Dabere na Statista, site na 2025 nha nke nnukwu ahịa data ga-eto na zettabytes 175 ma e jiri ya tụnyere 41 na 2019 (). Iji nweta ọrụ na mpaghara a, ịkwesịrị ịghọta otu esi arụ ọrụ na nnukwu data echekwara na igwe ojii. Cloud4Y achịkọtala ndepụta nke nkuzi injinịa data 12 akwụ ụgwọ na efu nke ga-agbasawanye ihe ọmụma gị n'ọhịa ma nwee ike bụrụ mmalite mmalite na ụzọ gị na asambodo igwe ojii.
Okwu mmalite
Kedu ihe bụ onye injinia data? Nke a bụ onye na-ahụ maka ịmepụta na idobe ihe owuwu data na ọrụ sayensị data. Ọrụ nwere ike ịgụnye ịhụ na data na-aga nke ọma n'etiti ihe nkesa na ngwa, ijikọ ngwanrọ njikwa data ọhụrụ, melite usoro data dị n'okpuru, na ịmepụta pipeline data.
Enwere ọnụ ọgụgụ dị ukwuu nke teknụzụ na ngwaọrụ nke onye injinia data ga-amarịrị iji rụọ ọrụ na igwe igwe ojii, ụlọ nkwakọba ihe data, ETL (mwepụta, mgbanwe, nbudata), wdg. Ọzọkwa, ọnụ ọgụgụ nke nkà a chọrọ na-eto eto mgbe niile. ya mere, onye injinia data kwesịrị ịdị na-emegharị ihe ọmụma ya mgbe niile. Ndepụta anyị gụnyere nkuzi maka ndị mbido na ndị ọkachamara nwere ahụmahụ. Họrọ ihe dabara gị mma.
1. Asambodo Injinia Nanodegree Data ()
Ị ga-amụta otu esi emepụta ụdị data, mepụta ụlọ nkwakọba ihe data na ọdọ mmiri data, rụọ ọrụ pipeline data ma rụọ ọrụ na nhazi nke datasets. Na njedebe nke mmemme, ị ga-anwale nkà ọhụrụ gị site na ịmecha ọrụ Capstone.
Na oge: ọnwa 5, awa 5 kwa izu
Asụsụ: Bekee
Na-eri: $ 1695
larịị: mbụ
2. Bụrụ Asambodo Injinia Data ()
Ha na-akụzi site na isi ihe. Ị nwere ike ịga n'ihu site na nzọụkwụ site na iji nkuzi na ọrụ aka na-arụ ọrụ na nkà gị. Na njedebe nke ọzụzụ, ị ga-adị njikere ịrụ ọrụ na ML na nnukwu data. A na-atụ aro ka ị mara Python ma ọ dịkarịa ala na ọkwa kacha nta.
Na oge: ọnwa 8, awa 10 kwa izu
Asụsụ: Bekee
Na-eri😕
larịị: mbụ
3. Bụrụ onye injinia data: Ịghọta echiche ndị ahụ ()
Will ga-azụlite injinia data na nka DevOps, mụta ka esi emepụta ngwa data Big, mepụta pipeline data, hazie ngwa ozugbo site na iji Hazelcast na nchekwa data..
Na oge: dabere na gị
Asụsụ: Bekee
Na-eri: ọnwa mbụ - n'efu
larịị: mbụ
4. Ọmụmụ Injinia Data ()
Nke a bụ usoro mmemme na-ewebata gị na injinịa data ma kuziere gị otu esi emepụta azịza nyocha. A na-ekewa usoro ọmụmụ na ngalaba dabere na ọkwa isi ike, yabụ ị nwere ike họrọ otu dịka ọkwa ahụmịhe gị siri dị. N'oge ọzụzụ, ị ga-amụta iji Spark, Hadoop, Azure na jikwaa data ụlọ ọrụ.
Na oge: dabere na gị
Asụsụ: Bekee
Na-eri: dabere na usoro a họọrọ
larịị: mmalite, etiti, elu
5. Injinia data ()
Usoro nkuzi a bara uru ma ọ bụrụ na ị nwere ahụmịhe na Python ma chọọ ime ka ihe ọmụma gị miri emi wee wuo ọrụ dị ka onye sayensị data. Ị ga-amụta otu esi ewupụta pipeline data site na iji Python na pandas, na-ebunye nnukwu data n'ime nchekwa data Postgres mgbe ihichachara, gbanwee na ịkwado.
Na oge: dabere na gị
Asụsụ: Bekee
Na-eri: dabere n'ụdị ndenye aha
larịị: onye mbido, etiti
6. Injinia data na Google Cloud ()
Usoro nkuzi a ga - enyere gị aka inweta nkà ịchọrọ iji wuo ọrụ na nnukwu data. Dịka ọmụmaatụ, na-arụ ọrụ na BigQuery, Spark. Ị ga-enweta ihe ọmụma ịchọrọ iji kwado maka asambodo Google Cloud Professional Data Engineer nke ụlọ ọrụ ghọtara.
