รวมบทความเกี่ยวกับวิศวกรรมข้อมูล (Data Engineering) ครอบคลุมถึงเรื่องการจัดการข้อมูลขนาดใหญ่ (Big Data) ด้วยเครื่องมือต่าง ๆ อาทิ Hadoop, MapReduce Spark, Hive, และบริการ Cloud ชื่อดังต่าง ๆ ไม่ว่าจะเป็น Amazon Web Services (AWS), Google Cloud Platform (GCP), และ Azure
หัวข้อ Data Engineer นี้ครอบคลุมถึงการวางแผนและพัฒนาระบบ ETL (Extract-Transform-Load), Data Ingestion, Data Integration ไปจนถึงการสร้าง End-to-End Data Pipeline ที่สามารถรับส่งข้อมูลได้ตั้งแต่ต้นจนจบ
สรุปเนื้อหาคอร์สสอนพื้นฐานด้าน Data Engineering ตั้งแต่ฐานช้อมูล (Database), การทำ ETL (Extract Transform Load) ไปจนถึงการใช้ Airflow ทำ Data Pipeline
คนมักเข้าใจว่า การจะเป็น Data Scientist ต้องเก่งทั้ง Hacking (การเขียนโปรแกรม), Maths & Statistics (คณิตศาสตร์), และ Substantive (ด้านธุรกิจ)
สายอาชีพ Data Engineer ที่ทุกบริษัทด้าน Data ต้องมี แต่คนไม่ค่อยรู้จักกัน ผู้สร้าง Data Pipeline และ Data Platform โดยผนวกความรู้ด้าน Cloud Computing
ใน 1 ปีที่ผ่านมา แอดโชคดีที่มีโอกาสได้ทำหลายอย่างมาก ๆ ทั้งด้าน Data Science, Data Engineer, Data Visualization ในบริษัทใหญ่ ๆ ในตลาดหุ้นออสเตรเลีย
วันนี้จะมาสรุป Conceptให้ฟังกัน เป็นการสร้าง Data Pipeline สำหรับระบบ Data Science แบบ End-to-End ก็คือ ตั้งแต่เริ่มเก็บข้อมูล ไปจนถึงนำข้อมูลไปทำ Analytics
สายงาน Machine Learning Engineer เหมาะกับคนที่จบด้าน Software Engineer มา หรือใครเป็น Software Engineer อยู่ แล้วสนใจศึกษาด้าน Machine Learning เพิ่มขึ้นก็เหมาะครับ ที่สำคัญคือทักษะการเขียนโปรแกรม, Algorithms & Data Structure ต้องได้
สำหรับใครอยากเข้าสู่โลกของ Big Data ห้ามพลาดสไลด์อันนี้เลยครับ คุณดรีมจาก True Analytics แจกสไลด์จากงาน Data Council Meetup ที่เพิ่งผ่านมานี้เอง
วันนี้แอดได้ดูวีดิโอสัมภาษณ์คนทำงานที่ Facebook ในสายงาน Data Science เค้าอธิบายไว้ดีมากครับ เลยเอามาเล่าสู่กันฟัง
งาน ETL เป็นงานที่สำคัญอย่างมากในบริษัททุกแห่ง เลยอยากเอามาบอกต่อกันเผื่อใครสนใจหันมาทำงานสายนี้ครับ เงินดี งานท่วมแน่นอน
เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า
