डाटा इन्जिनियरहरू को हुन्, र तपाईं कसरी एक बन्नुहुन्छ?

फेरी अभिवादन! लेखको शीर्षक आफैं बोल्छ। पाठ्यक्रमको सुरुवातको प्रत्याशामा डाटा इन्जिनियर हामी तपाईंलाई डेटा इन्जिनियरहरू को हुन् भनेर बुझ्न सुझाव दिन्छौं। लेखमा धेरै उपयोगी लिङ्कहरू छन्। खुसी पढाइ।

डाटा इन्जिनियरिङ् लहर कसरी समात्ने र यसलाई तपाईंलाई अगाध खाडलमा तान्न नदिने भन्ने बारे एक सरल गाइड।

यस्तो देखिन्छ कि सबैजना आजकल डाटा वैज्ञानिक बन्न चाहन्छन्। तर डाटा इन्जिनियरिङको बारेमा के हो? अनिवार्य रूपमा, यो एक डाटा विश्लेषक र एक डाटा वैज्ञानिक को हाइब्रिड को एक प्रकार हो; एक डाटा इन्जिनियर सामान्यतया कार्यप्रवाह, प्रशोधन पाइपलाइनहरू, र ETL प्रक्रियाहरू प्रबन्ध गर्न जिम्मेवार हुन्छ।। यी प्रकार्यहरूको महत्त्वको कारण, यो हाल सक्रिय रूपमा गति प्राप्त गर्ने अर्को लोकप्रिय व्यावसायिक शब्दावली हो।

उच्च तलब र ठूलो माग भनेको यो कामलाई अत्यन्तै आकर्षक बनाउने एउटा सानो अंश मात्र हो! यदि तपाईं नायकहरूको श्रेणीमा सामेल हुन चाहनुहुन्छ भने, सिक्न सुरु गर्न कहिल्यै ढिलो हुँदैन। यस पोष्टमा, मैले तपाईंलाई आफ्नो पहिलो कदम चाल्न मद्दत गर्न सबै आवश्यक जानकारी सङ्कलन गरेको छु।

त्यसो भए सुरू गरौं!

डाटा इन्जिनियरिङ के हो?

इमानदारीपूर्वक, यो भन्दा राम्रो व्याख्या छैन:

"एक वैज्ञानिकले नयाँ तारा पत्ता लगाउन सक्छ, तर उसले एउटा बनाउन सक्दैन। उसले एक इन्जिनियरलाई उसको लागि यो गर्न सोध्नु पर्छ।"

- गोर्डन लिन्डसे ग्लेग

तसर्थ, डाटा इन्जिनियरको भूमिका धेरै महत्त्वपूर्ण छ।

नामले सुझाव दिए जस्तै, डाटा इन्जिनियरिङ डाटासँग सम्बन्धित छ, अर्थात् यसको डेलिभरी, भण्डारण र प्रशोधन। तदनुसार, इन्जिनियरहरूको मुख्य काम डाटाको लागि भरपर्दो पूर्वाधार प्रदान गर्नु हो। यदि हामीले आवश्यकताहरूको एआई पदानुक्रमलाई हेर्छौं भने, डाटा इन्जिनियरिङले पहिलो 2-3 चरणहरू ओगटेको छ: सङ्कलन, आन्दोलन र भण्डारण, डाटा तयारी.

डाटा इन्जिनियरले के गर्छ?

ठूलो डाटाको आगमनको साथ, जिम्मेवारीको दायरा नाटकीय रूपमा परिवर्तन भएको छ। यदि पहिले यी विशेषज्ञहरूले Informatica ETL, Pentaho ETL, Talend जस्ता उपकरणहरू प्रयोग गरेर ठूला SQL क्वेरीहरू र डिस्टिल्ड डाटा लेखेका थिए भने, अब डाटा इन्जिनियरहरूको आवश्यकता बढेको छ।

डाटा इन्जिनियरको पदका लागि खुला रिक्त पदहरू भएका अधिकांश कम्पनीहरूसँग निम्न आवश्यकताहरू छन्:

• SQL र Python को उत्कृष्ट ज्ञान।
• क्लाउड प्लेटफर्महरू, विशेष गरी अमेजन वेब सेवाहरूसँग अनुभव गर्नुहोस्।
• Java/Scala को ज्ञान रुचाइयो।
• SQL र NoSQL डाटाबेस (डेटा मोडलिङ, डाटा भण्डारण) को राम्रो समझ।

