Nossa missão é fornecer o melhor ensino em engenharia de dados

Se você quer:

1. Construir uma base sólida em Python e SQL
2. Aprender as principais habilidades e ferramentas de engenharia de dados
3. Criar ou melhorar seu portfólio de dados
4. Criar ou aumentar o seu networking na área
5. Mudar ou dar o próximo passo em sua carreira

A Jornada de Dados é o seu lugar

Para conhecer mais sobre o projeto participe do nosso workshop aberto

Um intensivo único para você iniciar com Python e ir até tópicos avançados (API por exemplo) para você resolver problemas reais

Um workshop focado em SQL para engenharia de dados

1. Introdução ao SQL Básico:

• Comandos fundamentais (SELECT, INSERT, UPDATE, DELETE). • Funções de agregação e filtragem. • Joins e subqueries.

2. Fundamentos de Infraestrutura de Banco de Dados: • Visão geral de índices e seu impacto no desempenho. • Particionamento de dados e estratégias. • Conceitos de ACID para garantir a integridade dos dados.

3. Configuração do Ambiente Local: • Instalação e configuração de um ambiente de desenvolvimento SQL local.

4. Uso do Postgres com Docker: • Criação de um ambiente Docker para o PostgreSQL.

5. Configuração do Amazon RDS para Produção: • Configuração e otimização do Amazon RDS.

6. ETL (Extract, Transform, Load): • Conceitos e ferramentas para ETL. • Prática de transformação de dados e carga em um data warehouse.

7. Procedures e Automatização: • Criação e uso de stored procedures para automatização de tarefas. • Princípios de design e manutenção de procedures.

8. Testes Unitários em SQL: • Introdução aos testes de software e como aplicá-los ao SQL. • Ferramentas e frameworks de teste específicos para SQL.

9. Integração com DBT (Data Build Tool): • Cinco aulas cobrindo desde a introdução ao DBT até casos de uso avançados. • Melhores práticas para modelagem de dados e versionamento com DBT.

10. Orquestração de Workflows com Airflow: • Introdução ao Apache Airflow e sua importância na orquestração de tarefas de engenharia de dados. • Como integrar processos de ETL, testes e outras tarefas automatizadas com Airflow.

Nossa missão é fornecer o melhor ensino em engenharia de dados

Se você quer:

1. Construir uma base sólida em Python e SQL
2. Aprender as principais habilidades e ferramentas de engenharia de dados
3. Criar ou melhorar seu portfólio de dados
4. Criar ou aumentar o seu networking na área
5. Mudar ou dar o próximo passo em sua carreira

A Jornada de Dados é o seu lugar

Acredito no ensino ao vivo, são 13 workshops no total

Os encontros são aos sábados ás 9 horas, são 4 horas de workshop

• Criando uma colletor de excel em python
• Qualidade com Pydantic
• Versionamento com Git e Github
• Documentando com Mkdcos
• Observabilidade com Sentry
• UI com Streamlit (se eu não achar nada mais fácil até lá)

• Introdução aos 12 fatores
• Versionamento com Git e Github
• Migrando para Python 3.12 com Pyenv
• Ambiente virtual com PIP, Poetry e Conda
• Documentação com Mkdocs
• Teste sua aplicação com Pyenv
• Criando um fluxo de trabalho com pré-commit
• Estruturando uma PR e criando um processo
• Garantindo conformidade com CI/CD

• Pydantic para Modelagem de Dados
• Garantindo Qualidade de Dados
• Test-Driven Development em Dados com Pytest
• Estratégias de Validação de Dados
• Pydantic e TDD: Casos Práticos

• Fundamentos de Infraestrutura para Dados
• Linux Essencial para Engenheiros de Dados
• Docker: Containerização em Dados
• Criando Ambientes de Dados com Docker
• Melhores Práticas em Infra de Dados

• Introdução ao Airflow para Orquestração
• Configurando Airflow: Melhores Práticas
• Desenvolvendo Workflows Eficientes no Airflow
• Deploy de Workflows com Airflow
• Monitoramento e Troubleshooting no Airflow

• Introdução ao NoSQL: Redis e MongoDB
• Redis para Caching e Gerenciamento de Dados
• MongoDB: Modelagem e Consultas
• Comparativo NoSQL: Redis vs MongoDB
• Casos de Uso: Redis e MongoDB

• Desenvolvendo REST APIs Eficientes
• FastAPI: Criação e Documentação
• Estratégias de Deploy para APIs
• Segurança e Escalabilidade em APIs
• APIs com FastAPI: Estudos de Caso

• Introdução ao Processamento de Streaming
• Apache Kafka: Fundamentos e Práticas
• Desafios no Streaming de Dados
• Casos Práticos Kafka

• Mensageria com Amazon SNS e SQS
• RabbitMQ: Configuração e Uso
• Comparação: SNS, SQS, RabbitMQ
• Padrões de Mensageria na Cloud
• Casos de Uso em Sistemas Distribuídos

• Introdução a Infraestrutura como Código
• Terraform: Conceitos Básicos
• Gerenciando Cloud com Terraform
• Segurança e Compliance com Terraform
• Terraform: Casos de Uso Práticos

• Monitoramento com Prometheus
• Datadog para Observabilidade de Dados
• Sentry para Gestão de Erros
• Integrando Prometheus, Datadog e Sentry
• Melhores Práticas de Monitoramento

• Introdução ao MLOps
• Ciclo de Vida de Modelos ML
• Automação e Orquestração em ML
• Monitoramento e Governança de ML
• Casos Práticos de MLOps

• Databricks: Plataforma de Big Data
• Fabric: Gestão de Dados em Escala
• Arquiteturas de Data Warehouse
• Databricks e Fabric: Integração
• DW de Milhões: Desafios e Soluções

Para você aproveitar ao máximo do curso, é importante que você se sinta confortável com SQL e uma experiência com Python também será útil, ideal que você tenha entre 1 e 2 anos trabalhando com dados.

Caso você não tenha de 1 a 2 anos na área terá que estudar muito SQL e Python em paralelo, acredito que ao menos 1h por dia de estudos fora os Workshops.

Mas fique tranquilo, temos o nosso Bootcamp de 100 dias de Python e SQL para te colocar no shape.

Aqui é o lugar certo para aprender Python e SQL voltado para a engenharia de dados

Alternativamente, você pode acessar nossa plataforma, nossa aplicação disponibiliza uma plataforma bem user-frindly para você pode acessar ao material do curso

• Fale comigo Link do Linkedin