Na oge: 4 ọnwa
Asụsụ: Bekee
Na-eri: n'efu ugbu a
larịị: onye mbido, etiti
7. Injinia data, nnukwu data na Google Cloud Platform ()
Usoro na-atọ ụtọ nke na-enye ihe ọmụma bara uru nke usoro nhazi data na GCP. N'oge klas, ị ga-amụta otú e si emepụta usoro tupu ịmalite usoro mmepe. Na mgbakwunye, ị ga-enyocha ma data ahaziri ahazi yana nke edobereghị ya, tinye nchacha akpaaka, wee tinye usoro ML wepụta ozi.
Na oge: 3 ọnwa
Asụsụ: Bekee
Na-eri: n'efu ugbu a
larịị: onye mbido, etiti
8. UC San Diego: Nnukwu Data Specialization ()
Usoro a dabere na iji usoro Hadoop na Spark na itinye nnukwu usoro data ndị a na usoro ML. Ị ga-amụta ihe ndabere nke iji Hadoop na MapReduce, Spark, Pig, and Hive. Mụta ka esi wuo ụdị amụma wee jiri nyocha eserese wee ṅomie nsogbu. Biko mara na nkuzi a anaghị achọ ahụmịhe mmemme ọ bụla.
Na oge: 8 ọnwa 10 awa kwa izu
Asụsụ: Bekee
Na-eri: n'efu ugbu a
larịị: mbụ
9. Taming Big Data na Apache Spark na Python ()
Ị ga-amụta ka esi eji usoro iyi na okpokolo agba data dị na Spark3, wee nweta nghọta otu esi eji Amazon's Elastic MapReduce ọrụ na-arụ ọrụ na ụyọkọ Hadoop gị. Mụta ịmata nsogbu na nyocha data buru ibu ma ghọta ka ụlọ akwụkwọ GraphX si arụ ọrụ na nyocha netwọkụ yana otu ị nwere ike isi jiri MLlib.
Na oge: dabere na gị
Asụsụ: Bekee
Na-eri: site na 800 rubles ruo $ 149,99 (dabere na chioma gị)
larịị: onye mbido, etiti
10. Mmemme PG na Big Data Engineering ()
Usoro nkuzi a ga-enye gị nghọta ka Aadhaar si arụ ọrụ, ka Facebook si ahazi ndepụta akụkọ, yana otu esi eji Injinia Data eme ihe n'ozuzu ya. Isi isiokwu ga-abụ nhazi data (gụnyere nhazi oge), MapReduce, nnukwu nchịkọta data.
Na oge: 11 ọnwa
Asụsụ: Bekee
Na-eriIhe dị ka $3000
larịị: mbụ
11. Ọka mmụta sayensị data ọkachamara ()
Ị ga-amụta ime mmemme na Python, mụọ usoro maka ịzụ netwọkụ akwara Tensorflow na Keras. Nna-ukwu MongoDB, PostgreSQL, ọdụ data SQLite3, mụta ịrụ ọrụ na ọba akwụkwọ Pandas, NumPy na Matpotlib.
Na oge: 300 awa ọzụzụ
Asụsụ: Russian
Na-eri: ọnwa isii mbụ n'efu, mgbe ahụ 3900 rubles kwa ọnwa
larịị: mbụ
12. Onye injinia data 7.0 ()
Ị ga-enweta ọmụmụ ihe omimi nke Kafka, HDFS, ClickHouse, Spark, Airflow, lambda architecture na kappa architecture. Ị ga-amụta otú e si ejikọta ngwá ọrụ na ibe gị, na-emepụta pipeline, nweta ngwọta ntọala. Iji mụọ, achọrọ obere ihe ọmụma Python 3.
Na oge: 21 nkuzi, 7 izu
Asụsụ: Russian
Na-eri: site na 60 ruo 000 rubles
larịị: mbụ
Ọ bụrụ na ịchọrọ ịgbakwunye ezigbo usoro ọzọ na listi ahụ, ị nwere ike wepu aha na nkwupụta ma ọ bụ na PM. Anyị ga-emelite post.
Kedu ihe ọzọ ị nwere ike ịgụ na blọgụ?
→
→
→
→
→
Debanye aha na anyị -ọwa ka ị ghara ileghara isiokwu na-esote. Anyị na-ede ihe karịrị ugboro abụọ n'izu na naanị na azụmahịa. Anyị na-echetakwa gị na May 21 na 15:00 (oge Moscow) anyị ga-ejide na isiokwu "Nchekwa ozi azụmahịa mgbe ị na-arụ ọrụ nke ọma." Ọ bụrụ na ịchọrọ ịghọta otu esi echekwa ozi dị nro na nke ụlọ ọrụ mgbe ndị ọrụ na-arụ ọrụ n'ụlọ, debanye aha!
isi: www.habr.com