ध्यान राख्नुहोस्, यी केवल आवश्यक चीजहरू हुन्। यस सूचीबाट, यो मान्न सकिन्छ कि डाटा इन्जिनियरहरू सफ्टवेयर विकास र ब्याकइन्डको क्षेत्रमा विशेषज्ञहरू हुन्।
उदाहरणका लागि, यदि कुनै कम्पनीले विभिन्न स्रोतहरूबाट ठूलो मात्रामा डाटा उत्पन्न गर्न थाल्छ भने, डाटा इन्जिनियरको रूपमा तपाईंको कार्य भनेको जानकारीको सङ्कलन, यसको प्रशोधन र भण्डारणलाई व्यवस्थित गर्नु हो।

यस अवस्थामा प्रयोग गरिएका उपकरणहरूको सूची फरक हुन सक्छ, यो सबै यस डेटाको मात्रा, यसको प्राप्तिको गति र विषमतामा निर्भर गर्दछ। धेरैजसो कम्पनीहरूले ठूला डाटासँग व्यवहार गर्दैनन्, त्यसैले एक केन्द्रीकृत भण्डार, तथाकथित डाटा गोदामको रूपमा, तपाईंले SQL डाटाबेस (PostgreSQL, MySQL, आदि) प्रयोग गर्न सक्नुहुन्छ स्क्रिप्टहरूको सानो सेटको साथ जसले डाटा फिड गर्दछ। गोदाम।

गुगल, अमेजन, फेसबुक वा ड्रपबक्स जस्ता आईटी दिग्गजहरूसँग उच्च आवश्यकताहरू छन्: पाइथन, जाभा वा स्कालाको ज्ञान।

• ठूलो डाटाको साथ अनुभव: हडूप, स्पार्क, काफ्का।
• एल्गोरिदम र डाटा संरचना को ज्ञान।
• वितरण प्रणालीका आधारभूत कुराहरू बुझ्दै।
• Tableau वा ElasticSearch जस्ता डेटा भिजुअलाइजेशन उपकरणहरूको साथ अनुभव एक प्लस हुनेछ।

त्यो हो, ठूलो डाटा तिर स्पष्ट परिवर्तन छ, अर्थात् उच्च भार अन्तर्गत यसको प्रशोधनमा। यी कम्पनीहरूले प्रणाली गल्ती सहिष्णुताको लागि आवश्यकताहरू बढाएका छन्।

डाटा इन्जिनियर्स बनाम डाटा वैज्ञानिकहरू

ठीक छ, त्यो एक सरल र हास्यास्पद तुलना थियो (व्यक्तिगत केहि छैन), तर वास्तवमा यो धेरै जटिल छ।

पहिलो, तपाईले थाहा पाउनु पर्छ कि डेटा वैज्ञानिक र डेटा इन्जिनियरको भूमिका र सीपहरूको वर्णनमा धेरै अस्पष्टता छ। त्यो हो, तपाई सजिलैसँग एक सफल डाटा इन्जिनियर हुनको लागि कस्ता सीपहरू आवश्यक छ भनेर भ्रमित हुन सक्नुहुन्छ। निस्सन्देह, त्यहाँ केहि सीपहरू छन् जुन दुबै भूमिकाहरूसँग ओभरल्याप हुन्छन्। तर त्यहाँ पनि धेरै विपरित सीपहरू छन्।

डेटा विज्ञान गम्भीर व्यवसाय हो, तर हामी कार्यात्मक डेटा विज्ञानको संसार तिर लागिरहेका छौं जहाँ चिकित्सकहरूले आफ्नै विश्लेषण गर्न सक्षम छन्। डाटा पाइपलाइनहरू र एकीकृत डाटा संरचनाहरू सक्षम गर्न, तपाईंलाई डाटा इन्जिनियरहरू चाहिन्छ, डाटा वैज्ञानिकहरू होइन।

के डाटा वैज्ञानिक भन्दा डाटा इन्जिनियरको माग बढी छ?

- हो, किनकि तपाईंले गाजरको केक बनाउनु अघि, तपाईंले पहिले गाजर सङ्कलन, छिलक र स्टक गर्न आवश्यक छ!

