Новые складчины | страница 27

​

Концентрированный, дополняемый, удобный курс по продвинутому Backend (Python)
В этом курсе мы пройдемся по темам в углубленном формате. Так же приятным бонусом будет дополняемость курса, то есть купив один раз вы будете получать со временем новый материал.

Меня зовут Кирилл и я Senior FullStack разработчик. Большой опыт за плечами на разных позициях в том числе и руководящих. Провел порядка 100 собеседовний на различные позиции.

Преимущества - (такого нет у конкурентов)
Бесплатная консультация в подарок

Первые 20 купивших получат бесплатную консультацию либо собеседование со мной. На консультации можно задать обсолютно любые вопросы или задачи которые надо решить. Длительность консультации или собеседования равна 1 часу

Купил один раз и получаешь обновления
Большинство курсов устаревают из-за того что материал не меняется. Язык развивается динамично поэтому материал нужно добовлять или обновлять как можно чаще. В этом курсе купив один раз доступ к материалу, вы получите возможность получать обновления.

Удобство прохождения
После покупки курса вам будет выдан доступ в бот навигатор в телеграме, а так же вы будете добавлены в закрытый канал с материалом. С помощью бота навигатора можно будет решить любой вопрос или проблему, помимо этого помощь и ответ на сообщения будет происходить в ускоренном режиме

Спойлер: Далее:

Для кого этот курс ?
Для Трейни, Junior, Middle разработчиков которые хотят повысить свой уровень или углубиться в ряд тем. Тут вы рассмотрите продвинутые темы и полный спектр возможностей

Как проходит курс ?
После покупки курса вы будете добавлены в бота навигатора и закрытый telegram канал со всем материалом. Через бот навигатор вы можете удобно и структурировано получать информацию, проходить тесты, запрашивать собеседования, а так же получить свой уникальный сертификат о прохождении курса

Что будет в курсе ?

Введение

Модуль 1 - ООП - 40мин
Модуль 2 - Асинхронность - 1ч
Модуль 3 - Многопоточность и Многопроцессорности - 35мин
Модуль 4 - Работа в сети - 45 мин
Модуль 5 - SQL - 50 мин
Модуль 6 - Архитектура - 40мин
Модуль 7 - Flask - 25мин
Модуль 8/9 - Django + Docker + DRF - 1.5ч
Модуль 10 - FastAPI - 32мин
Тесты - 2 часа
Консультация/Собеседование - 1 час

​

По окончании курса вы:

• Научитесь проектировать и реализовывать сложные проекты, говоря на языке бизнеса с помощью Domain-driven design
• Станете более ценным сотрудником, погрузившись в мир распределенных Event driven систем
• Приобретете уникальное преимущество на рынке, глубоко изучив подход Event sourcing и паттерн CQRS, создадите свое первое распределенное event-sourcing приложение

• Узнаете, как работает алгоритм 2PC и сами реализуете распределенную транзакцию с паттерном Saga
• Будете чувствовать себя гораздо увереннее при прохождении system design интервью
• Получите именной сертификат об окончании курса

​

Для кого этот курс
Для Трейни, Junior, Middle разработчиков которые хотят повысить свой уровень владения ванильным JavaScript. Тут вы рассмотрите продвинутые темы и полный спектр возможностей языка на продвинутом уровне

Как проходит курс
После покупки курса вы будете добавлены в бота навигатора и закрытый telegram канал со всем материалом. Через бот навигатор вы можете удобно и структурировано получать информацию, проходить тесты, запрашивать собеседования, а так же получить свой уникальный сертификат о прохождении курса

​

Воркшоп по проектированию архитектуры информационных систем для системных аналитиков, которые хотят познакомиться с популярными паттернами проектирования микросервисной архитектуры
и научиться их визуализировать в диаграммах нотации С4

Задания практического воркшопа

• Выбрать кейс
• Выбрать подходящую архитектуру для своей системы
• Выбрать подходящие БД
• В случае микросервисной системы выбрать стиль взаимодействия микросервисов и подходящие паттерны проектирования
• Описать архитектуру своей ИС в виде набора диаграмм модели С4 (3 первых уровня)
• Аргументированно представить свое решение

