Voici ce qui est abordé dans le bootcamp - Par chapitre

Dans ce volet, on va plonger dans les clés indispensables pour briller lors de chaque entretien en Data. On abordera les meilleures stratégies pour se différencier, mettre en avant ses compétences et répondre aux questions techniques avec assurance. L'objectif : faire de chaque entretien un vrai tremplin pour ta carrière en Data !

Dans ce module, on va explorer comment se positionner stratégiquement en tant que professionnel de la Data pour attirer naturellement les meilleures opportunités. Tu apprendras à mettre en valeur tes atouts uniques, à devenir une évidence pour les recruteurs et à transformer ta visibilité en véritable levier de carrière. En bref, on va faire de toi un aimant à opportunités Data !

Dans ce module, on va te donner toutes les clés pour identifier et saisir les opportunités de carrière les plus intéressantes dans le domaine de la Data. On verra comment repérer les postes qui te correspondent vraiment, comment optimiser ton profil pour attirer ces opportunités et comment te positionner pour décrocher les rôles les plus convoités. Bref, l'objectif est de transformer ta recherche d'emploi en Data en une véritable chasse aux opportunités gagnantes.

Cette introduction au Data Engineering couvre les fondamentaux du domaine, les différences entre les rôles Data, ainsi que les outils et concepts clés comme la modélisation des données, les systèmes distribués et les pipelines de données.

Elle explore également la collaboration entre ces métiers, l'impact de l'IA et des LLM, ainsi que les stratégies de mise à l'échelle et les bonnes pratiques en qualité des données.

Enfin, une section pratique aborde les commandes Bash essentielles et l'utilisation de Vim sur Windows et Mac.

Ce module sur PostgreSQL et SQL aborde l'installation, la configuration et l'utilisation de pgAdmin, ainsi que les concepts fondamentaux des SGBDR et des types de données.

Il couvre les requêtes essentielles (SELECT, INSERT, UPDATE, DELETE), l'utilisation de NULL, les jointures avancées, ainsi que la manipulation des dates et heures.

Enfin, il explore les fonctions SQL courantes et les fonctions de fenêtrage pour une analyse approfondie des données.

Ce chapitre parle de Python, de son utilisation et de son installation sur Mac et Windows.

On y parle de la syntaxe, la gestion des variables et les types de données. Il couvre la manipulation des structures de données (string, listes, tuples, sets, dictionnaires), les opérateurs mathématiques, les structures de contrôle (conditions, boucles, compréhensions) ainsi que la création et l’utilisation de fonctions, y compris les fonctions lambda et les décorateurs.

Il explore les modules, objets, bibliothèques essentielles et l'interaction avec des formats de données comme CSV, JSON, et PostgreSQL via psycopg2.

Ce module est concernant Git, son installation et son utilisation, en expliquant ses principes fondamentaux ainsi que le concept de GitFlow.

Il aborde la gestion des fichiers (ajout, suppression, renommage, et .gitignore), l'historique des modifications, la création et merge de branche, ainsi que l'utilisation avancée comme Git stash et la gestion des conflits.

Enfin, on  compare GitHub, GitLab et Azure DevOps, détaille l'envoi de code, les Pull Requests, le GitHub Flow et la synchronisation avec un dépôt distant.

Ce module présente Docker.Il couvre la création de conteneurs avec Dockerfile et Docker Compose, les différences entre conteneurs et machines virtuelles, ainsi que des outils populaires et des bonnes pratiques pour optimiser l'utilisation de Docker.

Ce module présente Apache Airflow, son histoire, son installation via Docker et les concepts de base liés à la création et gestion des DAGs.

Il explore l'interface utilisateur d'Airflow, son architecture, la configuration avancée via airflow.cfg, ainsi que la mise en place de processus ETL/ELT et des concepts avancés, tout en partageant des meilleures pratiques pour optimiser son utilisation.

Ce module présente Apache Spark, son histoire et son rôle essentiel pour les Data Engineers, en expliquant ses composants et son fonctionnement.

Il couvre l'installation avec Docker, l'utilisation des RDDs et DataFrames, Spark SQL, la gestion des fichiers, ainsi que le développement et les meilleures pratiques pour optimiser son utilisation avec Spark UI.

Ce module explore le Data Modeling en présentant ses principes fondamentaux et son importance, ainsi que la comparaison entre OLTP et OLAP pour la gestion des données.

Il couvre la conception d'un datalake, les approches Kimball et Inmon, les étapes de conception d'un data warehouse, et l'utilisation de DuckDB pour l'analyse de données, incluant des concepts avancés comme la gestion des dimensions changeantes (SCD) et les meilleures pratiques en Data Modeling.

Ce module présente Power BI, ses fonctionnalités et avantages, ainsi que les étapes d'installation sur Windows et Mac via Cloud Azure.

Il couvre également la connexion aux sources de données et le processus de création, exploration et analyse de dashboards pour exploiter efficacement les données.