एक डाटा इन्जिनियरले कुनै पनि डाटा वैज्ञानिक भन्दा प्रोग्रामिंग राम्रोसँग बुझ्दछ, तर जब तथ्याङ्कको कुरा आउँछ, विपरित सत्य हो।

तर यहाँ डाटा इन्जिनियरको फाइदा छ:

उहाँ/उनी बिना, प्रोटोटाइप मोडेलको मूल्य, प्राय: पाइथन फाइलमा भयानक गुणस्तर कोडको टुक्रा, डेटा वैज्ञानिकबाट प्राप्त गरिएको र कुनै न कुनै रूपमा नतिजा उत्पादन गर्दै, शून्यमा जान्छ।

डाटा इन्जिनियर बिना, यो कोड कहिल्यै परियोजना बन्न सक्दैन र कुनै पनि व्यापार समस्या प्रभावकारी रूपमा हल हुनेछैन। डाटा इन्जिनियरले यी सबैलाई उत्पादनमा परिणत गर्न खोजिरहेको छ।

आधारभूत जानकारी डाटा इन्जिनियरलाई थाहा हुनुपर्छ

त्यसोभए, यदि यो कामले तपाइँमा प्रकाश ल्याउँछ र तपाइँ उत्साही हुनुहुन्छ - तपाइँ यसलाई सिक्न सक्नुहुन्छ, तपाइँ सबै आवश्यक सीपहरू मास्टर गर्न सक्नुहुन्छ र डाटा इन्जिनियरिङको क्षेत्रमा एक वास्तविक रक स्टार बन्न सक्नुहुन्छ। र, हो, तपाइँ यसलाई प्रोग्रामिङ कौशल वा अन्य प्राविधिक ज्ञान बिना पनि तान्न सक्नुहुन्छ। यो गाह्रो छ, तर सम्भव छ!

पहिलो चरणहरू के हुन्?

तपाईलाई के हो भन्ने सामान्य विचार हुनुपर्छ।

सबैभन्दा पहिले, डाटा इन्जिनियरिङ्ले कम्प्युटर विज्ञानलाई बुझाउँछ। थप विशेष रूपमा, तपाईंले कुशल एल्गोरिदम र डेटा संरचनाहरू बुझ्नै पर्छ। दोस्रो, डाटा ईन्जिनियरहरूले डाटासँग काम गर्ने हुनाले, डाटाबेसका सिद्धान्तहरू र उनीहरूलाई निहित संरचनाहरू बुझ्न आवश्यक छ।

उदाहरणका लागि, परम्परागत B-tree SQL डेटाबेसहरू B-Tree डेटा संरचनामा आधारित छन्, साथै, आधुनिक वितरित भण्डारहरूमा, LSM-Tree र ह्यास तालिकाहरूको अन्य परिमार्जनहरू।

*यी चरणहरू उत्कृष्ट लेखमा आधारित छन् आदिल्या खश्टामोवा। त्यसोभए, यदि तपाइँ रूसी जान्नुहुन्छ भने, यो लेखकलाई समर्थन गर्नुहोस् र पढ्नुहोस् उनको पोस्ट.

1. एल्गोरिदम र डेटा संरचना

सही डाटा संरचना प्रयोग गरेर एल्गोरिदमको कार्यसम्पादनमा उल्लेखनीय सुधार गर्न सक्छ। आदर्श रूपमा, हामी सबैले हाम्रा विद्यालयहरूमा डाटा संरचना र एल्गोरिदमहरू बारे सिक्नुपर्छ, तर यो विरलै कभर गरिएको छ। कुनै पनि अवस्थामा, यो परिचित हुन ढिलो छैन।
त्यसैले यहाँ डाटा संरचना र एल्गोरिदम सिक्नका लागि मेरो मनपर्ने नि: शुल्क पाठ्यक्रमहरू छन्:

• सरल देखि जटिल सम्म: डाटा संरचना (Udemy)
• एल्गोरिदम, भाग I (कोर्सेरा)
• एल्गोरिदम, भाग II (कोर्सेरा)

साथै एल्गोरिदमहरूमा थोमस कोरम्यानको क्लासिक कामको बारेमा नबिर्सनुहोस् - एल्गोरिदम को परिचय। यो सही सन्दर्भ हो जब तपाईं आफ्नो स्मृति ताजा गर्न आवश्यक छ।

• आफ्नो कौशल सुधार गर्न, प्रयोग गर्नुहोस् Leetcode.

तपाईं यूट्यूबमा कार्नेगी मेलन विश्वविद्यालयबाट अद्भुत भिडियोहरूको साथ डाटाबेसको संसारमा डुब्न सक्नुहुन्छ:

• डाटाबेस प्रणाली को परिचय.
• उन्नत डाटाबेस प्रणाली.

