Gẹgẹbi Statista, nipasẹ ọdun 2025 iwọn ọja data nla yoo dagba si 175 zettabytes ni akawe si 41 ni ọdun 2019 (). Lati gba iṣẹ ni aaye yii, o nilo lati ni oye bi o ṣe le ṣiṣẹ pẹlu data nla ti o fipamọ sinu awọsanma. Cloud4Y ti ṣajọ atokọ kan ti sisanwo 12 ati awọn iṣẹ imọ-ẹrọ data ọfẹ ti yoo faagun imọ rẹ ni aaye ati pe o le jẹ aaye ibẹrẹ ti o dara lori ọna rẹ si awọn iwe-ẹri awọsanma.
Ọrọ iṣaaju
Kini ẹlẹrọ data? Eyi ni eniyan ti o ni iduro fun ṣiṣẹda ati ṣetọju faaji data ni iṣẹ akanṣe Imọ-jinlẹ Data kan. Awọn ojuṣe le pẹlu idaniloju sisan data dan laarin olupin ati ohun elo, iṣakojọpọ sọfitiwia iṣakoso data tuntun, imudarasi awọn ilana data ipilẹ, ati ṣiṣẹda awọn opo gigun ti data.
Nọmba nla ti awọn imọ-ẹrọ ati awọn irinṣẹ wa ti ẹlẹrọ data gbọdọ ṣakoso lati le ṣiṣẹ pẹlu iširo awọsanma, awọn ile itaja data, ETL (isediwon, iyipada, ikojọpọ), bbl Pẹlupẹlu, nọmba awọn ọgbọn ti o nilo n dagba ni gbogbo igba, nitorina ẹlẹrọ data nilo lati ṣe atunṣe imọ-imọ rẹ nigbagbogbo. Atokọ wa pẹlu awọn iṣẹ ikẹkọ fun awọn olubere ati awọn alamọja ti o ni iriri. Yan ohun ti o baamu.
1. Iwe-ẹri Imọ-ẹrọ Nanodegree Data ()
Iwọ yoo kọ ẹkọ bi o ṣe le ṣe apẹrẹ awọn awoṣe data, ṣẹda awọn ile itaja data ati awọn adagun data, ṣe adaṣe awọn opo gigun ti data ati ṣiṣẹ pẹlu awọn akopọ ti datasets. Ni ipari eto naa, iwọ yoo ṣe idanwo awọn ọgbọn tuntun rẹ nipa ipari iṣẹ akanṣe Capstone kan.
Àkókò: 5 osu, 5 wakati fun ọsẹ
Ede: English
Iye owo: $ 1695
Ipele: ibẹrẹ
2. Di Iwe-ẹri Engineer Data ()
Wọn kọ lati awọn ipilẹ. O le ni ilọsiwaju ni igbese nipa igbese, lilo awọn ikowe ati awọn iṣẹ akanṣe lati ṣiṣẹ lori awọn ọgbọn rẹ. Ni ipari ikẹkọ, iwọ yoo ṣetan lati ṣiṣẹ pẹlu ML ati data nla. A ṣe iṣeduro lati mọ Python o kere ju ni ipele ti o kere julọ.
Àkókò: 8 osu, 10 wakati fun ọsẹ
Ede: English
Iye owo😕
Ipele: ibẹrẹ
3. Di Onimọ-ẹrọ data: Ṣiṣe awọn imọran (Awọn imọran))
Iwọ yoo ṣe idagbasoke imọ-ẹrọ data ati awọn ọgbọn DevOps, kọ ẹkọ bii o ṣe le ṣẹda awọn ohun elo Data nla, ṣẹda awọn opo gigun ti data, awọn ohun elo ilana ni akoko gidi nipa lilo Hazelcast ati data data.
Àkókò: O da lori o
Ede: English
Iye owo: akọkọ osu - free
Ipele: ibẹrẹ
4. Awọn iṣẹ-ẹkọ Imọ-ẹrọ Data ()
Eyi ni lẹsẹsẹ awọn eto ti o ṣafihan ọ si imọ-ẹrọ data ati kọ ọ bi o ṣe le ṣe agbekalẹ awọn solusan itupalẹ. Awọn iṣẹ ikẹkọ ti pin si awọn ẹka ti o da lori ipele iṣoro, nitorinaa o le yan ọkan ni ibamu si ipele iriri rẹ. Lakoko ikẹkọ iwọ yoo kọ ẹkọ lati lo Spark, Hadoop, Azure ati ṣakoso data ile-iṣẹ.
Àkókò: O da lori o
Ede: English
Iye owo: da lori awọn yàn papa
Ipele: alakobere, agbedemeji, to ti ni ilọsiwaju
5. Ẹlẹrọ data ()
Ẹkọ yii tọsi gbigba ti o ba ni iriri pẹlu Python ati pe o fẹ lati jinlẹ si imọ rẹ ki o kọ iṣẹ bi onimọ-jinlẹ data. Iwọ yoo kọ ẹkọ bii o ṣe le kọ awọn opo gigun ti data nipa lilo Python ati pandas, ikojọpọ awọn ipilẹ data nla sinu ibi ipamọ data Postgres kan lẹhin mimọ, iyipada ati afọwọsi.
Àkókò: O da lori o
Ede: English
Iye owo: da lori fọọmu alabapin
Ipele: alakobere, agbedemeji
6. Imọ-ẹrọ data pẹlu Google awọsanma ()
Ẹkọ yii yoo ṣe iranlọwọ fun ọ lati ni awọn ọgbọn ti o nilo lati kọ iṣẹ ni data nla. Fun apẹẹrẹ, ṣiṣẹ pẹlu BigQuery, Spark. Iwọ yoo ni imọ ti o nilo lati mura silẹ fun iwe-ẹri Google Cloud Professional Data Engineer ti ile-iṣẹ mọ.