Кейсы воркшопа:

• Банк
• Служба доставки
• Туроператор
• Служба такси

Ведущий инструктор: Полина Комкова, Systems.Education
Специалист по проектированию информационных систем, Главный системный аналитик. Более 7 лет в разработке ИС и ПО, прошла путь программиста математических моделей спутниковых систем, бизнес-аналитика в аэрокосмической и оборонной промышленности, системного аналитика в e-commerce и финтехе

Состоится: 21 апреля 10:00–14:00

Сайт

​

Скопипасти знания алгоритмов прямо к себе в голову!

Для кого курс?
* Если ты давно используешь Python, но задачи на LeetCode кажутся чем-то запредельным. Вроде написано, что Easy, а ты даже не понимаешь описание задачи.
*Если хочешь в Big Tech, но там надо знать алгоритмы, а это капец сложно. При правильном подходе этот навык осваивается достаточно быстро.
*Если всегда привлекали алгоритмы, но было непонятно, с чего начать. Можно изучить алгоритмы чисто для интеллектуального здоровья или чтобы доказать себе, что можешь!

Я сделал за тебя всю тяжелую работу. Нужно просто смотреть видео и повторять за мной.
В чем поможет мой курс?

• Больше не нужно биться головой об стену, чтобы решить задачу или найти решение, которое тебе понятно
• Нужно только смотреть мои супер-интуитивные объяснения, смотреть, как я колю задачу, а затем повторять за мной. Твои занятия по алгоритмам становятся приятными и предсказуемыми.
• Через отборные задачи я проведу тебя к уверенному пониманию задач уровня Easy и Medium
• Больше не нужно блуждать по лабиринту из тысяч несвязанных задач и ужасаться, сколько всего я еще не знаю.
• Анализировать сложность по времени и по памяти (Big O)
• Я покажу, что это очень интуитивно и практично. После первого обсуждения Big O я буду использовать его в каждой задаче, и ты тоже научишься делать этот анализ.
• Реализовывать на Python все основные паттерны в алгоритмических задачах

В курсе объясняются задачи на: массивы, матрицы, строки, целочисленное деление, модулус, хэш-сеты, хэш-таблицы, два указателя, бинарный поиск, связный список, стек, рекурсия, деревья, поиск в глубину (DFS), поиск в ширину (BFS), бэктрекинг, сортировка, динамическое программирование, скользящее окно, куча и даже битовые операции

​

• Научишься решать сложные алгоритмические задачи, как на собесах в BigTech
• Узнаешь, как оптимизировать свою производительность на алгоритмическом собеседовании для гораздо более уверенного прохождения
• Поймешь, как работать с алгоритмами и применять их в подходящих ситуациях
• Сможешь оценивать алгоритмическую сложность для подтверждения эффективности работы твоего алгоритма

Зачем тебе знать алгоритмы?
Большие компании, такие как Google и Amazon, Yandex и Ozon предлагают великолепные рабочие условия и зарплаты. Обычный инженер в Google получает более $200.000 в год.

Там программисты разрабатывают приложения, которыми пользуются миллионы людей. Для эффективного обращения с таким количеством данных разработчикам необходимо знание алгоритмов, чтобы писать гораздо более мощные и надежные системы.

Поэтому, чтобы отобрать лучших, такие компании проверяют, умеют ли разработчики работать с алгоритмами. Ведь это показатель тренированного ума в решении сложных задач — именно за это и платят очень много денег! Об алгоритмах всегда спрашивают в ходе собеседований на позицию разработчика любого уровня, в том числе Junior.

