在线课程 – DeepLearning.AI 数据工程认证专业证书

了解有效数据工程的原则。培养您所需的数据工程技能,并探索如何通过将一系列原则和策略应用于数据系统开发来提供真正的业务价值。

Suggested by: Coursera (What is Coursera?)

Professional Certificate

开始

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 将利益相关者的需求转化为系统需求,并选择适当的工具来构建系统。
  • 构建数据管道以批量和实时流的形式推荐 AWS 上的产品。
  • 应用良好数据架构的原则来评估 AWS 上数据系统的安全性、性能、可靠性和可扩展性。
  • 调查不同类型的源系统并解决常见的连接问题。
  • 使用基础设施和管道等工具作为代码来协调、自动化和管理数据管道。
  • 针对不同的情况设计存储架构、数据门和水门。
  • 调查数据存储选择对查询性能和成本的影响。
  • 为机器学习分析和应用程序建模和转换数据,并比较集中式处理框架(如 Pandas)和分布式处理框架(如 Spark)。
  • 向相关方提交数据,用于业务分析和机器学习用途。

What you will learn in the course

Courses for which the course is suitable

  • 数据工程师
  • 数据分析师
  • 机器学习专家 (Machine Learning Specialist)
  • 数据系统开发人员
  • 数据项目经理
  • 业务分析师
  • 数据管道开发人员
  • 数据架构专家
  • 云解决方案开发人员

专业证书 – 系列 4 课程

数据工程 DeepLearning.AI专业证书是一个全面的在线课程,适用于希望开始或扩展职业生涯的数据工程师和专业人士。

各种规模和行业的组织都在以不断发展的速度收集和生成数据。在这些组织中,从经理、销售和营销、财务和运营、产品和运营到客户服务,每个团队都可以从组织数据中获得见解和价值。无论最终用途是数据科学、机器学习还是分析,数据工程都是使原始数据对业务有价值的原因。因此,数据工程师的角色是当今技术领域最需要的职业之一。

在此计划中,您将学习数据工程的基础知识,并获得使用 AWS 和开放代码工具设计和实施数据架构的实践经验。

该证书由该领域的专家、《数据工程基础》一书的合著者 Joe Rice 领导,将为您提供在高需求领域发展的工具和知识,重点是摄取、处理、转换、存储和向感兴趣的各方提交数据,以推进组织和业务目标。动手实验是与 AWS 和 Factored.AI 合作开发的,旨在为您提供在云中构建数据系统的真实体验。

有了这个证书,你将拥有推动你在数据工程领域的职业生涯的工具。

实践学习项目

在此计划中,答:

  • 将利益相关者的需求转化为系统要求,并选择适当的工具来构建系统。

  • 构建数据管道以在 AWS 上批量和实时流中推荐产品。

  • 应用良好数据架构的原则来评估 AWS 上数据系统的安全性、性能、可靠性和可扩展性。

  • 调查不同类型的源系统并解决常见的连接问题。

  • 您将使用基础设施和管道即代码等工具来协调、自动化和监控您的数据管道。

  • 针对不同的情况设计存储架构、数据门和水门。

  • 探索数据存储选择对查询性能和成本的影响。

  • 为机器学习分析和应用程序建模和转换数据,并将集中式处理框架(如 Pandas)与分散处理框架(如 Spark)进行比较。

  • 您将向感兴趣的各方提交数据,以供业务分析和机器学习使用。

Details of the courses that make up the specialization

数据工程概论

时间: 17 小时

  • 了解数据工程生命周期和基本详细信息。
  • 从相关方收集需求并将其发展为系统需求。
  • 在 AWS 套件中设计和实施数据管道。

源系统、数据吸收和管道

持续时间: 34 小时

  • 从相关方收集需求并将其发展为系统需求。
  • 在 AWS 上实施数据包和流数据摄取流程。
  • 将信息安全、数据管理和 DataOps 的各个方面集成到它提供的数据系统中。

数据存储和查询

时间: 22 小时

  • 针对不同场景设计存储架构,并为这些架构的应用选择合适的技术。
  • 练习常见的查询模式,并确定提高查询性能和增加数据系统价值的方法。

数据建模、转换和服务

时间: 27 小时

  • 根据相关方的需求对数据进行建模和转换,以提供业务价值。
  • 根据您的架构设计选择合适的数据处理工具。
  • 用于分组分析的数据处理,以及用于使用分散和非分散处理框架进行机器学习的数据管道。

这些课程提供数据工程领域的广泛技能和知识获取,适用于有兴趣在该领域发展知识和技能的任何人。