2. SQL सिक्नुहोस्

हाम्रो सम्पूर्ण जीवन डाटा हो। र डाटाबेसबाट यो डाटा निकाल्नको लागि, तपाईंले यसको साथ एउटै भाषा "बोल्न" आवश्यक छ।

SQL (संरचित क्वेरी भाषा) डाटा डोमेनमा सञ्चारको भाषा हो। जो कोहीले के भने पनि, SQL जीवित छ, जीवित छ, र धेरै लामो समयसम्म बाँच्नेछ।

यदि तपाईं लामो समयको लागि विकासमा हुनुहुन्छ भने, तपाईंले सम्भवतः ध्यान दिनुभएको छ कि SQL को आसन्न मृत्युको बारेमा अफवाहहरू आवधिक रूपमा पप अप हुन्छन्। भाषा प्रारम्भिक 70s मा विकसित भएको थियो र अझै पनि विश्लेषकहरू, विकासकर्ताहरू र केवल उत्साहीहरू बीच धेरै लोकप्रिय छ।
SQL को ज्ञान बिना डाटा ईन्जिनियरिङ् मा गर्न को लागी केहि छैन किनकि तपाईले अनिवार्य रूपमा डाटा पुन: प्राप्त गर्न क्वेरीहरू सिर्जना गर्नुपर्नेछ। सबै आधुनिक ठूला डाटा गोदामहरूले SQL समर्थन गर्दछ:

• अमेजन रेडशिफ्ट
• एचपी भर्टिका
• बजेट
• SQL सर्भर

... र धेरै अन्य।

HDFS जस्ता वितरित प्रणालीहरूमा भण्डारण गरिएको डाटाको ठूलो तह विश्लेषण गर्न, SQL इन्जिनहरू आविष्कार गरिएका थिए: Apache Hive, Impala, आदि। हेर्नुहोस्, यो कतै गइरहेको छैन।

SQL कसरी सिक्ने? यसलाई व्यवहारमा मात्र गर्नुहोस्।

यो गर्नको लागि, म एक उत्कृष्ट ट्यूटोरियल जाँच गर्न सिफारिस गर्दछु, जुन, नि: शुल्क, बाट मोड एनालिटिक्स.

1. मध्यवर्ती SQL
2. SQL मा डेटा जोड्दै

कुन कुराले यी पाठ्यक्रमहरूलाई विशेष बनाउँछ कि तिनीहरूसँग अन्तरक्रियात्मक वातावरण छ जहाँ तपाईं आफ्नो ब्राउजरमा SQL क्वेरीहरू लेख्न र चलाउन सक्नुहुन्छ। स्रोत आधुनिक SQL अनावश्यक हुनेछैन। र तपाईं यो ज्ञान लागू गर्न सक्नुहुन्छ Leetcode कार्यहरू डाटाबेस खण्डमा।

3. Python र Java/Scala मा प्रोग्रामिङ

तपाईंले पाइथन प्रोग्रामिङ भाषा किन सिक्नु पर्छ, मैले पहिले नै लेखमा लेखेको छु पाइथन बनाम आर. AI, ML र डेटा विज्ञानको लागि उत्तम उपकरण छनौट गर्दै। जब यो जाभा र स्कालाको कुरा आउँछ, धेरै मात्रामा डाटा भण्डारण र प्रशोधन गर्ने उपकरणहरू यी भाषाहरूमा लेखिएका हुन्छन्। उदाहरणका लागि:

• अपाचे काफ्का (स्काला)
• Hadoop, HDFS (जाभा)
• Apache Spark (Scala)
• Apache Cassandra (जाभा)
• HBase (जाभा)
• Apache Hive (जाभा)

यी उपकरणहरूले कसरी काम गर्छन् भनेर बुझ्नको लागि, तपाईंले ती भाषाहरू जान्नु आवश्यक छ जसमा तिनीहरू लेखिएका छन्। Scala को कार्यात्मक दृष्टिकोणले तपाईंलाई प्रभावकारी रूपमा समानान्तर डाटा प्रोसेसिङ समस्याहरू समाधान गर्न अनुमति दिन्छ। पाइथन, दुर्भाग्यवश, गति र समानान्तर प्रक्रियाको घमण्ड गर्न सक्दैन। सामान्यतया, धेरै भाषाहरू र प्रोग्रामिङ प्रतिमानहरूको ज्ञान समस्याहरू समाधान गर्ने दृष्टिकोणको चौडाइको लागि राम्रो छ।

Scala भाषा मा डुब्न, तपाईं पढ्न सक्नुहुन्छ Scala मा प्रोग्रामिङ भाषाको लेखकबाट। ट्विटरले पनि राम्रो परिचयात्मक गाइड प्रकाशित गर्‍यो - स्काला स्कूल.