Программа курса:
Теория:
Оценка сложности (О-нотация)

• Структуры данных: список, связный список, хэш-таблица, сет
• Структуры данных: стек, очередь, куча (heap)Advanced структуры данных: бинарное дерево, бинарное дерево поиска, граф
• Основные техники решения задач: two pointers, sliding window, prefix sum
• Сортировки и их использование: типы сортировок, binary search — Основные техники решения advanced-задач: DFS, BFS, • Hare-Tortoise
• Главные графовые алгоритмы: Дейкстра, Флойд, Беллман-Форд, топологическая сортировка, окрашивание графа

Практика:

• Родмапа самых главных задач на LeetCode, которые чаще других попадаются на собеседованиях
• Разборы ключевых задач, дающих максимальный буст в твой навык работы с алгоритмами
• Сессии парного программирования для интенсивной работы над сложными задачами и тренировки формулирования решения
• Взаимодействие с сообществом в чате для анализа ошибок и оптимизации работы

​

Стань настоящим гуру Линукса, начав с самых основ. Разложим сложные концепты простым языком и сформируем целостный образ мышления вокруг Linux. Закрепим знания на десятке практических задач с автоматической проверкой. Практиковаться будем на наших серверах – в онлайн-версии VS Code с доступом к терминалу

О курсе
В IT-сфере понимание Linux — не просто полезное знание, это необходимость. Мало знать, как писать программы — не менее важно уметь работать с операционной системой, которая является окружающей средой этой программы. В большинстве случаев нужно работать с Linux - самой популярной ОС. И это не только наша позиция – работодатели требуют знание Linux в огромном множестве вакансий: от девопсов до тестировщиков, от системных разработчиков до дата-сайентистов.

Много практики
В курсе есть вопросы по мере чтения и отдельные практические уроки на написание Bash-команд и решение объёмных задач в онлайн-тренажёре.

Материалы высокого качества
Мы разрабатываем курс более года, стремясь к совершенству в деталях. Каждый новый урок проходит многочисленные ревью практикующих специалистов, а старые постоянно дорабатываются с учётом фидбека учащихся. Кроме качественного текста, в статьях много иллюстраций и интерактивных видео с терминалом, откуда можно копировать команды.

Практика на наших серверах
Обещаем моментальное погружение в Линукс с первых минут, ведь начать занятия можно сразу: из браузера на любом устройстве. Можно не бояться, что во время обучения случайно накосячишь и снесёшь всё со своего компьютера.

Автоматическая проверка задач
Наша тестирующая система проверит твой Bash-скрипт на множестве тестов и подскажет, что именно пошло не так.

В курс входят

• 20 уроков
• 65 тестов
• 16 интерактивных задач

Авторы курса: Fedor Ivanov, Artem Starikov

Программа курса:

Введение в курс

1. Терминология
2. Команды
3. Мануалы
4. Текстовые редакторы
5. Интерлюдия: практика в Coder
6. Интерлюдия: регистрация в Coder

Программирование на Bash

1. Введение
2. Введение: практика
3. Условия и циклы
4. Условия и циклы: практика
5. Параметры и подстановки
6. Функции
7. Арифметика

Файловая система

1. Введение
2. Устройство файловой системы UNIX

Файловая система: продолжение

1. Иерархия файловой системы
2. Утилиты

Программирование на Bash: продолжение

1. Параметры и подстановки: практика
2. Функции: практика
3. Арифметика: практика

​

Спойлер: Преподаватели модуля:

Юлдуз Фаттахова (Python):

• 5+ лет в Data Science.
• Руководитель AI-проектов в Cбер.
• Автор курсов по Machine Learning.

Дарима Мылзенова (Python)

• Инженер-исследователь
• Ведет курсы в Digital Banana, ДПО НИУ ВШЭ, читает лекции в Сколтехе и в ШАДе.
• Ex-Gazprom Neft, Just AI. Искала нефть с помощью алгоритмов компьютерного зрения и разработала модели синтеза речи для aimyvoice.

Анна Чувилина (Python)

• Ex-Head of Analytics в Яндекс, преподаватель Mathshub, преподавала в НИУ ВШЭ и Harbour Space University.

