{"id":55327,"date":"2020-01-18T00:00:00","date_gmt":"2020-01-17T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/samye-vostrebovannye-navyki-v-professii-data-engineer"},"modified":"2020-02-18T14:03:26","modified_gmt":"2020-02-18T11:03:26","slug":"samye-vostrebovannye-navyki-v-professii-data-engineer","status":"publish","type":"post","link":"https:\/\/prohoster.info\/hu\/blog\/administrirovanie\/samye-vostrebovannye-navyki-v-professii-data-engineer","title":{"rendered":"A legkeresettebb k\u00e9szs\u00e9gek a data engineer szakm\u00e1ban","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

A k\u00f6vetkez\u0151 szerint a 2019-es statisztik\u00e1k szerint<\/a><\/noindex>, a data engineer jelenleg a leggyorsabban n\u00f6vekv\u0151 szakma. A data engineer kritikus szerepet j\u00e1tszik a szervezetekben \u2013 l\u00e9trehozza \u00e9s karbantartja azokat a cs\u00f6veket \u00e9s adatb\u00e1zisokat, amelyeket az adatok feldolgoz\u00e1s\u00e1ra, \u00e1talak\u00edt\u00e1s\u00e1ra \u00e9s t\u00e1rol\u00e1s\u00e1ra haszn\u00e1lnak. Milyen k\u00e9szs\u00e9gekre van sz\u00fcks\u00e9g ennek a szakm\u00e1nak a k\u00e9pvisel\u0151i sz\u00e1m\u00e1ra? K\u00fcl\u00f6nb\u00f6zik-e a lista att\u00f3l, ami a data scientistokt\u00f3l elv\u00e1rhat\u00f3? Mindezt megtudhatja cikkemb\u0151l.<\/p>\n

Elemz\u00e9st v\u00e9geztem a data engineer poz\u00edci\u00f3kra vonatkoz\u00f3 \u00e1ll\u00e1shirdet\u00e9sekr\u0151l, ahogy 2020 janu\u00e1rj\u00e1ban megjelentek, hogy meg\u00e9rthessem, mely technol\u00f3giai k\u00e9szs\u00e9gek a legkeresettebbek. Ezut\u00e1n az eredm\u00e9nyeket \u00f6sszehasonl\u00edtottam a data scientist poz\u00edci\u00f3kra vonatkoz\u00f3 \u00e1ll\u00e1shirdet\u00e9si statisztik\u00e1kkal \u2013 \u00edgy \u00e9rdekes elt\u00e9r\u00e9sekre bukkantam.<\/p>\n

Hosszas bevezet\u0151k n\u00e9lk\u00fcl \u2013 itt van a t\u00edz leggyakrabban eml\u00edtett technol\u00f3gia az \u00e1ll\u00e1shirdet\u00e9sek sz\u00f6veg\u00e9ben:<\/p>\n

\"A<\/p>\n

Technol\u00f3gi\u00e1k eml\u00edt\u00e9se a data engineer poz\u00edci\u00f3kra vonatkoz\u00f3 hirdet\u00e9sekben 2020-ban<\/i><\/p>\n

N\u00e9zz\u00fck meg r\u00e9szletesen.
\n<\/a><\/noindex><\/p>\n

A data engineer feladatai<\/h4>\n

\nA mai napon a data engineer-ek \u00e1ltal v\u00e9gzett munka rendk\u00edv\u00fcli fontoss\u00e1ggal b\u00edr a szervezetek sz\u00e1m\u00e1ra \u2013 \u0151k felelnek az inform\u00e1ci\u00f3k t\u00e1rol\u00e1s\u00e1\u00e9rt, \u00e9s biztos\u00edtj\u00e1k, hogy azokat m\u00e1s munkat\u00e1rsak is fel tudj\u00e1k haszn\u00e1lni. A data engineer-ek cs\u00f6veket alak\u00edtanak ki az adatok \u00e1raml\u00e1s\u00e1nak be\u00e1ll\u00edt\u00e1s\u00e1hoz, legyenek azok folyamatos vagy csomagolt adatok, sok forr\u00e1sb\u00f3l. Ezt k\u00f6vet\u0151en a cs\u00f6vek v\u00e9grehajtanak olyan m\u0171veleteket, mint az adatok kinyer\u00e9se, \u00e1talak\u00edt\u00e1sa \u00e9s bet\u00f6lt\u00e9se (m\u00e1s szavakkal: ETL-folyamatok), ez\u00e1ltal az adatokat megfelel\u0151bb\u00e9 t\u00e9ve a tov\u00e1bbi felhaszn\u00e1l\u00e1sra. Azt\u00e1n az adatokat az elemz\u0151k \u00e9s data scientistok tov\u00e1bbfeldolgoz\u00e1sra kapj\u00e1k. V\u00e9g\u00fcl az adatok \u00fatra kelnek az inform\u00e1ci\u00f3s panelekre, jelent\u00e9sekre \u00e9s g\u00e9pi tanul\u00e1si modellekre.<\/p>\n

