια του μαθήματος, θα μάθετε πώς να σχεδιάζετε συστήματα πριν ξεκινήσετε τη διαδικασία ανάπτυξης. Επιπλέον, θα αναλύσετε επίσης τόσο δομημένα όσο και μη δομημένα δεδομένα, θα εφαρμόσετε αυτόματη κλιμάκωση και θα εφαρμόσετε τεχνικές ML για την εξαγωγή πληροφοριών.

Διάρκεια: 3 μήνες
Γλώσσα: Αγγλικά
Τιμή: δωρεάν προς το παρόν
Επίπεδο: αρχάριος, μεσαίος

8. UC San Diego: Big Data Specialization (Coursera)

Το μάθημα βασίζεται στη χρήση του πλαισίου Hadoop και Spark και στην εφαρμογή αυτών των τεχνικών μεγάλων δεδομένων στη διαδικασία ML. Θα μάθετε τα βασικά της χρήσης του Hadoop με το MapReduce, το Spark, το Pig και το Hive. Μάθετε πώς να δημιουργείτε προγνωστικά μοντέλα και να χρησιμοποιείτε αναλυτικά γραφήματα για να μοντελοποιείτε προβλήματα. Σημειώστε ότι αυτό το μάθημα δεν απαιτεί καμία εμπειρία προγραμματισμού.

Διάρκεια: 8 μήνες 10 ώρες την εβδομάδα
Γλώσσα: Αγγλικά
Τιμή: δωρεάν προς το παρόν
Επίπεδο: αρχικό

9. Εξημέρωση μεγάλων δεδομένων με Apache Spark και Python (Udemy)

Θα μάθετε πώς να χρησιμοποιείτε τη δομή ροής και τα πλαίσια δεδομένων στο Spark3 και θα κατανοήσετε πώς να χρησιμοποιείτε την υπηρεσία Elastic MapReduce της Amazon για να εργαστείτε με το σύμπλεγμα Hadoop. Μάθετε να εντοπίζετε προβλήματα στην ανάλυση μεγάλων δεδομένων και κατανοήστε πώς λειτουργούν οι βιβλιοθήκες GraphX ​​με την ανάλυση δικτύου και πώς μπορείτε να χρησιμοποιήσετε το MLlib.

Διάρκεια: Εξαρτάται από σένα
Γλώσσα: Αγγλικά
Τιμή: από 800 ρούβλια έως 149,99 $ (ανάλογα με την τύχη σας)
Επίπεδο: αρχάριος, μεσαίος

10. Πρόγραμμα PG in Big Data Engineering (upGrad)

Αυτό το μάθημα θα σας δώσει να κατανοήσετε πώς λειτουργεί το Aadhaar, πώς το Facebook εξατομικεύει τη ροή ειδήσεων και πώς μπορεί να χρησιμοποιηθεί γενικά η Μηχανική Δεδομένων. Βασικά θέματα θα είναι η επεξεργασία δεδομένων (συμπεριλαμβανομένης της επεξεργασίας σε πραγματικό χρόνο), το MapReduce, η ανάλυση μεγάλων δεδομένων.

Διάρκεια: 11 μήνας
Γλώσσα: Αγγλικά
Τιμή: περίπου $3000
Επίπεδο: αρχικό

11. Επάγγελμα Επιστήμονας Δεδομένων (skillbox)

Θα μάθετε να προγραμματίζετε σε Python, να μελετάτε τα πλαίσια εκπαίδευσης των νευρωνικών δικτύων Tensorflow και Keras. Κατακτήστε τις βάσεις δεδομένων MongoDB, PostgreSQL, SQLite3, μάθετε να εργάζεστε με τις βιβλιοθήκες Pandas, NumPy και Matpotlib.

Διάρκεια: 300 ώρες προπόνηση
Γλώσσα: Ρωσική
Τιμή: πρώτοι έξι μήνες δωρεάν, στη συνέχεια 3900 ρούβλια το μήνα
Επίπεδο: αρχικό

12. Data Engineer 7.0 (Εργαστήριο Νέων Επαγγελμάτων)

Θα λάβετε μια εις βάθος μελέτη των Kafka, HDFS, ClickHouse, Spark, Airflow, αρχιτεκτονικής λάμδα και αρχιτεκτονικής κάπα. Θα μάθετε πώς να συνδέετε εργαλεία μεταξύ τους, σχηματίζοντας αγωγούς, λαμβάνοντας μια βασική λύση. Για τη μελέτη απαιτείται ελάχιστη γνώση Python 3.

Διάρκεια: 21 μαθήματα, 7 εβδομάδες
Γλώσσα: Ρωσική
Τιμή: από 60 έως 000 ρούβλια
Επίπεδο: αρχικό

Εάν θέλετε να προσθέσετε ένα άλλο καλό μάθημα στη λίστα, μπορείτε να καταργήσετε την εγγραφή σας στα σχόλια ή σε ένα PM. Θα ενημερώσουμε την ανάρτηση.

Τι άλλο μπορείτε να διαβάσετε στο blog; Cloud4Y

Ποια είναι η γεωμετρία του σύμπαντος;
Πασχαλινά αυγά σε τοπογραφικούς χάρτες της Ελβετίας
Μια απλοποιημένη και πολύ σύντομη ιστορία της ανάπτυξης των "σύννεφων"
Πώς κατέρρευσε η τράπεζα;
Μάρκες υπολογιστών της δεκαετίας του '90, μέρος 3, τελικό

Εγγραφείτε στο Telegram-κανάλι για να μην χάσετε το επόμενο άρθρο. Γράφουμε όχι περισσότερο από δύο φορές την εβδομάδα και μόνο για επαγγελματικούς λόγους. Υπενθυμίζουμε επίσης ότι στις 21 Μαΐου στις 15:00 (ώρα Μόσχας) θα πραγματοποιήσουμε webinar με θέμα «Ασφάλεια επιχειρηματικών πληροφοριών κατά την εξ αποστάσεως εργασία». Εάν θέλετε να κατανοήσετε πώς να προστατεύσετε ευαίσθητες και εταιρικές πληροφορίες όταν οι εργαζόμενοι εργάζονται από το σπίτι, εγγραφείτε!

Πηγή: www.habr.com

Προσθέστε ένα σχόλιο