数据工程训练营

• 在DataTalks.Club的Slack上注册
• 加入#course-data-engineering频道
• 加入课程Telegram通知频道
• 视频发布在DataTalks.Club的YouTube频道的课程播放列表中
• 常见技术问题

课程大纲

• 模块1：容器化和基础设施即代码
• 模块2：工作流编排
• 研讨会1：数据摄取
• 模块3：数据仓库
• 模块4：分析工程
• 模块5：批处理
• 模块6：流处理
• 研讨会2：使用SQL进行流处理
• 项目

参加课程

2025年cohort

• 开始时间：2025年1月
• 注册链接：https://airtable.com/shr6oVXeQvSI5HuWD

自学模式

课程的所有材料都是免费提供的，你可以按自己的节奏学习

• 按照建议的课程大纲（见下文）每周学习
• 你不需要填写注册表。直接开始观看视频并加入Slack
• 如果遇到问题，请查看FAQ
• 如果在FAQ中找不到问题的解决方案，请在Slack中寻求帮助

课程大纲

我们鼓励公开学习

注意： NYC TLC改变了我们使用的数据格式为parquet。 在课程中我们仍然使用可在此处访问的CSV文件。

模块1：容器化和基础设施即代码

• 课程概述
• GCP简介
• Docker和docker-compose
• 使用Docker在本地运行Postgres
• 使用Terraform在GCP上设置基础设施
• 准备课程环境
• 作业

更多详情

模块2：工作流编排

• 数据湖
• 工作流编排
• 使用Mage进行工作流编排
• 作业

更多详情

研讨会1：数据摄取

• 从API读取数据
• 构建可扩展的管道
• 数据规范化
• 增量加载
• 作业

更多详情

模块3：数据仓库

• 数据仓库
• BigQuery
• 分区和聚类
• BigQuery最佳实践
• BigQuery内部原理
• BigQuery机器学习

更多详情

模块4：分析工程

• 分析工程基础
• dbt（data build tool）
• BigQuery和dbt
• Postgres和dbt
• dbt模型
• 测试和文档
• 部署到云端和本地
• 使用Google Data Studio和Metabase可视化数据

更多详情

模块5：批处理

• 批处理
• Spark简介
• Spark数据框
• Spark SQL
• 内部原理：GroupBy和连接

更多详情

模块6：流处理

• Kafka简介
• 模式（avro）
• Kafka Streams
• Kafka Connect和KSQL

更多详情

研讨会2：使用SQL进行流处理

更多详情

项目

将我们学到的所有知识付诸实践

• 第1周和第2周：进行你的项目
• 第3周：同行评审

更多详情

概览

先决条件

为了充分利用这门课程，你应该对编码和命令行感到舒适，并了解SQL基础知识。有Python经验会有帮助，但如果你有其他编程语言的经验，也可以相对快速地掌握Python。

不需要数据工程的先前经验。

讲师

• Ankush Khanna
• Victoria Perez Mola
• Alexey Grigorev
• Matt Palmer
• Luis Oliveira
• Michael Shoemaker

往届讲师：

• Sejal Vaidya
• Irem Erturk

在Slack上寻求帮助

获得支持的最佳方式是使用DataTalks.Club的Slack。加入#course-data-engineering频道。

为了使Slack上的讨论更有组织：

• 寻求帮助时请遵循这些建议
• 阅读DataTalks.Club社区指南

支持者和合作伙伴

感谢课程赞助商使得这门课程成为可能

你想支持我们的课程和社区吗？请联系alexey@datatalks.club

Star历史