Olyan inform\u00e1ci\u00f3t kerestem, amely alapj\u00e1n k\u00f6vetkeztet\u00e9seket vonhatn\u00e9k le arr\u00f3l, hogy mely technol\u00f3gi\u00e1k a legkeresettebbek a data engineer munk\u00e1j\u00e1ban jelenleg.<\/p>\n

M\u00f3dszerek<\/h4>\n

\nH\u00e1rom \u00e1ll\u00e1skeres\u0151 weboldalr\u00f3l gy\u0171jt\u00f6ttem adatokat \u2013 SimplyHired<\/a><\/noindex>, Indeed<\/a><\/noindex> \u00e9s Monster<\/a><\/noindex> \u00e9s megn\u00e9ztem, hogy mely kulcsszavak fordulnak el\u0151 a \u201edata engineer\u201d kifejez\u00e9ssel \u00f6sszef\u00fcgg\u00e9sben az Egyes\u00fclt \u00c1llamok lak\u00f3i sz\u00e1m\u00e1ra k\u00e9sz\u00fclt \u00e1ll\u00e1shirdet\u00e9sekben. Ehhez a feladathoz k\u00e9t Python k\u00f6nyvt\u00e1rat haszn\u00e1ltam \u2013 Requests<\/a><\/noindex> \u00e9s Beautiful Soup<\/a><\/noindex>A kulcsszavak k\u00f6z\u00e9 tartoznak azok, amelyeket a kor\u00e1bbi adatkutat\u00f3i \u00e1ll\u00e1sokra vonatkoz\u00f3 elemz\u0151list\u00e1n is szerepeltettem, valamint azok, amelyeket manu\u00e1lisan v\u00e1lasztottam ki, amikor az adatfeldolgoz\u00f3k \u00e1ll\u00e1shirdet\u00e9seit olvastam. A LinkedIn nem ker\u00fclt az forr\u00e1sok k\u00f6z\u00e9, mivel ott el\u00e9rhetetlenn\u00e9 v\u00e1ltam a m\u00faltkori adatgy\u0171jt\u00e9si k\u00eds\u00e9rletem ut\u00e1n.<\/p>\n

Minden kulcssz\u00f3 eset\u00e9ben sz\u00e1moltam a tal\u00e1latok ar\u00e1ny\u00e1t a vizsg\u00e1lt webhelyek sz\u00f6vegeihez viszony\u00edtva, majd kisz\u00e1m\u00edtottam a h\u00e1rom forr\u00e1s \u00e1tlagos \u00e9rt\u00e9k\u00e9t.<\/p>\n

Eredm\u00e9nyek<\/h4>\n

\nAz al\u00e1bbiakban harminc m\u0171szaki kifejez\u00e9s tal\u00e1lhat\u00f3 az adatfeldolgoz\u00e1s ter\u00fclet\u00e9r\u0151l, amelyek a legmagasabb \u00e9rt\u00e9keket \u00e9rt\u00e9k el mindh\u00e1rom \u00e1ll\u00e1shirdet\u00e9si webhelyen.<\/p>\n

