Курс дистанционного обучения PRUS: Практическое применение Big Data аналитики для решения бизнес-задач
| пн, 20 апрель 2026, 15:00 (GMT+03:00) | |
| Россия, Москва | |
| 102400 | |
| Есть трансляция |
Теги: big data sql python архитектура
8-дневный практический курс по Big Data аналитике для решения бизнес задач— это глубокое практическое погружение в мир аналитики больших данных, созданное для тех, кто готов решать реальные бизнес-задачи с помощью современных технологий.
Мы проведем вас по всему циклу работы с данными: от постановки бизнес-целей и проектирования архитектуры до построения сложных ETL-конвейеров, анализа информации с помощью Spark и Hive и визуализации результатов в BI-системах. Забудьте о сухой теории — вы реализуете сквозной бизнес-кейс на полноценной настройке аналитической платформы, освоите ключевые инструменты Big Data и научитесь превращать сырые данные в основу для принятия стратегических решений. Этот курс по анализу данных — ваш прямой путь к тому, чтобы стать специалистом, который видит за цифрами и инструментами реальные бизнес-возможности.
Курс направлен на решение реального бизнес-кейса на аналитической платформе, используя современные инструменты стека Big Data. Это позволит Вам в дальнейшем принимать управленческие решения на основе ценных инсайтов, построив собственный аналитический ETL-конвейер для работы с корпоративными хранилищами и озерами данных. На курсе мы делаем упор на освоение самых востребованных в индустрии технологий:
Обработка данных: Apache Hadoop, Spark, Hive, Dask
Оркестрация: Apache Airflow, Apache NiFi
Потоковая обработка: Apache Kafka
Хранилища данных: HDFS, S3, Greenplum, NoSQL
BI и визуализация: Apache Superset, PowerBI
Контейнеризация: Docker
Языки: SQL, Python
Модуль 1. Постановка бизнес-задач и знакомство с BigData архитектурой
Модуль 2. Инструменты для анализа больших данных
Модуль 3. DWH хранилища данных, слои накопления данных (stg, ods, dds, dim, mart)
Модуль 4. Способы организации хранения сырых данных (stg слой)
Модуль 5. Инструменты для управления процессами обработки и перемещения данных.
Модуль 6. BI инструменты для аналитики данных
Модуль 7. Введение в ML