Àkókò: 4 osu
Ede: English
Iye owo: ofe fun bayi
Ipele: alakobere, agbedemeji
7. Imọ-ẹrọ Data, Nla Data lori Google Cloud Platform ()
Ẹkọ ti o nifẹ ti o pese imọ iṣe ti awọn ọna ṣiṣe data ni GCP. Lakoko kilasi, iwọ yoo kọ ẹkọ bi o ṣe le ṣe apẹrẹ awọn eto ṣaaju ki o to bẹrẹ ilana idagbasoke. Ni afikun, iwọ yoo tun ṣe itupalẹ mejeeji ti eleto ati data ti a ko ṣeto, lo iwọn-ara, ati lo awọn ilana ML lati yọ alaye jade.
Àkókò: 3 osu
Ede: English
Iye owo: ofe fun bayi
Ipele: alakobere, agbedemeji
8. UC San Diego: Nla Data Pataki ()
Ẹkọ naa da lori lilo ilana Hadoop ati Spark ati lilo awọn ilana data nla wọnyi si ilana ML. Iwọ yoo kọ ẹkọ awọn ipilẹ ti lilo Hadoop pẹlu MapReduce, Spark, Pig, ati Ile Agbon. Kọ ẹkọ bi o ṣe le kọ awọn awoṣe asọtẹlẹ ati lo awọn atupale ayaworan lati ṣe awoṣe awọn iṣoro. Jọwọ ṣe akiyesi pe iṣẹ-ẹkọ yii ko nilo iriri siseto eyikeyi.
Àkókò: 8 osu 10 wakati fun ọsẹ
Ede: English
Iye owo: ofe fun bayi
Ipele: ibẹrẹ
9. Taming Big Data Pẹlu Apache Spark ati Python ()
Iwọ yoo kọ ẹkọ bii o ṣe le lo eto ṣiṣan ati awọn fireemu data ni Spark3, ati ni oye bi o ṣe le lo iṣẹ Amazon's Elastic MapReduce lati ṣiṣẹ pẹlu iṣupọ Hadoop rẹ. Kọ ẹkọ lati ṣe idanimọ awọn iṣoro ni itupalẹ data nla ati loye bii awọn ile-ikawe GraphX ṣe n ṣiṣẹ pẹlu itupalẹ nẹtiwọọki ati bii o ṣe le lo MLlib.
Àkókò: O da lori o
Ede: English
Iye owo: lati 800 rubles si $ 149,99 (da lori orire rẹ)
Ipele: alakobere, agbedemeji
10. PG Eto ni Big Data Engineering ()
Ẹkọ yii yoo fun ọ ni oye ti bii Aadhaar ṣe n ṣiṣẹ, bii Facebook ṣe n ṣe adani kikọ sii iroyin, ati bii Imọ-ẹrọ Data ṣe le ṣee lo ni gbogbogbo. Awọn koko-ọrọ pataki yoo jẹ sisẹ data (pẹlu sisẹ akoko gidi), MapReduce, awọn atupale data nla.
Àkókò: osu 11
Ede: English
Iye owo: nipa $3000
Ipele: ibẹrẹ
11. Onimọ-jinlẹ Data Ọjọgbọn ()
Iwọ yoo kọ ẹkọ lati ṣe eto ni Python, ṣe iwadi awọn ilana fun ikẹkọ awọn nẹtiwọọki neural Tensorflow ati Keras. Titunto si MongoDB, PostgreSQL, awọn apoti isura infomesonu SQLite3, kọ ẹkọ lati ṣiṣẹ pẹlu Pandas, NumPy ati awọn ile-ikawe Matpotlib.
Àkókò: 300 wakati ikẹkọ
Ede: Russian
Iye owo: akọkọ osu mefa free, ki o si 3900 rubles fun osu
Ipele: ibẹrẹ
12. Data Engineer 7.0 ()
Iwọ yoo gba ikẹkọ inu-jinlẹ ti Kafka, HDFS, ClickHouse, Spark, Airflow, faaji lambda ati faaji kappa. Iwọ yoo kọ ẹkọ bi o ṣe le sopọ awọn irinṣẹ si ara wọn, ṣiṣe awọn opo gigun ti epo, gbigba ojutu ipilẹ kan. Lati ṣe iwadi, imọ ti o kere julọ ti Python 3 ni a nilo.
Àkókò: 21 eko, 7 ọsẹ
Ede: Russian
Iye owo: lati 60 si 000 rubles
Ipele: ibẹrẹ
Ti o ba fẹ lati ṣafikun iṣẹ-ẹkọ to dara miiran si atokọ naa, o le yọkuro ninu awọn asọye tabi ni PM kan. A yoo ṣe imudojuiwọn ifiweranṣẹ naa.
Kini ohun miiran ti o le ka lori bulọọgi?
→
→
→
→
→
Alabapin si wa -ikanni ki bi ko lati padanu awọn tókàn article. A kọ ko siwaju sii ju lẹmeji ọsẹ kan ati ki o nikan lori owo. A tun leti pe ni May 21 ni 15: 00 (akoko Moscow) a yoo mu lori koko-ọrọ “Aabo alaye iṣowo nigbati o n ṣiṣẹ latọna jijin.” Ti o ba fẹ lati ni oye bi o ṣe le daabobo alaye ifura ati ile-iṣẹ nigbati awọn oṣiṣẹ ba ṣiṣẹ lati ile, forukọsilẹ!
orisun: www.habr.com