\"A<\/p>\n

\u00cdme ugyanazok a sz\u00e1mok t\u00e1bl\u00e1zatos form\u00e1ban:<\/p>\n

\"A<\/p>\n

N\u00e9zz\u00fck sorrendben.<\/p>\n

Az eredm\u00e9nyek \u00e1ttekint\u00e9se<\/b><\/p>\n

Mind a SQL, mind a Python szerepel az \u00f6sszes vizsg\u00e1lt \u00e1ll\u00e1shirdet\u00e9s t\u00f6bb mint k\u00e9tharmad\u00e1ban. E k\u00e9t technol\u00f3gi\u00e1t \u00e9rdemes els\u0151k\u00e9nt tanulm\u00e1nyozni. Python<\/a><\/noindex> \u2013 egy nagyon n\u00e9pszer\u0171 programoz\u00e1si nyelv, amelyet adatkezel\u00e9sre, weboldalak k\u00e9sz\u00edt\u00e9s\u00e9re \u00e9s szkriptek \u00edr\u00e1s\u00e1ra haszn\u00e1lnak. SQL<\/a><\/noindex> a Structured Query Language r\u00f6vid\u00edt\u00e9se (struktur\u00e1lt lek\u00e9rdez\u0151 nyelv); ez egy szabv\u00e1ny, amelyet nyelvek csoportja val\u00f3s\u00edt meg, \u00e9s a rel\u00e1ci\u00f3s adatb\u00e1zisokb\u00f3l val\u00f3 adatkinyer\u00e9shez alkalmazz\u00e1k. M\u00e1r r\u00e9g\u00f3ta l\u00e9tezik, \u00e9s kiv\u00e1l\u00f3 stabilit\u00e1ssal b\u00edr.<\/p>\n

A Sparkr\u00f3l k\u00f6r\u00fclbel\u00fcl a hirdet\u00e9sek fel\u00e9ben esik sz\u00f3. Apache Spark<\/a><\/noindex> \u2013 egy \"egyes\u00edtett analitikai motor, amely nagy adatok feldolgoz\u00e1s\u00e1ra szolg\u00e1l, be\u00e9p\u00edtett modulokkal az adatfolyamok, SQL, g\u00e9pi tanul\u00e1s \u00e9s gr\u00e1ffeldolgoz\u00e1s sz\u00e1m\u00e1ra.\" K\u00fcl\u00f6n\u00f6sen n\u00e9pszer\u0171 azok k\u00f6r\u00e9ben, akik nagy m\u00e9ret\u0171 adatb\u00e1zisokkal dolgoznak.<\/p>\n

Az AWS a hirdet\u00e9sek k\u00f6r\u00fclbel\u00fcl 45%-\u00e1ban megjelenik. Ez az Amazon \u00e1ltal gy\u00e1rtott felh\u0151alap\u00fa sz\u00e1m\u00edt\u00e1stechnikai platform; a felh\u0151alap\u00fa platformok k\u00f6z\u00f6tt a legnagyobb piaci r\u00e9szesed\u00e9ssel b\u00edr.
\nEzut\u00e1n k\u00f6vetkezik a Java \u00e9s a Hadoop \u2013 kicsit t\u00f6bb mint 40% mindkett\u0151b\u0151l. Java<\/a><\/noindex> \u2013 sz\u00e9les k\u00f6rben elterjedt, a gyakorlatban bev\u00e1lt nyelv, amely a Stack Overflow 2019-es fejleszt\u0151i felm\u00e9r\u00e9s\u00e9ben<\/a><\/noindex> a tizedik helyet foglalta el azon nyelvek k\u00f6z\u00f6tt, amelyek a programoz\u00f3kben f\u00e9lelmet v\u00e1ltanak ki. Ezzel szemben a Python a legkedveltebb nyelv lett. A nyelvet az Oracle ir\u00e1ny\u00edtja, \u00e9s minden, amit tudni \u00e9rdemes r\u00f3la, meg\u00e9rthet\u0151 az innen, 2020 janu\u00e1ri hivatalos oldalr\u00f3l k\u00e9sz\u00fclt k\u00e9perny\u0151fot\u00f3b\u00f3l.<\/p>\n

\"A
\n
\nMintha egy id\u0151g\u00e9pen utaztam volna<\/i>
\nApache Hadoop<\/a><\/noindex> A MapReduce szoftvermodellt alkalmaz\u00f3 szerverklaszterek kifejezetten a nagy adatokhoz. Ezen modell haszn\u00e1lat\u00e1t manaps\u00e1g egyre gyakrabban elhagyj\u00e1k.<\/p>\n

