Apprenez Python - le langage de programmation le plus populaire pour la science des données et le développement de logiciels.

Appliquer la logique de programmation Python Variables, structures de données, branchements, boucles, fonctions, objets et classes.

Démontrer des compétences dans l'utilisation de bibliothèques Python telles que Pandas et Numpy, et dans le développement de code à l'aide des carnets Jupyter.

Accédez aux données et scrapez-les sur le web à l'aide d'API et de bibliothèques Python telles que Beautiful Soup.

Démontrez vos compétences en Python pour travailler et manipuler des données

Mettre en œuvre le " webscraping " et utiliser les API pour extraire des données avec Python

Jouez le rôle d'un ingénieur de données travaillant sur un projet réel pour extraire, transformer et charger des données

Utilisez les blocs-notes Jupyter et les IDE pour mener à bien votre projet

Décrire les données, les bases de données, les bases de données relationnelles et les bases de données en nuage.

Décrire les modèles d'information et de données, les bases de données relationnelles et les concepts de modèles relationnels (y compris les schémas et les tables).

Expliquez un diagramme de relations entre entités et concevez une base de données relationnelle pour un cas d'utilisation spécifique.

Développer une connaissance pratique des SGBD les plus courants, notamment MySQL, PostgreSQL et IBM DB2

Analyser les données d'une base de données en utilisant SQL et Python.

Créer une base de données relationnelle et travailler avec plusieurs tables à l'aide de commandes DDL.

Construire des requêtes SQL de niveau basique à intermédiaire en utilisant des commandes DML.

Composez des requêtes plus puissantes avec des techniques SQL avancées telles que les vues, les transactions, les procédures stockées et les jointures.

Décrire l'architecture Linux et les distributions Linux courantes et mettre à jour et installer des logiciels sur un système Linux.

Exécuter des commandes courantes d'information, de fichier, de contenu, de navigation, de compression et de mise en réseau dans l'interpréteur de commandes Bash.

Développer des scripts shell en utilisant des commandes Linux, des variables d'environnement, des tuyaux et des filtres.

Programmez des tâches cron sous Linux avec crontab et expliquez la syntaxe cron.

Créer, interroger et configurer des bases de données et accéder à des objets système tels que des tables et les construire.

Effectuer une gestion de base de données de base, y compris la sauvegarde et la restauration des bases de données, ainsi que la gestion des rôles et des autorisations des utilisateurs.

Surveillez et optimisez les aspects importants des performances de la base de données.

Dépanner les problèmes de base de données tels que la connectivité, la connexion et la configuration et automatiser les fonctions telles que les rapports, les notifications et les alertes.

Décrire et comparer les processus d'extraction, de transformation et de chargement (ETL) et les processus d'extraction, de chargement et de transformation (ELT).

Expliquez les modes d'exécution batch et concurrent.

Mettre en œuvre le flux de travail ETL à l'aide de fonctions Bash et Python.

Décrire les composants, les processus, les outils et les technologies des pipelines de données.

Des compétences en Entrepôt de données prêtes à l'emploi en seulement 6 semaines, soutenues par une expérience pratique et un diplôme IBM.

Concevoir et alimenter un entrepôt de données, modéliser et interroger les données à l'aide de CUBE, ROLLUP et de vues matérialisées.

Identifier les outils et les fournisseurs les plus courants en matière d'analyse de données et de veille stratégique et créer des visualisations de données à l'aide d'IBM Cognos Analytics.

Comment concevoir et charger des données dans un entrepôt de données, écrire des requêtes d'agrégation, créer des tables de requêtes matérialisées et créer un tableau de bord analytique.

Explorer l'utilité des outils d'analyse et d'informatique décisionnelle (BI)

Découvrez les capacités d'IBM Cognos Analytics et de Google Looker Studio

Démontrez votre maîtrise de l'analyse des données DB2 avec IBM Cognos Analytics

Créer et partager des tableaux de bord interactifs à l'aide d'IBM Cognos Analytics et de Google Looker Studio

Faites la différence entre les quatre catégories principales de référentiels NoSQL.

Décrivez les caractéristiques, les avantages, les limites et les applications des outils de traitement des Big Data les plus populaires.

Effectuer des tâches courantes à l'aide de MongoDB, notamment des opérations de création, de lecture, de mise à jour et de suppression (CRUD).

Exécutez des opérations sur les espaces clés, les tables et les opérations CRUD dans Cassandra.

Expliquer l'impact du big data, y compris les cas d'utilisation, les outils et les méthodes de traitement.

Décrire l'architecture, l'écosystème, les pratiques et les applications liées à l'utilisateur d'Apache Hadoop, y compris Hive, HDFS, HBase, Spark et MapReduce.

Appliquer les bases de la programmation Spark, y compris les bases de la programmation parallèle pour les DataFrames, les ensembles de données et Spark SQL.

Utilisez les RDD et les ensembles de données de Spark, optimisez Spark SQL à l'aide de Catalyst et Tungsten, et utilisez les options de l'environnement de développement et d'exécution de Spark.

Décrivez la ML, expliquez son rôle dans l'ingénierie des données, résumez l'IA générative, discutez des utilisations de Spark et analysez les pipelines de ML et la persistance des modèles.

Évaluer les modèles ML, distinguer les modèles de régression, de classification et de regroupement, et comparer les pipelines d'ingénierie des données avec les pipelines ML.

Construisez les processus d'analyse des données à l'aide de Spark SQL et effectuez des régressions, des classifications et des regroupements à l'aide de SparkML.

Démonstration de la connexion aux clusters Spark, de la construction de pipelines de ML, de l'extraction et de la transformation des caractéristiques, et de la persistance des modèles.

Démontrer la maîtrise des compétences requises pour un poste d'ingénieur en données de niveau débutant.

Concevoir et mettre en œuvre divers concepts et composants dans le cycle de vie de l'ingénierie des données, tels que les référentiels de données.

Démontrer une connaissance pratique des bases de données relationnelles, des magasins de données NoSQL, des moteurs de big data, des entrepôts de données et des pipelines de données.

Appliquer les compétences en matière de scripts shell Linux, de langages de programmation SQL et Python aux problèmes d'ingénierie des données.

Tirer parti de divers outils et techniques d'IA générative dans les processus d'ingénierie des données dans tous les secteurs d'activité

Mettre en œuvre divers processus d'ingénierie des données tels que la génération, l'augmentation et l'anonymisation des données à l'aide d'outils d'IA générative

Mettre en pratique les compétences en IA générative dans des laboratoires et des projets pratiques pour la conception de schémas d'entrepôt de données et la configuration de l'infrastructure

Évaluer des études de cas réels présentant l'application réussie de l'IA générative pour l'ETL et les référentiels de données

Décrivez le rôle d'un ingénieur en données et quelques options de carrière, ainsi que les perspectives d'avenir dans ce domaine.

Expliquer comment jeter les bases d'une recherche d'emploi, y compris la recherche d'offres d'emploi, la rédaction d'un curriculum vitae et la création d'un portfolio.

Résumez ce à quoi un candidat peut s'attendre au cours d'un cycle d'entretien d'embauche typique, les différents types d'entretiens et la manière de se préparer aux entretiens.

Expliquez comment mener un entretien efficace, y compris les techniques pour répondre aux questions et comment faire une présentation personnelle professionnelle.