在过去的八年中，我一直在担任项目经理（我不在工作中编写代码），这自然会对我的技术后端产生负面影响。 我决定减少技术积压，并聘请数据工程师。 数据工程师的核心技能是设计，构建和维护数据仓库的能力。
我制定了培训计划，我认为这不仅对我有用。 该计划侧重于自学课程。 优先提供俄语免费课程。
栏目：
- 算法和数据结构。 关键部分。 如果您学习它，其他所有内容都将奏效。 编写代码以及使用基本结构和算法非常重要。
- 数据库和数据仓库，商业智能。 我们从算法转向数据存储和处理。
- Hadoop和大数据。 当数据库未包含在硬盘驱动器中或需要分析数据但Excel无法再加载它们时，大数据就会开始。 我认为，只有在仔细研究了前两个部分之后，才有必要过渡到本部分。
算法和数据结构
在我的计划中，我包括学习Python，重复数学和算法的基础知识。
数据库和仓库，商业智能
- 图书：Martin Kleppman-高负载的应用程序。 编程，扩展，支持。 这本书描述了不同的数据模型如何工作，由内而外的实现，取决于任务的限制和选择。
- 数据库简介
- DBMS潜水
- 非关系数据库简介
与构建数据仓库，ETL，OLAP多维数据集相关的主题高度依赖于工具，因此在此文档中没有链接到课程。 建议在特定公司的特定项目中研究此类系统。 有关ETL的介绍，可以尝试
Talend或
Airflow 。
我认为，研究设计数据仓库的现代方法非常重要，数据仓库
链接1 ，
链接2 。 学习它的最好方法是通过一个简单的示例来学习和实现它。 GitHub有几个实现Data Vault
链接的示例。 现代数据仓库书：Hans Hultgren用Data Vault建模敏捷数据仓库。
要熟悉面向最终用户的商业智能工具，您可以使用免费的Power BI桌面报表设计器，仪表板和微型数据仓库。 培训材料：
链接1 ，
链接2 。
Hadoop和大数据
结论
并非您学习的所有内容都能在工作中得到应用。 因此，您需要尝试应用新知识的毕业项目。
没有与数据分析和机器学习相关的主题，因为 这更适用于数据科学家行业。 此外，也没有与AWS，Azure云相关的主题。 这些主题高度依赖平台。
给社区的问题：
我的抽水计划足够吗？ 要删除或添加什么？
您推荐什么项目作为论文？