पाइथनको लागि, म विश्वास गर्छु प्रवाहित पाइथन सर्वश्रेष्ठ मध्यम स्तर पुस्तक।

4. ठूलो डाटा संग काम गर्न को लागी उपकरण

यहाँ ठूलो डाटाको संसारमा सबैभन्दा लोकप्रिय उपकरणहरूको सूची छ:

• अपाचे स्पार्क
• अपाचे काफ्का
• Apache Hadoop (HDFS, HBase, Hive)
• अपाचे कासेन्ड्रा

तपाईं यो अद्भुत मा ठूला डाटा ब्लक निर्माण बारे थप जानकारी पाउन सक्नुहुन्छ अन्तरक्रियात्मक वातावरण। सबैभन्दा लोकप्रिय उपकरणहरू स्पार्क र काफ्का हुन्। तिनीहरू निश्चित रूपमा अध्ययनको लायक छन्, तिनीहरू भित्रबाट कसरी काम गर्छन् भनेर बुझ्न सल्लाह दिइन्छ। जे क्रेप्स (काफ्काका सह-लेखक) ले 2013 मा एक स्मारक कार्य प्रकाशित गर्नुभयो। लग: प्रत्येक सफ्टवेयर विकासकर्तालाई वास्तविक-समय डाटा एग्रीगेशन एब्स्ट्रेक्शनको बारेमा के थाहा हुनुपर्छवैसे, यस ताल्मुडबाट मुख्य विचारहरू अपाचे काफ्का सिर्जना गर्न प्रयोग गरिएको थियो।

• Hadoop को एक परिचय हुन सक्छ मास्टरिङ Hadoop को लागि पूर्ण गाइड (नि: शुल्क).
• मेरो लागि अपाचे स्पार्कको लागि सबैभन्दा व्यापक गाइड हो - स्पार्क: पूर्ण गाइड.

5. क्लाउड प्लेटफार्महरू

डाटा इन्जिनियरको पदका लागि आवेदकहरूको लागि आधारभूत आवश्यकताहरूको सूचीमा कम्तिमा एउटा क्लाउड प्लेटफर्मको ज्ञान छ। रोजगारदाताहरूले अमेजन वेब सेवाहरूलाई प्राथमिकता दिन्छन्, गुगलको क्लाउड प्लेटफर्म दोस्रो स्थानमा र Microsoft Azure शीर्ष तीनमा छ।

तपाईंसँग Amazon EC2, AWS Lambda, Amazon S3, DynamoDB को राम्रो ज्ञान हुनुपर्छ।

6. वितरण प्रणाली

ठूला डाटासँग काम गर्नु भनेको स्वतन्त्र रूपमा सञ्चालन हुने कम्प्युटरहरूको क्लस्टरहरूको उपस्थिति हो, जसको बीचमा सञ्चार नेटवर्क मार्फत गरिन्छ। क्लस्टर जति ठूलो हुन्छ, यसको सदस्य नोडहरू असफल हुने सम्भावना त्यति नै बढी हुन्छ। एक महान डेटा वैज्ञानिक बन्नको लागि, तपाईंले वितरित प्रणालीहरूको लागि समस्याहरू र अवस्थित समाधानहरू बुझ्न आवश्यक छ। यो क्षेत्र पुरानो र जटिल छ।

एन्ड्रयू तानेनबमलाई यस क्षेत्रमा अग्रगामी मानिन्छ। जो सिद्धान्त डराउँदैनन्, म उनको पुस्तक सिफारिस गर्छु "वितरण प्रणाली", यो शुरुआतीहरूको लागि डरलाग्दो लाग्न सक्छ, तर यसले वास्तवमै तपाइँको सीपहरू सुधार गर्न मद्दत गर्नेछ।

मलाई लाग्छ मार्टिन क्लेपम्यान द्वारा डाटा-गहन अनुप्रयोगहरू डिजाइन गर्दै सबै भन्दा राम्रो परिचय पुस्तक। वैसे, मार्टिन एक अद्भुत छ ब्लग। उनको कामले ठूलो डाटा भण्डारण र प्रशोधन गर्नको लागि आधुनिक पूर्वाधार निर्माण गर्ने बारे ज्ञानलाई व्यवस्थित गर्न मद्दत गर्नेछ।
भिडियो हेर्न मन पराउनेहरूका लागि युट्युबमा एउटा कोर्स छ कम्प्युटर प्रणाली वितरण.

