Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум

  1. Урок 1. 00:40:32
    Урок 0 Вводный вебинар
  2. Урок 2. 00:07:19
    Урок 0 Обзор курса Инженер данных (1)
  3. Урок 3. 00:40:07
    Урок 1 Урок- Реляционные и MPP базы данных
  4. Урок 4. 00:10:36
    Урок 2.1 Урок- Виды таблиц
  5. Урок 5. 00:10:52
    Урок 2.1 Урок- Виды таблиц
  6. Урок 6. 00:05:31
    Урок 2.3 Урок- Последовательности, триггеры, пользовательские функции, секции и правила
  7. Урок 7. 00:30:05
    Урок 3.1 Основные клиенты, подключение, системный каталог. PSQL
  8. Урок 8. 00:27:16
    Урок 3.2 Основные клиенты, подключение, системный каталог. DBeaver
  9. Урок 9. 00:08:38
    Урок 4.1 Как РСУБД обрабатывает запросы пользователей
  10. Урок 10. 00:12:53
    Урок 4.2 Оптимизаторы в PostgreSQL и GreenPlum и Планы, которые они строят
  11. Урок 11. 00:12:18
    Урок 4.3 Узлы плана, как повлиять на выполнение плана
  12. Урок 12. 00:12:13
    Урок 5.1 Обработка запросов в РСУБД и MPP РСУБД - Практика. Часть 3
  13. Урок 13. 00:19:26
    Урок 5.2 Обработка запросов в РСУБД и MPP РСУБД- Практика. Часть 1
  14. Урок 14. 00:10:27
    Урок 5.2 Обработка запросов в РСУБД и MPP РСУБД- Практика. Часть 1
  15. Урок 15. 00:10:26
    Урок 5.4 Обработка запросов в РСУБД и MPP РСУБД- Практика. Часть 4
  16. Урок 16. 00:19:04
    Урок 6 Применение R, Python, GeoSpatial в расчетах на GreenPlum
  17. Урок 17. 00:35:21
    Урок 7. ПРИМЕНЕНИЕ R, PYTHON, GEOSPATIAL В РАСЧЕТАХ НА GREENPLUM
  18. Урок 18. 00:28:48
    1 Введение в ETL
  19. Урок 19. 00:13:18
    2.1 Основные понятия и компоненты
  20. Урок 20. 00:14:07
    2.2 UI
  21. Урок 21. 00:09:07
    2.3 Практика 1. Создаём простой DAG
  22. Урок 22. 00:07:44
    2.3. Простой DAG
  23. Урок 23. 00:26:06
    3. Сложные пайплайны. Часть 1
  24. Урок 24. 00:13:55
    4. Сложные пайплайны. Часть 2
  25. Урок 25. 00:16:27
    4.2 Практика 2 DAG с забором данных
  26. Урок 26. 00:20:25
    5. Разработка своих плагинов
  27. Урок 27. 00:37:06
    6 Установка и настройка AIRFLOW
  28. Урок 28. 00:16:35
    0 Практика 0. Как создать кластер
  29. Урок 29. 00:19:42
    1 Подготовка данных для выполнения mapreduce задания и разбор примера
  30. Урок 30. 00:25:04
    1.1 Архитектура HDFS
  31. Урок 31. 00:30:30
    1.1. Практика № 1. Подключение к Hadoop и работа с файлами на HDFS
  32. Урок 32. 00:23:39
    1.2. Практика № 1. Интеграция s3 и Hadoop кластера
  33. Урок 33. 00:17:46
    2 Запуск mapreduce задания
  34. Урок 34. 00:07:55
    2.1 Конфигурация выполнения задач в Hadoop v.1
  35. Урок 35. 00:17:27
    2.2 YARN
  36. Урок 36. 00:17:40
    2.3 MapReduce
  37. Урок 37. 00:06:42
    2.4 Hadoop MapReduce
  38. Урок 38. 00:16:53
    3 Настройка параметров выполнения
  39. Урок 39. 00:14:34
    3.1 Apache Hive. SQL для Big Data. Введение
  40. Урок 40. 00:20:05
    3.2 Иерархия и архитектура Hive
  41. Урок 41. 00:12:54
    3.3 Примеры создания таблиц в Hive
  42. Урок 42. 00:18:05
    3.4 Join в Hive
  43. Урок 43. 00:06:22
    3.5 Транзакции и виртуальные поля
  44. Урок 44. 00:15:56
    4 Изменение типа входных данных
  45. Урок 45. 00:16:40
    5 Пример выполнения задания на большом объеме данных
  46. Урок 46. 00:21:37
    5.1 Основы Spark. Основные идеи
  47. Урок 47. 00:13:54
    5.2 Основы Spark. Модель вычислений
  48. Урок 48. 00:24:13
    5.3 Основы Spark. Экосистема
  49. Урок 49. 00:32:57
    6.1 Введение Spark SQL . DataFrame
  50. Урок 50. 00:20:46
    6.2 Работа оптимизатора в Spark SQL
  51. Урок 51. 00:10:22
    7.1 Message broker
  52. Урок 52. 00:23:15
    7.2 Apache Kafka
  53. Урок 53. 00:09:02
    7.3 Kafka Log retention, Cleanup policy
  54. Урок 54. 00:11:46
    7.4 Spark streaming, Structure streaming
  55. Урок 55. 00:14:26
    7.5 Structure streaming source, sink, triggers
  56. Урок 56. 00:04:26
    1 Введение
  57. Урок 57. 00:15:41
    2.1 Хранилище данных
  58. Урок 58. 00:16:26
    2.2 Архитектура DWH. Подходы к проектированию DWH
  59. Урок 59. 00:10:59
    2.3 Архитектура DWH. Пакетная и потоковая обработка данных.