Чему мы научим на Основах Python:

• На этом модуле вы освоите основы программирования на Python, работу со структурами данных, условными операторами и библиотеками, функциями и объектно-ориентированным программированием.
  Вы научитесь решать свои первые задачи на Python, а также подготовите проектную работу: чат-бот для Telegram с использованием библиотек, парсинга и API
• Рассмотрите назначение Python
  Вы начнёте изучение с введения в Python: узнаете, зачем нужна арифметика и функции, и научитесь работать со строками. Узнаете, какие сферы затрагивает Python и для чего он используется.
• Узнаете как эффективно хранить и извлекать данные
  Вы поймёте, как улучшить эффективность работы на Python и упростить процесс программирования с помощью структур данных — словарей и множеств. Разберёте, как они используются для решения различных задач в программировании — быстрого поиска, фильтрации данных, устранения дубликатов.
• Добавите в скиллы продвинутый python
  Вы изучите, что такое генераторы и операторы, как работать с библиотеками NumPy, SciPy и Pandas. Поймёте, как работать с Python в многопоточности и асинхронном программировании.
  Протестируете свой первый чат-бот
  Написание итогового проекта — ваша практика в использовании виртуального окружения, подключении необходимых библиотек и написании плана по разработке. Вы научитесь тестировать ботов/приложения и налаживать их работу, вычисляя сбои в коде.

Что включено в модуль:

• Базовые типы данных: int, float, string, bool
• Условный оператор и циклы: for, while
• Структуры данных в Python: списки, кортежи, словари и множества, comprehensions
• Функции, аргументы и аннотации функций
• Область видимости переменных, lambda функции, map, zip, sorted
• ООП: инкапсуляция, наследование, полиморфизм, dunder methods, абстрактные классы, mro
• Numpy для эффективных вычислений
• Pandas для анализа данных
• Работа в Jupyter Notebook и в Pycharm
• Обработка исключений, итераторы и генераторы, декораторы

Программа модуля:

Продолжительность: 36 ак. часов / 10 недель
Формат обучения: Лекция + семинар​

1. Введение в Python, его назначение. Арифметика и функции. Работа со строками
2. Введение в Python: интерактивное программирование
3. иклы и особенности их применения
4. Структуры данных в python, работа с файлами, библиотеки
5. Функции в Python
6. Введение в ООП
7. Введение в Numpy, Jupyter Notebook, Pandas
8. Работа в Jupyter Notebook
9. Чат боты, подготовка по проектам
10. Продвинутые возможности Python

Твои навыки после обучения:

• Основы программирования на Python (строки, циклы, структуры данных, функции и ООП)
• Владение библиотеками Numpy и Pandas
• Создание чат-бота

​

Чему мы научим на Machine Learning:
На этом модуле вы изучите взаимосвязь между независимыми и зависимыми переменными, научитесь предсказывать значения последней на основе первых и разделять наблюдения на заранее определенные категории или классы на основе их признаков.
Вы поймёте, как нескольким разработчикам работать над одним проектом одновременно, улучшая качество и скорость его разработки, а также узнаете, что такое кластеризация и подготовка данных.
◆ Узнаете всё о машинном обучении
Машинное обучение — подраздел искусственного интеллекта, который обучает системы самостоятельно учиться и делать прогнозы или принимать решения на основе данных. На модуле вы начнёте изучать тему машинного обучения с введения, узнаете, каким оно бывает и какие основные компоненты его работы.
◆ Познакомитесь с ключевыми алгоритмами
Вы разберётесь в ключевых моментах работы машинного обучения, познакомитесь с понятием градиентного спуска. Это оптимизационный алгоритм, используемый для минимизации функций потерь в методах машинного обучения и искусственного интеллекта.
◆ Научитесь создавать ml-пайплайны
ML-пайплайн — это набор этапов, выполнение которых приводит к созданию и обучению модели машинного обучения. Это методология разработки моделей, которая помогает улучшить процесс их создания, отладки и масштабирования. На модуле вы научитесь создавать пайплайны с нуля, развивать их, изучите их функционал.
◆ Изучите полезные приёмы при работе с данными
Вы начнёте разбираться в том, как оптимизировать скорость работы и наладить процесс обработки данных. Узнаете, зачем необходимо использование кросс-валидации для оценки производительности, как делать предобработку данных и тонкую настройку.

