Posljednjih osam godina radim kao voditelj projekta (ne pišem kod na poslu), što prirodno negativno utječe na moje tehnološko znanje. Odlučio sam smanjiti svoje tehnološko zaostajanje i započeti karijeru kao Data engineer. Glavna vještina Data engineera je sposobnost dizajniranja, izrade i održavanja skladišta podataka.
Sastavio sam plan učenja, mislim da će biti koristan ne samo za mene. Plan je usmjeren na samostalno učenje tečajeva. Prioritet se daje besplatnim tečajevima na hrvatskom jeziku.
Teme:
- Algoritmi i strukture podataka. Ključna tema. Ako ju svladaš — sve ostalo će također ići lakše. Važno je steći praksu u pisanju koda i korištenju osnovnih struktura i algoritama.
- Baze i skladišta podataka, Poslovna inteligencija. Od algoritama prelazimo na skladištenje i obradu podataka.
- Hadoop i Big Data. Kada podaci ne stanu na tvrdi disk ili kada ih treba analizirati, a Excel ih više ne može učitati, tada počinju veliki podaci. Po mom mišljenju, na ovaj dio treba preći tek nakon dubokog proučavanja prethodna dva.
Algoritmi i strukture podataka
U svoj plan uključio sam učenje Pythona, ponavljanje osnova matematike i algoritmizacije.
Baze i skladišta podataka, Business Intelligence
- Knjiga: Martin Kleppmann — Visokointegrirani aplikacije. Programiranje, skaliranje, podrška. Knjiga opisuje kako rade različiti modeli podataka, njihovu unutarnju implementaciju, ograničenja i izbor ovisno o zadatku.
Teme povezane s izradom skladišta podataka, ETL, OLAP-kocke uvelike ovise o alatima, stoga u ovom dokumentu ne navodim poveznice na tečajeve. Razmjerno je učiti takve sustave dok radite na konkretnom projektu u određenoj tvrtki. Za upoznavanje s ETL-om možete isprobati ili .
Po mom mišljenju, važno je proučiti suvremenu metodologiju dizajniranja skladišta podataka Data Vault , . A najbolji način da ga naučite je uzeti i realizirati na jednostavnom primjeru. Na GitHubu postoji nekoliko primjera realizacije Data Vault . Moderna knjiga o skladištima podataka: Modeling the Agile Data Warehouse with Data Vault autora Hansa Hultgrena.
Za upoznavanje s alatima Business Intelligence za krajnje korisnike može se koristiti besplatan alat za izradu izvještaja, nadzornih ploča i mini skladišta podataka Power BI Desktop. Obrazovni materijali: , .
Hadoop i Big Data
- Trebate početi s vlastitom implementacijom MapReduce bez vanjskih biblioteka. To će vam u budućnosti omogućiti bolje razumijevanje višeslojnih implementacija. Sjajan primjer na Pythonu opisan je .
Zaključak
Nije sve što naučite primjenjivo na poslu. Stoga je bitan završni projekt u kojem ćete pokušati primijeniti nova znanja.
Plan ne uključuje teme vezane uz analizu podataka i strojno učenje, jer se to više odnosi na profesiju Data Scientist. Također, nema tema povezanih s oblakom AWS, Azure jer te teme uvelike ovise o izboru platforme.
Pitanja zajednici:
Koliko je razuman moj plan usavršavanja? Što ukloniti ili dodati?
Koji projekt biste preporučili kao završni rad?
Izvor: habr.com
