Компания: OTUS (Отус)
Язык: 
Актуальная программа курса (48 модулей, по данным школы)
- Модуль 1. Введение — Введение в профессию. Кто такой Инженер Данных. Какие задачи он решает. Архитектура систем.
- • Инженер данных. Архитектуры систем обработки данных
- • Выбор технологий. Облачные технологии
- • Docker
- • Основы Kubernetes
- Модуль 2. Источники данных — Рассмотрим источники данных для хранилищ.
- • Основы баз данных
- • NoSQL. Key-Value
- • NoSQL. Wide-column
- Модуль 3. DWH — Что это такое Хранилища Данных. Для чего используются. Как их проектировать и как с ними работать.
- • Основы DWH
- • Модели данных в DWH
- • Greenplum
- • ClickHouse
- • Разбор ДЗ по модулям 2 и 3
- Модуль 4. Data Lake — Познакомимся с Озёрами данных
- • Основы Data Lake. Hadoop
- • Распределенные файловые системы
- • ELK
- • ELK (практика)
- Модуль 5. Загрузка данных — Изучаем загрузку и обработку данных. Организация конвейеров обработки.
- • Загрузка данных
- • Apache Kafka
- • Kafka Connect
- • Apache Ni-Fi. Выгрузка данных из внешних систем
Кем вы сможете работать
Сколько зарабатывают в профессии (медиана hh.ru, по 228 вакансиям)
Окупаемость: стоимость курса ≈ 1 мес зарплаты junior-специалиста.
Сравнение с похожими курсами других школ
| Курс | Школа | Цена | Срок | Рейтинг | Диплом | |
|---|---|---|---|---|---|---|
| Инженер данных (этот) | OTUS (Отус) | 92 000 ₽ | 6 месяцев | — | — | — |
| Профессия Data Analyst | Skillfactory (Скиллфактори) | 145 008 ₽ | 18 месяцев | 5.0 | — | Перейти |
| Курс по аналитике данных | Skillfactory (Скиллфактори) | 145 008 ₽ | 6 месяцев | 4.7 | — | Перейти |
| Аналитики Big Data | GeekBrains (ГикБреинс) | — | 18 месяцев | 4.5 | — | Перейти |
Стоит ли идти на этот курс
Плюсы
- Продвинутый уровень — курс не начинает с азов SQL и базовой статистики, а предполагает готовую базу: это экономит время тех, кто уже в теме.
- Шесть месяцев — это горизонт, при котором Data Engineering можно разобрать не по верхам: программы на три-четыре месяца, как правило, проходят по стеку по диагонали и до архитектурных решений не добираются.
- Рейтинг 4.70 — стабильная оценка для технической школы, ориентированной на IT-практиков: такой уровень держится, когда преподаватели и программа не расходятся с ожиданиями аудитории.
- Специализированные Data Engineering-программы с серьёзным стеком на рынке — не самый массовый сегмент, выбор среди них невелик.
Минусы и кому не стоит
- Нет данных о трудоустройстве и карьерной поддержке — если это важный критерий, придётся уточнять у школы отдельно.
- Продвинутый уровень означает жёсткий входной порог: без опыта в работе с данными курс, скорее всего, не вывезти, а значит, он закрыт для тех, кто только переходит в аналитику.
- Программа в открытом доступе не раскрыта в деталях — непонятно, какие конкретно стеки разбираются и насколько глубоко; это усложняет сравнение с альтернативами.
Когда этот курс вам не нужен
Курс не подойдёт, если вы только входите в работу с данными: продвинутый уровень предполагает уже сложившийся фундамент — SQL, базовое понимание ETL, хотя бы общее представление о пайплайнах. Без этого шесть месяцев превратятся в гонку за терминологией. Не стоит идти и с размытым запросом «хочу в аналитику» — Data Engineering это конкретная инженерная роль со своим стеком, и если вы ещё не определились между аналитиком и инженером, сначала стоит разобраться в разнице. Наконец, если вы уже практикующий дата-инженер и ищете точечный навык — Spark, Kafka или конкретное облако — полугодовая программа будет избыточной: конкретный пробел быстрее закроете документацией или коротким специализированным курсом.
Как выбрать курс по этому направлению
Рынок курсов по Data Engineering невелик, и большинство программ рассчитаны либо на новичков, либо перегружены теорией без боевых задач. Для продвинутого уровня это особенно критично: если разбор реальных стеков — Spark, Kafka, Airflow, облачные хранилища — занимает меньше половины программы, нужную экспертизу на практике не наберёшь. Второй момент — кто ведёт: практикующий инженер с опытом в продакшене говорит о проблемах иначе, чем методист по учебнику. Третий — есть ли проектная работа на близких к реальным данных, а не синтетические датасеты ради галочки. Шесть месяцев для этого направления — адекватный объём: за три-четыре месяца Data Engineering в глубину не закрыть.
Частые вопросы
Можно ли пройти курс без опыта в аналитике данных?
Нет — уровень заявлен как продвинутый. Курс предполагает, что вы уже работали с данными: знаете SQL, понимаете ETL-процессы и хотя бы в общих чертах представляете архитектуру хранилища. Без этого фундамента материал просто не усвоится.
Сколько времени в неделю нужно на обучение?
Точной цифры в открытом доступе нет. Продвинутый курс на шесть месяцев — это серьёзная нагрузка. Спросите у OTUS, сколько часов в неделю закладывают преподаватели, и прикиньте честно: вписывается это в ваш ритм или нет.
Есть ли документ об окончании курса?
В открытом доступе этих данных нет — форматы у школ разные: сертификат, удостоверение о повышении квалификации, диплом. Если документ для вас принципиален, выясните у OTUS напрямую до записи.
Помогают ли с трудоустройством после курса?
Данных о карьерной поддержке нет. Это принципиальный вопрос перед записью: курс с карьерным сопровождением и без него — разные продукты, а разница в цене между ними порой немалая.
Какова стоимость курса и есть ли рассрочка?
По данным на момент проверки — 92 000 ₽. Точную сумму и параметры рассрочки смотрите на сайте OTUS: периодически появляются акции, которые меняют итоговую цифру.
Чем Data Engineer отличается от Data Analyst?
Data Analyst работает с готовыми данными: строит отчёты, ищет закономерности. Data Engineer строит инфраструктуру, по которой эти данные текут: пайплайны, хранилища, процессы загрузки и трансформации. Это разные роли с разным стеком.
Поделиться
Длительность курса
120 дней
Формат обучения
2 вебинара в неделю по 2 академических часа
Обратная связь
общение с преподавателем в канале Slack раз в месяц очные митапы преподавателей и студентов
Теория и практика
6 модулей 39 часов теории и 34-68 часов практики
Чему научитесь
- Работать с компонентами экосистемы Hadoop, распределенными хранилищами и платформами
- Разрабатывать дата-сервисы, витрины и приложения
- Разбираться в принципах организации мониторинга, оркестрации и тестирования
- Разворачивать, налаживать и оптимизировать инструменты обработки данных
- Адаптировать датасеты для дальнейшей работы и аналитики
- Создавать сервисы, которые используют результаты обработки больших объемов данных
- Отвечать за архитектуру данных в компании
прямо сейчас!
О курсе
О курсе
Преподаватели курса
Отзывов об этом курсе пока нет
Ниже — отзывы о школе OTUS (Отус): они помогут составить впечатление, но в рейтинге курса не учитываются. Проходили этот курс? Поделитесь — это поможет другим студентам.