Во время моих коучинг-сессий снова и снова всплывает одна важная тема - проектирование схем. Поэтому я решил создать отдельный курс в академии, чтобы подробнее объяснить, как разрабатывать схемы данных для различных хранилищ.
В качестве учебного примера мы будем использовать e-commerce-датасет, знакомый вам из других курсов. Я также включил реальные схемы из коучинга, чтобы показать, как проектирование может выглядеть в разных сценариях.
Сначала мы обсудим, почему проектирование схем так важно и какую ключевую роль оно играет в работе дата-инженера. Вы также узнаете, что даже для NoSQL-хранилищ требуется продуманная схема - она помогает создать поддерживаемую структуру и избежать «болота данных» (data swamp)
Затем мы подробно рассмотрим, как разрабатывать схемы для различных типов хранилищ:
Вы узнаете, как подходить к проектированию схем под разные задачи и архитектуры.
Освоив этот курс вместе с материалами из «Choosing Data Stores», вы сможете не только правильно выбрать хранилище под задачу, но и спроектировать для него эффективную и логичную схему. Это поможет вам оптимизировать хранение и доступ к данным в рамках вашей платформы.
Я - старший инженер по данным и тренер, техноэнтузиаст и отец. Уже более десяти лет я увлечён Data Engineering. Сначала я стал инженером по данным самоучкой, а затем возглавил команду инженеров по данным в крупной компании. Когда я понял, насколько велика потребность в обучении в этой сфере, я последовал за своей страстью и основал собственную Академию Data Engineering. С тех пор я помог более чем 2 000 студентам достичь своих целей.
Andreas Kretz
Одна из ключевых задач при создании платформы данных и пайплайнов - это выбор подходящих хранилищ данных. Именно этой теме и посвящён данный курс.Мы рассмотрим реляционные и NoSQL базы данных, а также хранилища данных (data warehouses) и озёра данных (data lakes). Вы узнаете, когда стоит использовать тот или иной тип хранилища и как правильно интегрировать его в свою архитектуру.После прохождения курса вы будете понимать, как хранить данные и как
Eka Ponkratova
Реляционное моделирование широко применяется при построении транзакционных баз данных. Возможно, вы скажете: «Но я не собираюсь становиться backend-инженером». Однако знание не только того, как перемещать данные, но и как грамотно их хранить, - ключевой навык. Это включает в себя создание масштабируемой структуры данных, обеспечивающей быструю обработку запросов и эффективное извлечение информации.
Eka Ponkratova
В современном мире, где данные играют ключевую роль, эффективная организация информации - основа для качественной аналитики и построения отчётов. Многомерное моделирование данных - это важный подход, позволяющий структурировать данные для быстрого доступа и принятия обоснованных решений.Этот курс представляет собой подробное введение в основные концепции размерного моделирования. Вы узнаете, как работают фактные и размерные таблицы, что такое мед
Andreas Kretz
В роли инженера данных вы будете регулярно работать с аналитическими платформами, где компании хранят данные в Data Lakes и Data Warehouses для построения визуализаций и создания моделей машинного обучения.Современные хранилища данных, такие как AWS Redshift, Google BigQuery и Snowflake, позволяют загружать данные напрямую из файлов в Data Lake. Эта интеграция делает работу с хранилищами гибкой и удобной для аналитических задач.
Учебный центр IBS
Освойте создание интеграционных решений для взаимодействия между системами с учетом деловых требований и технологий.
