Guia Data Engineer (Engenharia de Dados)

53 cursos

Descrição do Plano de Estudo

Este plano de estudo foi projetado para capacitar profissionais na área de Engenharia de Dados, fornecendo uma formação abrangente em diversas tecnologias e ferramentas essenciais. O objetivo é desenvolver competências para atuar em todas as etapas do ciclo de vida dos dados, desde a modelagem e administração de bancos de dados até a construção de pipelines de dados e administração de data lakes, com foco na otimização e segurança dos dados. ㅤ ㅤ ㅤ ㅤ

1. Cursos e Formações

Modelagem de Dados e SQL

Formação: Modelagem de dados
Curso: Modelagem de banco de dados relacional: entendendo SQL
Curso: Consultas SQL: avançando no SQL com MySQL
Curso: Realizando consultas com SQL: Joins, Views e transações

PostgreSQL

Curso: PostgreSQL: administração e otimização do banco
Curso: PostgreSQL: comandos DML e DDL
Curso: PostgreSQL: desenvolva com PL/pgSQL
Curso: PostgreSQL: Triggers, transações, erros e cursores

Microsoft SQL Server

Curso: Microsoft SQL Server 2022: conhecendo SQL
Curso: Microsoft SQL Server 2022: consultas avançadas
Curso: Microsoft SQL Server 2022: performance

MySQL e Oracle Database

Curso: Administração do MySQL: segurança e otimização do banco
Curso: Desempenho do Oracle Database: otimização de consultas
Curso: MySQL: executando Procedures
Curso: Administração do Oracle Database: criação e gerenciamento do banco
Curso: Administração do Oracle Database: segurança e otimização do banco

Big Query e Spark

Curso: Google Big Query: consultas avançadas
Curso: Spark: apresentando a ferramenta
Curso: Apache Beam: Data Pipeline com Python

Apache Airflow e Databricks

Curso: Apache Airflow: orquestrando seu primeiro pipeline de dados
Curso: Aprofundando no Airflow: Executor Kubernetes
Curso: Aprofundando no Airflow: Executores Local e Celery
Curso: Apache Airflow: transformação de dados com Spark
Curso: Databricks: conhecendo a ferramenta
Curso: Databricks: construindo pipelines de dados com Airflow e Azure Databricks
Curso: Databricks: trabalhando com diversos formatos e tipos de arquivos

AWS e Azure Data Lake

Curso: AWS Data Lake: processando dados com AWS EMR
Curso: AWS Data Lake: processando dados com AWS Glue
Curso: AWS Data Lake: criando uma pipeline para ingestão de dados
Curso: Azure Data Lake: criando um pipeline de ingestão de dados
Curso: AWS Data Lake: análise de dados com Athena e Quicksight
Curso: Engenharia de Dados: organizando dados na AWS

Python para Data Science e Pandas

Curso: Pipeline de dados: combinando Python e orientação a objeto
Curso: Pipeline de dados: integrando Python com MongoDB e MySQL
Curso: Python para Data Science: primeiros passos
Curso: Pandas: conhecendo a biblioteca
Curso: Pandas: limpeza e tratamento de dados
Curso: Pandas: selecionando e agrupando dados
Curso: Pandas: transformação e manipulação de dados

Data Visualization

Curso: Data Visualization: gráficos de comparação e distribuição
Curso: Data Visualization: criação de gráficos com o Matplotlib
Curso: Data Visualization: gráficos de composição e relacionamento
Curso: Data Science: análise e visualização de dados

Power BI, Looker Studio e Tableau

Curso: Power BI Desktop: construindo meu primeiro dashboard
Curso: Power BI Desktop: tratamento de dados no Power Query
Curso: Looker Studio: criando o primeiro relatório
Curso: Dashboard com Tableau: conceitos essenciais
Curso: Google Data Studio: Parâmetros e Big Query

DevOps

Curso: DevOps: trabalhando com repositórios no GitHub
Curso: DevOps: construindo e gerindo containers com o Docker ㅤ ㅤ ㅤ ㅤ

2. Ferramentas Utilizadas

Bancos de Dados: MySQL, PostgreSQL, Microsoft SQL Server, Oracle Database, Google Big Query
Pipelines de Dados: Apache Airflow, Spark, Apache Beam
Data Lakes: AWS Data Lake, Azure Data Lake
Linguagens de Programação: SQL, Python
Bibliotecas de Data Science: Pandas, Matplotlib
Ferramentas de Visualização: Power BI, Looker Studio, Tableau, Google Data Studio
DevOps: GitHub, Docker ㅤ ㅤ ㅤ ㅤ

3. Objetivos do Plano de Estudo

Compreender e aplicar conceitos de modelagem de dados
Desenvolver habilidades avançadas em consultas SQL
Administrar e otimizar bancos de dados
Criar e gerenciar pipelines de dados
Utilizar ferramentas de data lake para processamento e análise de dados
Realizar visualizações de dados eficazes
Integrar práticas de DevOps no gerenciamento de dados

Este plano de estudo oferece uma base sólida para qualquer profissional que deseja se especializar em Engenharia de Dados, com uma abordagem prática e focada nas necessidades do mercado atual.

Criado por Pedro Camara

23.6k xp

Inscreva-se agora

Última atualização em

01/07/2024

O que é este plano de estudo?

Planos de estudo são sequências de cursos e outros conteúdos criados por alunos e alunas da Alura para organizar seus estudos. Siga planos que te interessem ou crie o seu próprio.

Passo a passo

1
Conteúdo do plano