A k\u00f6vetkez\u0151kben l\u00e1tjuk a Hive-ot, a Scal\u00e1t, a Kafk\u00e1t \u00e9s a NoSQL-t \u2013 ezek k\u00f6z\u00fcl mindegyik technol\u00f3gia szerepel az \u00e1ll\u00e1shirdet\u00e9sek negyed\u00e9ben. Az Apache Hive egy adatkezel\u0151 program, amely \"megk\u00f6nny\u00edti a nagy adathalmazok olvas\u00e1s\u00e1t, \u00edr\u00e1s\u00e1t \u00e9s kezel\u00e9s\u00e9t, amelyek elosztott t\u00e1rol\u00f3kban tal\u00e1lhat\u00f3k, SQL seg\u00edts\u00e9g\u00e9vel.\" Scala<\/a><\/noindex> \u2013 egy programoz\u00e1si nyelv, amelyet akt\u00edvan haszn\u00e1lnak nagy adatokkal val\u00f3 munka sor\u00e1n. K\u00fcl\u00f6n\u00f6sen a Spark k\u00e9sz\u00fclt Scal\u00e1n. Az m\u00e1r eml\u00edtett rangsorban a Scala a tizenegyedik helyen \u00e1ll. Apache Kafka<\/a><\/noindex> \u2013 egy elosztott platform az \u00fczenetfolyamok feldolgoz\u00e1s\u00e1ra. Nagy n\u00e9pszer\u0171s\u00e9gnek \u00f6rvend adatfolyamok tov\u00e1bb\u00edt\u00e1s\u00e1ra.<\/p>\n

NoSQL adatb\u00e1zisok<\/a><\/noindex> ellent\u00e9tben \u00e1llnak az SQL-lel. Az a k\u00fcl\u00f6nbs\u00e9g, hogy nem rel\u00e1ci\u00f3sak, nem strukt\u00far\u00e1ltak \u00e9s v\u00edzszintesen sk\u00e1l\u00e1zhat\u00f3k. A NoSQL bizonyos n\u00e9pszer\u0171s\u00e9gre tett szert, \u00e1m a megk\u00f6zel\u00edt\u00e9s ir\u00e1nti l\u00e1zas vonzalom, amely od\u00e1ig terjedt, hogy megj\u00f6vend\u00f6lt\u00e9k, hogy lev\u00e1ltja az SQL-t, mint domin\u00e1l\u00f3 t\u00e1rol\u00e1si paradigm\u00e1t, \u00fagy t\u0171nik, m\u00e1r a m\u00falt\u00e9.<\/p>\n

\u00d6sszehasonl\u00edt\u00e1s a data scientist \u00e1ll\u00e1shirdet\u00e9seiben szerepl\u0151 kifejez\u00e9sekkel<\/h4>\n

\nItt van harminc technol\u00f3giai kifejez\u00e9s, amely a leggyakrabban el\u0151fordul a munkaad\u00f3k \u00e1ltal a data science ter\u00fclet\u00e9n. Ezt a list\u00e1t ugyanazzal a m\u00f3dszerrel k\u00e9sz\u00edtettem, amelyet kor\u00e1bban le\u00edrtam a data engineering eset\u00e9ben.<\/p>\n

\"A<\/p>\n

Technol\u00f3giai eml\u00edt\u00e9sek a data scientist poz\u00edci\u00f3kra vonatkoz\u00f3 \u00e1ll\u00e1shirdet\u00e9sekben 2020-ban<\/i><\/p>\n

Ha a teljes sz\u00e1mot n\u00e9zz\u00fck, a kor\u00e1bban vizsg\u00e1lt adathalmazon bel\u00fcl 28%-kal t\u00f6bb \u00e1ll\u00e1shirdet\u00e9s volt (12 013 szemben 9396-tal). N\u00e9zz\u00fck meg, mely technol\u00f3gi\u00e1k fordulnak el\u0151 ritk\u00e1bban a data scientist poz\u00edci\u00f3k hirdet\u00e9seiben, mint a data engineer \u00e1ll\u00e1sokn\u00e1l.<\/p>\n

N\u00e9pszer\u0171bb a data engineering ter\u00fclet\u00e9n<\/b><\/p>\n

Az al\u00e1bbi grafikonon a kulcsszavak l\u00e1that\u00f3k, amelyek \u00e1tlagos elt\u00e9r\u00e9se 10% f\u00f6l\u00f6tt, vagy -10% alatt van.<\/p>\n

\"A<\/p>\n

A legnagyobb elt\u00e9r\u00e9sek a kulcsszavak gyakoris\u00e1g\u00e1ban a data engineer \u00e9s a data scientist k\u00f6z\u00f6tt<\/i><\/p>\n