Что включено в модуль:
Введение в ML: каким оно бывает и каковы основные компоненты метрики и задача линейной регрессии
Градиентный спуск
Обобщающая способность модели: метод отложенной выборки / Кросс-валидация
Линейная классификация: оценка вероятности
Матрица ошибок и основные метрики классификации
ROC, PR-кривые, AUC-ROC, AUC-PR
Градиентный бустинг
Bias-variance trade-off
Кластеризация
Рекомендательные системы
Машинное обучение: классические задачи и алгоритмы
Создание ML-пайплайна с нуля и развитие ML-пайплайна

Программа модуля:
20 ак. часов / 5 недель
Формат обучения: Лекция + семинар

Регрессии
Классификация
Парное программирование — Алгоритмы ML
Кластеризация
Подготовка данных
Продвинутые подходы ML

Твои навыки после обучения
Основы теории машинного обучения
Валидирование данных
Построение регрессии, кластеризации и градиентного спуска
Создание ML-пайплайнов с нуля и их развитие

Mathshub — международная школа анализа данных и разработки.
Преподаватель модуля: Олег Булыгин. Machine Learning
7 лет опыта в управленческих должностях в научно-производственных компаниях космической отрасли.

​

Чему мы научим на Продуктовой аналитике:
◆ На этом модуле вы узнаете, кто такой продуктовый аналитик, и какие функции он выполняет.
Вы по ймёте, что такое продуктовые метрики, как их выбирать, считать и оценивать.
◆ Научим определять цели
Вы разберётесь, как определять цели и задачи бизнеса, и вырабатывать соответствующие метрики. Научитесь анализировать данные и выявлять связи между различными метриками. Поймёте, как изменение одной метрики может глобально повлиять на общие задачи бизнеса.
◆ Освоите работу с показателями
Узнаете, какие ключевые показатели эффективности существуют и научитесь грамотно оценивать результаты работы. Поймёте, как с помощью метрик оценивать эффективность различных стратегий и тактик, а также сравнивать результаты с предыдущими периодами.
◆ Научитесь выявлять проблемные области
Вы научитесь выявлять проблемные области, опираясь на полученные данные. Сможете определять приоритеты и искать решения, основанные на известных фактах, а не на интуиции и догадках.
◆ Научитесь оптимизировать работу
Вы начнёте отказываться от лишних показателей и проверять полноту метрик. Научитесь совмещать особенности продукта, данных, клиентов и бизнеса в готовом показателе. Узнаете, как создавать такие метрики, которые будут востребованы бизнесом и не будут вводить в заблуждения.

Что включено в модуль:
Программа модуля:
Продолжительность: 8 ак. часов / 2 недели
Формат обучения: Лекция + семинар
Влияние метрик на принятие решений
Организация работы с метриками. Основные концепции и популярные показатели

Твои навыки после обучения
Освоение основ работы продуктового аналитика
Освоение продуктовых метрик, как их выбирать, считать и оценивать

Mathshub — международная школа анализа данных и разработки.
Преподаватель модуля: Эдуард Водяницкий. Продуктовая аналитика, Визуализация данных

​

Чему мы научим на Математике:
◆ На этом модуле вы освоите основные понятия математики: матрицы, функций, операторы — и научитесь с ними работать.
Вы изучите математическую статистику и теорию вероятности.
Вы узнаете свойства и поведения функций, их графиков, производных и интегралов, а также научитесь решать уравнения с использованием алгебраических и матричных методов. Научитесь определять экстремумы функций с использованием производных и методов оптимизации.
◆ Изучите необходимую базу
На практических заданиях вы разберёте степени и логарифмы, столкнётесь с пределами и последовательностями, а также с бесконечными суммами. Узнаете, как работают функции и их композиции, узнаете, что такое дифференцирование степенной функции.
◆ Разберёте метод градиентного спуска
Вы освоите цепное правило, частные производные и метод градиентного спуска — его широко используют для совершенствования и обучения моделей машинного обучения.
◆ Научитесь работать с матрицами и векторами
Вы изучите векторы и матрицы, а также разберёте операции с ними и нормы векторов. Узнаете, что такое трансформация двумерного пространства матрицей 2х2. Изучите собственные векторы и собственные числа матриц.
◆ Начнёте глубокое погружение в тему
Узнаете, что такое матричные разложения и для чего они нужны. Научитесь применять сингулярное разложение матриц.