7. डाटा पाइपलाइनहरू

डाटा पाइपलाइनहरू त्यस्तो चीज हो जुन तपाईं डाटा इन्जिनियरको रूपमा बिना बाँच्न सक्नुहुन्न।

धेरै जसो समय, एक डाटा इन्जिनियरले तथाकथित डाटा पाइपलाइन निर्माण गर्दछ, त्यो हो, उसले डाटा एक ठाउँबाट अर्को ठाउँमा पुर्‍याउने प्रक्रिया सिर्जना गर्दछ। यी अनुकूलन स्क्रिप्टहरू हुन सक्छन् जुन बाह्य सेवाको API मा जान्छन् वा SQL क्वेरी बनाउँछन्, डाटा बढाउँछन्, र यसलाई केन्द्रीकृत भण्डार (डेटा गोदाम) वा असंरचित डाटा भण्डार (डेटा लेकहरू) मा राख्छन्।

संक्षेपमा: डाटा इन्जिनियरको लागि आधारभूत चेकलिस्ट

संक्षेपमा, निम्नको राम्रो समझ आवश्यक छ:

• सूचना प्रणाली;
• सफ्टवेयर विकास (Agile, DevOps, Design Techniques, SOA);
• वितरण प्रणाली र समानान्तर प्रोग्रामिंग;
• डाटाबेस आधारभूत कुराहरू - योजना, डिजाइन, सञ्चालन र समस्या निवारण;
• प्रयोगहरूको डिजाइन - A/B परीक्षणहरू अवधारणाहरू प्रमाणित गर्न, विश्वसनीयता, प्रणालीको कार्यसम्पादन निर्धारण गर्न, र राम्रो समाधानहरू छिटो डेलिभर गर्न भरपर्दो मार्गहरू विकास गर्न।

डाटा इन्जिनियर बन्नका लागि यी केही आवश्यकताहरू मात्र हुन्, त्यसैले डाटा प्रणाली, सूचना प्रणाली, निरन्तर डेलिभरी/डिप्लोइमेन्ट/एकीकरण, प्रोग्रामिङ भाषाहरू, र अन्य कम्प्युटर विज्ञान विषयहरू (सबै विषय क्षेत्रहरू होइन) सिक्नुहोस् र बुझ्नुहोस्।

र अन्तमा, अन्तिम तर धेरै महत्त्वपूर्ण कुरा म भन्न चाहन्छु।

डाटा ईन्जिनियरिङ् बन्ने बाटो यो जस्तो देखिन्छ जस्तो सरल छैन। उसले माफ गर्दैन, उसले निराश बनाउँछ, र तपाइँ यसको लागि तयार हुनुपर्छ। यस यात्राका केही क्षणहरूले तपाईंलाई त्याग्न धकेल्न सक्छ। तर यो वास्तविक काम र सिक्ने प्रक्रिया हो।

सुरुदेखि नै यसलाई सुगरकोट नगर्नुहोस्। यात्राको सम्पूर्ण बिन्दु सकेसम्म धेरै सिक्नु र नयाँ चुनौतीहरूको लागि तयार रहनु हो।
यहाँ एउटा उत्कृष्ट तस्विर छ जुन मैले भेट्टाएँ जसले यस बिन्दुलाई राम्रोसँग चित्रण गर्दछ:

र हो, बर्नआउट र आरामबाट बच्न सम्झनुहोस्। यो पनि धेरै महत्त्वपूर्ण छ। भाग्यले साथ दिओस्!

लेख कस्तो लाग्यो साथीहरु ? हामी तपाईंलाई निमन्त्रणा गर्दछौं नि: शुल्क वेबिनार, जुन आज 20.00 बजे हुनेछ। वेबिनारको बखत, हामी सानो कम्पनी वा स्टार्टअपको लागि न्यूनतम लागतमा प्रभावकारी र स्केलेबल डाटा प्रोसेसिङ प्रणाली कसरी निर्माण गर्ने भनेर छलफल गर्नेछौं। अभ्यासको रूपमा, हामी Google क्लाउड डाटा प्रशोधन उपकरणहरूसँग परिचित हुनेछौं। भेटौँला!

स्रोत: www.habr.com