  60. Урок 60. 00:25:07
    3.1 Нормальные формы
  61. Урок 61. 00:18:49
    3.2 Нормальные формы. Практика
  62. Урок 62. 00:16:31
    4.1 Dimensional modeling
  63. Урок 63. 00:26:46
    4.2 Dimensional modeling. Практика. Часть 1.
  64. Урок 64. 00:17:49
    4.3 Dimensional modeling. Практика. Часть 2
  65. Урок 65. 00:17:52
    5.1 Data Vault
  66. Урок 66. 00:42:35
    5.2 Data Vault. Практика
  67. Урок 67. 00:14:34
    6.1 Якорное моделирование
  68. Урок 68. 00:09:47
    6.2 Якорное моделирование. Практика
  69. Урок 69. 00:28:28
    7 Сравнение подходов
  70. Урок 70. 00:19:53
    1.1. Зачем нужна визуализация для инженера данных_2
  71. Урок 71. 00:11:17
    1.2. Line chart, bar chart, pie chart и area chart
  72. Урок 72. 00:10:17
    1.3 Scatter plot (точечная диаграмма), фактоиды, таблицы и чарт чузеры
  73. Урок 73. 00:12:55
    1.4 Tableau и сравнение инструментов BI
  74. Урок 74. 00:13:27
    1.5 Датасет и подключение данных к Tableau
  75. Урок 75. 00:14:03
    1.6 Интерфейс и основные настройки
  76. Урок 76. 00:08:25
    1.7 Создание line chart
  77. Урок 77. 00:09:22
    1.8 Создание bar chart и pie chart
  78. Урок 78. 00:10:36
    1.9 Создание area chart, Scatter plot, фактоидов и таблиц в Tableau
  79. Урок 79. 00:14:23
    2.1 Введение и приборная панель
  80. Урок 80. 00:11:23
    2.2 Страница сущности
  81. Урок 81. 00:08:08
    2.3 Аналитические дашборды
  82. Урок 82. 00:14:23
    2.4 Графический дизайн
  83. Урок 83. 00:22:56
    2.5 Создаем дашборд
  84. Урок 84. 00:25:09
    2.6 Применяем правила графического дизайна к дашборду
  85. Урок 85. 00:07:02
    3 1 Зачем нужен дашборд и алгоритм его разработки
  86. Урок 86. 00:08:44
    3 2 Команда, интервью и основные пользователи_2
  87. Урок 87. 00:11:46
    3 3 Формат взаимодействия, вопросы и бизнес решения
  88. Урок 88. 00:04:47
    3 4 Структура данных и основные блоки, верстка и прототип
  89. Урок 89. 00:20:13
    4. 1. Подключение и типы данных
  90. Урок 90. 00:15:54
    4.2. Объединения, настройки и типы подключения
  91. Урок 91. 00:21:40
    4.3. Типы объединения Join, Union и Relation в Tableau
  92. Урок 92. 00:15:04
    4.4 Blending и особенности разных типов соединения данных
  93. Урок 93. 00:04:29
    4.5 Подключение к Clickhouse
  94. Урок 94. 00:17:16
    5.1 Data Mesh
  95. Урок 95. 00:21:37
    5.2 Data Mesh
  96. Урок 96. 00:40:02
    6.1 Обзор BI систем
  97. Урок 97. 00:15:13
    6.2 DataLens Подключение данных
  98. Урок 98. 00:27:23
    6.3 DataLens Создание чартов и расчетные поля
  99. Урок 99. 00:18:17
    6.4 DataLens Дашборды, селекторы и параметры
  100. Урок 100. 00:35:45
    1 Введение в машинное обучение
  101. Урок 101. 00:29:42
    2 Введение в теорию распределенного машинного обучения
  102. Урок 102. 00:35:42
    3 Spark ML и распределенное машинное обучение
  103. Урок 103. 00:37:39
    4 Применяем Spark ML
  104. Урок 104. 00:23:58
    5 Практика. Применение не распределенных моделей МО в Spark
  105. Урок 105. 00:13:22
    5 Применение не распределенных моделей на Spark
  106. Урок 106. 00:49:31
    1 Общий пайплайн обучения моделей
  107. Урок 107. 00:31:05
    2 Версионирование данных (DVC)
  108. Урок 108. 00:30:36
    2.2 Практика с DVC
  109. Урок 109. 00:44:11
    1 Data Management
  110. Урок 110. 00:29:40
    2 Data Security