Что включено в модуль:
Основные понятия математики
Матрицы
Функции
Операторы

Программа модуля:
Продолжительность: 16 ак. часов / 4 недели
Формат обучения: Лекция + семинар

Степени и логарифмы. Пределы и последовательности. Бесконечные суммы
Функции и их композиции. Формы уравнения прямой. Трансформация графиков функций
Дифференцирование степенной функции. Производная от суммы и произведения функций. Поиск экстремумов функций
Цепное правило. Частные производные. Метод градиентного спуска
Неопределённые и определённые интегралы. Два слова о дифурах
Векторы, матрицы и операции с ними. Нормы векторов
Трансформация двумерного пространства матрицей 2×2. Собственные векторы и собственные числа матриц
Матричные разложения и их применение. Сингулярное разложение матриц

​

Чему мы научим на Exploratory data analysis:
◆ На этом модуле вы изучите понятие стохастического подхода в анализе данных, научитесь разделять переменные на различные типы и выбирать соответствующие меры по локации и разбросу, а также разберётесь в применении различных методов для анализа данных.
Обучение включает математическую статистику, линейную алгебру, математический анализ и теорию вероятностей, применяемые в оптимизации и машинном обучении. Вы узнаете, как проводить базовый исследовательский анализ, визуализировать данные и исправлять в них проблемы, заполнять пропущенные значения и оптимизировать большие датасеты для работы.
◆ Узнаете всё о стохастическом подходе
Разведывательный анализ данных (EDA) используют для исследования и анализа набора данных с целью получения первичного понимания о его структуре, особенностях и возможных образцах. Вы разберёте, что такое EDA, погрузитесь в краткую историю стохастического подхода и в сферы его применения.
◆ Научитесь работать с переменными
Вы узнаете, как в разведывательном методе используют различные типы переменных — непрерывные, дискретные, порядковые, номинальные, количественные. Также узнаете о зависимостях двух переменных, корреляции и регрессии.
◆ Изучите взаимодействие с массивами данных
В EDA работа с массивами данных включает в себя подготовку данных, их обработку, анализ, визуализацию, агрегацию и преобразования. Вы разберёте методы работы и какие программные инструменты необходимы в процессе.
◆ Познакомитесь с оптимизацией больших датасетов
Вы узнаете, как ускорить процесс работы, повысить эффективность в обработке информации и сократить время анализа. Расскажем, как удалять ненужные переменные, что такое индексация и как применять сжатие.

Что включено в модуль:
Введение в разведывательный анализ данных. Алгоритмы и методы
Математическая статистика в контексте EDA. Типы признаков
Линейная алгебра в контексте Линейных методов
Математический анализ в контексте задачи оптимизации
Теория вероятностей и математическая статистика
Теория вероятностей в контексте Наивного Байесовского классификатора
Анализ данных

Программа модуля:
Продолжительность: 16 ак. часов / 4 недели
Формат обучения: Лекция + семинар

Краткая история стохастического подхода. Типы переменных. Меры локации и разброса набора данных. Диаграмма размаха
Таблицы частот и оценка мер локации по неполным данным. Гистограммы плотностей
Зависимость двух переменных. Корреляция и регрессия
Непараметрическая корреляция. Расчёт корреляции и построение регрессии в Python
Мониторинг приложений. Автоматизация деплоя с помощью GitHub Actions
Оптимизация больших датасетов и библиотеки для работы с большими данными

Твои навыки после обучения
Владение математической статистики в контексте EDA
Умение строить таблицы частот и гистограммы плотностей, оценивать меры локации по неполным данным
Расчёт корреляции и построение регрессии в Python
Умение работать с массивами данных и пропусками. Классификация и агрегирование. Визуализация в Tableau
Оптимизация больших датасетов и библиотеки для работы с большими данными

Mathshub — международная школа анализа данных и разработки.
Преподаватель модуля: Георгий Милютин. Ex-глава департамента математики в London Gate Education Group.