A legszembet\u0171n\u0151bb n\u00f6veked\u00e9st az AWS mutatja: a data engineeringben 25%-kal gyakrabban fordul el\u0151, mint a data science-ben (kb. 45% \u00e9s 20% az \u00f6sszes \u00e1ll\u00e1shirdet\u00e9sb\u0151l). Az elt\u00e9r\u00e9s jelent\u0151s!<\/p>\n

Itt vannak ugyanazok az adatok kiss\u00e9 elt\u00e9r\u0151 \u00e1br\u00e1zol\u00e1sban \u2013 a grafikonon egy \u00e9s ugyanazon kulcssz\u00f3 \u00e1ll\u00e1shirdet\u00e9sekben a data engineer \u00e9s a data scientist poz\u00edci\u00f3kra vonatkoz\u00f3an egym\u00e1s mellett helyezkednek el.<\/p>\n

\"A<\/p>\n

A legnagyobb elt\u00e9r\u00e9sek a kulcsszavak gyakoris\u00e1g\u00e1ban a data engineer \u00e9s a data scientist k\u00f6z\u00f6tt<\/i><\/p>\n

A Spark eset\u00e9ben tapasztaltam a k\u00f6vetkez\u0151 legnagyobb ugr\u00e1st \u2013 a data engineer gyakran dolgozik nagy mennyis\u00e9g\u0171 adattal. , amely lehet\u0151s\u00e9get ad val\u00f3s id\u0151ben l\u00e1tni a rendszer esem\u00e9nyportf\u00f3li\u00f3j\u00e1t.<\/a><\/noindex> szint\u00e9n 20%-kal n\u0151tt, ami majdnem n\u00e9gyszerese a data scientist poz\u00edci\u00f3kra vonatkoz\u00f3 eredm\u00e9nyeknek. Az adatok \u00e1tad\u00e1sa \u2013 a data engineer egyik kulcsfontoss\u00e1g\u00fa feladata. V\u00e9g\u00fcl, a data engineering ter\u00fcleten a Java, NoSQL, Redshift, SQL \u00e9s Hadoop eml\u00edt\u00e9se 15%-kal n\u0151tt.<\/p>\n

Kev\u00e9sb\u00e9 n\u00e9pszer\u0171 a data engineering ter\u00e9n<\/b><\/p>\n

Most n\u00e9zz\u00fck meg, mely technol\u00f3gi\u00e1k kev\u00e9sb\u00e9 n\u00e9pszer\u0171ek a data engineer poz\u00edci\u00f3k hirdet\u00e9seiben.
\nA legnagyobb cs\u00f6kken\u00e9st a data science ter\u00fclet\u00e9vel \u00f6sszehasonl\u00edtva tapasztaltuk a R<\/a><\/noindex>: ott k\u00f6r\u00fclbel\u00fcl 56%-ban szerepelt, itt \u2013 csak 17%-ban. Figyelemre m\u00e9lt\u00f3. Az R programoz\u00e1si nyelv n\u00e9pszer\u0171 a tud\u00f3sok \u00e9s statisztikusok k\u00f6r\u00e9ben, \u00e9s a nyolcadik helyet foglalja el a legrosszabb nyelvek rangsor\u00e1ban.<\/p>\n

SAS<\/a><\/noindex> szint\u00e9n jelent\u0151sen ritk\u00e1bban tal\u00e1lhat\u00f3 meg a data engineer poz\u00edci\u00f3kra vonatkoz\u00f3 \u00e1ll\u00e1shirdet\u00e9sekben \u2013 a k\u00fcl\u00f6nbs\u00e9g 14%. A SAS egy szabadalmaztatott nyelv, amely statisztikai \u00e9s adatelemz\u00e9si feladatokra lett kifejlesztve. \u00c9rdekes, hogy a data scientist poz\u00edci\u00f3k hirdet\u00e9seivel kapcsolatos kutat\u00e1som<\/a><\/noindex>, az ut\u00f3bbi id\u0151ben jelent\u0151sen elvesztette poz\u00edci\u00f3j\u00e1t \u2013 jobban, mint b\u00e1rmely m\u00e1s technol\u00f3gia.<\/p>\n

Mind a data engineering, mind a data science ter\u00fclet\u00e9n keresett<\/b><\/p>\n