​

Чему мы научим на Основах SQL:
◆ На этом модуле вы научитесь работать с базами и структурой данных, освоите написание SQL-запросов и поймёте, как оптимизировать запросы с использованием оконных функций и индексов.
Вы узнаете, как создавать таблицы и использовать DDL (Data Definition Language) команды и изучите SELECT запросы, позволяющие выбирать и фильтровать данные из таблиц.
◆ Рассмотрите разные способы анализа данных
Узнаете, как использовать подзапросы и табличные выражения для более сложных запросов и анализа данных. Разберётесь, как работать с оконными функциями и фреймами оконных функций.
Начнёте ставить чёткие задачи
Что конкретно необходимо узнать в процессе анализа данных, какую гипотезу необходимо проверить и какие метрики посчитать. Научитесь составлять описание источника данных и самих данных.
◆ Научитесь быстро и легко работать с данными
Разберётесь, как создавать таблицы и добавлять в них данные. Узнаете, как выполнять расчёты для получения агрегатных значений (например, сумма или среднее значение). Начнёте использовать SELECT запросы, чтобы получать нужные данные из таблицы. Поймёте, как объединять данные из разных таблиц.

Что включено в модуль:
Основы баз данных и как они организованы
Как создавать таблицы и использовать команды DDL
Как выбирать данные с помощью операторов SELECT и WHERE
Разные типы соединений таблиц
Как использовать операторы GROUP BY и HAVING
Как использовать оконные функции и их рамки
Как создавать индексы и оптимизировать запросы

Программа модуля:
Продолжительность: 16 ак. часов / 4 недели
Формат обучения:
Лекция + семинар
Базы данных, структура данных
Создание таблиц и DDL команды
Основы SQL. SELECT запросы
Подзапросы и табличные выражения
Оконные функции, фреймы оконных функций
Индексы и оптимизация запросов

Твои навыки после обучения
Создание таблиц и использование команд DDL
Выбор данных с помощью операторов SELECT и WHERE
Использование GROUP BY и HAVING, оконных функций
Создание индексов и оптимизация запросов

Mathshub — международная школа анализа данных и разработки.
Преподаватель модуля: Алексей Костырин SQL. 8 лет опыта коммерческой разработки

Тариф: Начало пути
Занятия модуля в записи
Проверка домашнего задания

Скрытый текст. Открывается зарегистрированным пользователям.

​

Через 10 недель Вы решите 75% алгоритмических задач на экзамене в ШАД и успешно пройдете собеседование, или мы вернем деньги. Даже если Вы еще не начинали решать задачи, у Вас слабая база по алгоритмам или куча дел по учебе или работе.

ДЛЯ КОГО ЭТОТ КУРС?

Для студентов и специалистов не из IT, у которых нет большого опыта в алгоритмах
На лекциях пройдете самую важную теорию, на семинарах научитесь решать задачи с НУЛЯ. Прокачаете навыки в домашних заданиях.

Для студентов и специалистов не из IT, которые имеют опыт с алгоритмами
Прорешаете 100 задач, чтобы чувствовать уверенность на экзамене. Научитесь решать задачи за фиксированное время.

Для разработчиков, которые поступают на альтернативный трек
Получите структурированную подготовку по алгоритмам. Освежите знание алгоритмов и основных фишек за 2 месяца и нарешаете необходимые задачи по каждой теме, чтобы успешно сдать экзамены.