\u00c9rdemes megjegyezni, hogy a legjobb t\u00edz k\u00f6z\u00fcl nyolc poz\u00edci\u00f3 azonos a k\u00e9t k\u00e9szletben. SQL, Python, Spark, AWS, Java, Hadoop, Hive \u00e9s Scala mind a data engineering, mind a data science ipar\u00e1g t\u00edzes list\u00e1j\u00e1ban szerepel. Az al\u00e1bbi grafikonon l\u00e1thatja a data engineer \u00fczemeltet\u0151k \u00e1ltal legkeresettebb tizen\u00f6t technol\u00f3gi\u00e1t, mellette a data scientist poz\u00edci\u00f3kra vonatkoz\u00f3 ar\u00e1nyuk.<\/p>\n

\"A<\/p>\n

Aj\u00e1nl\u00e1sok<\/h4>\n

\nHa data engineering-el szeretne foglalkozni, javaslom, hogy tanulja meg a k\u00f6vetkez\u0151 technol\u00f3gi\u00e1kat \u2013 ezeket k\u00f6r\u00fclbel\u00fcl priorit\u00e1s szerint sorolom fel.<\/p>\n

Tanulja meg az SQL-t. Kifejezetten a PostgreSQL-t javaslom, mert ny\u00edlt forr\u00e1sk\u00f3d\u00fa, a k\u00f6z\u00f6ss\u00e9gben nagyon n\u00e9pszer\u0171, \u00e9s fejl\u0151d\u00e9si f\u00e1zisban van. A nyelv haszn\u00e1lat\u00e1r\u00f3l a My Memorable SQL k\u00f6nyvb\u0151l t\u00e1j\u00e9koz\u00f3dhat \u2013 a pil\u00f3ta verzi\u00f3ja el\u00e9rhet\u0151 itt<\/a><\/noindex>.<\/p>\n

Tanulja meg a Pythont, lehet\u0151leg nem a legprofibb szinten. A My Memorable Python k\u00f6nyv \u00e9ppen a kezd\u0151knek k\u00e9sz\u00fclt. Megv\u00e1s\u00e1rolhat\u00f3 a Amazon<\/a><\/noindex>, elektronikus vagy nyomtatott p\u00e9ld\u00e1nyban, ahogy k\u00edv\u00e1nja, vagy let\u00f6lthet\u0151 pdf vagy epub form\u00e1tumban err\u0151l az oldalr\u00f3l.<\/a><\/noindex>.<\/p>\n

Miut\u00e1n megismerkedt\u00e9l a Pythonnal, l\u00e9pj tov\u00e1bb a pandasra \u2013 a Python k\u00f6nyvt\u00e1rra, amely az adatok tiszt\u00edt\u00e1s\u00e1ra \u00e9s feldolgoz\u00e1s\u00e1ra szolg\u00e1l. Ha olyan c\u00e9gn\u00e9l szeretn\u00e9l dolgozni, ahol elv\u00e1rt a Python tud\u00e1s (\u00e9s ilyenekb\u0151l van a legt\u00f6bb), biztos lehetsz benne, hogy a pandas ismerete alapelv\u00e1r\u00e1s lesz. Jelenleg egy bevezet\u0151 \u00fatmutat\u00f3t fejezek be a pandas haszn\u00e1lat\u00e1hoz \u2013 tudsz feliratkozni<\/a><\/noindex>, hogy ne maradj le a megjelen\u00e9sr\u0151l.<\/p>\n

Fedezd fel az AWS-t. Ha data engineer akarsz lenni, elengedhetetlen egy felh\u0151platform ismerete, \u00e9s az AWS a legn\u00e9pszer\u0171bb k\u00f6z\u00fcl\u00fck. Nagy seg\u00edts\u00e9get ny\u00fajtottak nekem a tanfolyamok Linux Akad\u00e9mia<\/a><\/noindex>, amikor a data engineeringet a Google Cloudon tanultam<\/a><\/noindex>, \u00fagy gondolom, hogy az AWS-el kapcsolatban is j\u00f3 anyagokat tal\u00e1lnak n\u00e1luk.<\/p>\n