Для студентов или выпускников, которые не уверены, что готовы поступать, но хотят прокачаться по алгоритмам
Прокачаете навыки алгоритмов для прохождения собеседований.

ИЗ ЧЕГО СОСТОИТ КУРС?

• 100 алгоритмических задач для практики
• 3 тренировочных контеста с задачами из экзаменов в ШАД прошлых лет
• 10 лекций по 90 минут, которые покрывают 100% программы
• 10 семинаров с решением 100 задач прошлых лет
• 3 созвона с приглашенными ШАДовцами о мотивации
• Разбор всех домашних заданий от преподавателя

ПРОГРАММА КУРСА

• 1 Неделя - Анализ алгоритмов. Базовые алгоритмы.
• 2 Неделя - Простейшие структуры данных. STL-контейнеры. Амортизационный анализ.
• 3 Неделя - Сортировки. Порядковые статистики.
• 4 Неделя - Жадные алгоритмы. Динамическое программирование.
• 5 Неделя - Бинарная куча. Деревья поиска.
• 6 Неделя - Задачи RMQ/RSQ. Дерево отрезков.
• 7 Неделя - Хеш-функции и хеш-таблицы. Полиномиальное хеширование. Поиск строк.
• 8 Неделя - Графы. DFS и его производные.
• 9 Неделя - Кратчайшие пути.
• 10 Неделя - СНМ. Миностовы. Задача LCA.

Сайт

​

Онлайн-программа с занятиями в зуме поможет разобраться с практиками и инструментами дата-инжиниринга раз и навсегда.

• СМОЖЕТЕ РАБОТАТЬ ДАТА-ИНЖЕНЕРОМ
  После этой программы вы реально сможете работать дата-инженером и быстро расти, так как будете хорошо разбираться не только в теории, но и иметь практический опыт решения характерных задач DE
• ПОЛНОЦЕННОЕ ПОГРУЖЕНИЕ
  Программа направлена на практику в виде лабораторных работ (лаб), которые максимально приближены к реальным задачам, с которыми работают дата-инженеры
• РАБОТА В КЛАСТЕРЕ
  Все лабы реализуются в облачном провайдере. Одна из первых задач программы -- развернуть и настроить свою инфраструктуру для выполнения лаборатных. Это сложно, но и интересно и навсегда подружит вас и документацию.
• СТРУКТУРИРОВАНИЕ ЗНАНИЙ
  Даже если вы уже практикующий дата-инженер, эта программа поможет вам структурировать ваши знания и познакомиться с новыми инструментами подходами.

КАК УСТРОЕНА ПРОГРАММА:
- 6 ЛАБ
За два месяца вы выполните 6 практических лабораторных работы, каждая из которых использует разные инструменты про которые вам будут рассказывать в лекциях. Эти лабораторные работы критически важны для понимания возможностей и ограничений использования инструментов, про которые вам будут рассказывать в лекциях.
- ЛОГИКА РАБОТЫ DE
В течение курса мы будем анализировать, что уже освоено, заполняя карту компетенций. Инструменты и окружение будут обновляться, но общая логика и подобное картирование позволит вам создать целостную картину об используемых технологиях и практиках. Мы не только расскажем вам про инструменты используемые в курсе, но и предложим альтернативы наиболее популярным из них
- 10+ ИНСТРУМЕНТОВ
Каждая лабораторная базируется на использовании ключевых инструментов и фреймворков. Опытные лекторы из индустрии на занятиях покажут, как этим всем пользоваться.

Часть инструментов вы сможете проработать глубоко: Kafka, Airflow, ClickHouse, Spark, Redis, Docker. Эти инструменты входят в лабораторные работы и по ним будут углубленные занятия, так как они часто применяются на практике.
В программу также входят обзорные лекции и задания по практике с другими распространёнными инструментами: Apache Flink, Grafana, dbt, Kubernetes и др. Некоторые из них входят в дополнительные задания, а некоторые представляют универсальные инструменты, используемые и в других областях.
Это лучший курс по DE на постсоветском пространстве по мнению комьюнити.