Ha m\u00e1r v\u00e9gigj\u00e1rtad ezt a list\u00e1t, \u00e9s szeretn\u00e9l m\u00e9g jobban kit\u0171nni a munk\u00e1ltat\u00f3k szem\u00e9ben mint data engineer, javaslom, hogy tanuld meg az Apache Sparkot a nagy adatok kezel\u00e9s\u00e9hez. Hab\u00e1r a data science \u00e1ll\u00e1shirdet\u00e9sben a kutat\u00e1som szerint cs\u00f6kkent az \u00e9rdekl\u0151d\u00e9s, a data engineer hirdet\u00e9sekben m\u00e9g mindig majdnem minden m\u00e1sodik \u00e1ll\u00e1shirdet\u00e9sben megjelenik.<\/p>\n

V\u00e9g\u00fcl<\/h4>\n

\nRem\u00e9lem, hogy ez a legkeresettebb technol\u00f3gi\u00e1k \u00e1ttekint\u00e9se a data engineer sz\u00e1m\u00e1ra hasznosnak bizonyult sz\u00e1modra. Ha \u00e9rdekel, hogy \u00e1llnak a hirdet\u00e9sek az elemz\u0151kn\u00e9l, olvasd el a m\u00e1sik cikkemet<\/a><\/noindex>. Sikeres m\u00e9rn\u00f6ki munk\u00e1t k\u00edv\u00e1nok!
\n
Forr\u00e1s: habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"

\u0421\u043e\u0433\u043b\u0430\u0441\u043d\u043e \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0435 2019 \u0433\u043e\u0434\u0430, data engineer \u043d\u0430 \u0434\u0430\u043d\u043d\u044b\u0439 \u043c\u043e\u043c\u0435\u043d\u0442 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u0435\u0439, \u0441\u043f\u0440\u043e\u0441 \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u0440\u0430\u0441\u0442\u0435\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0432\u0441\u0435\u0445 \u043f\u0440\u043e\u0447\u0438\u0445. Data engineer \u0438\u0433\u0440\u0430\u0435\u0442 \u0432 \u043e\u0440\u0433\u0430\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u043a\u0440\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0432\u0430\u0436\u043d\u0443\u044e \u0440\u043e\u043b\u044c \u2013 \u0441\u043e\u0437\u0434\u0430\u0435\u0442 \u0438 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u0432 \u0440\u0430\u0431\u043e\u0447\u0435\u043c \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0438 \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u044b \u0438 \u0431\u0430\u0437\u044b \u0434\u0430\u043d\u043d\u044b\u0445, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442\u0441\u044f \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438, \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0438 \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0434\u0430\u043d\u043d\u044b\u0445. \u041a\u0430\u043a\u0438\u0435 \u043d\u0430\u0432\u044b\u043a\u0438 \u043d\u0443\u0436\u043d\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u0442\u0435\u043b\u044f\u043c \u044d\u0442\u043e\u0439 \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u0438 \u0432 \u043f\u0435\u0440\u0432\u0443\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c? \u041e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-55327","post","type-post","status-publish","format-standard","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47A legkeresettebb k\u00e9szs\u00e9gek a data engineer szakm\u00e1ban | ProHoster","description":"A 2019-es statisztik\u00e1k szerint a data engineer jelenleg egy keresett szakm\u00e1nak sz\u00e1m\u00edt.","canonical_url":"https:\/\/prohoster.info\/hu\/blog\/administrirovanie\/samye-vostrebovannye-navyki-v-professii-data-engineer","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"hu_HU","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u0421\u0430\u043c\u044b\u0435 \u0432\u043e\u0441\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043d\u0430\u0432\u044b\u043a\u0438 \u0432 \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u0438 data engineer | ProHoster","og:description":"\u0421\u043e\u0433\u043b\u0430\u0441\u043d\u043e \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0435 2019 \u0433\u043e\u0434\u0430, data engineer \u043d\u0430 \u0434\u0430\u043d\u043d\u044b\u0439 \u043c\u043e\u043c\u0435\u043d\u0442 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u0435\u0439, \u0441\u043f\u0440\u043e\u0441 \u043d\u0430.","og:url":"https:\/\/prohoster.info\/hu\/blog\/administrirovanie\/samye-vostrebovannye-navyki-v-professii-data-engineer","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-01-17T21:00:00+00:00","article:modified_time":"2020-02-18T11:03:26+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"55327","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":null,"breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 13:45:53","updated":"2022-09-30 07:37:35","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts\/55327","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/comments?post=55327"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts\/55327\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/media?parent=55327"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/categories?post=55327"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/tags?post=55327"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}