Los siguientes recursos que pueden resultarle útiles:
- Encuentre ejemplos en su carrera o proyectos en los que haya trabajado en el pasado o resuelto un problema de big data del mundo real; que demuestren que: usted tiene conocimiento técnico y / o experiencia en ingeniería de datos; que se siente cómodo con la terminología de big data (por ejemplo, Ingestión, ETL, Transformación) que está familiarizado con el big data y el ecosistema de código abierto (consulte: proyectos de Big Data de Apache que son relevantes, como Hadoop, Spark, Kafka, Beam)
- Hay mucho material para aprender en youtube (puede comenzar con Next 2016, BigQuery), Lynda (Fundamentos de GCP como punto de partida). Coursera también tiene un buen material. Las universidades ofrecen certificaciones como el certificado MIT Data Science que le ayuda a acelerar su conocimiento en este campo. IBM Big Data University también es un buen recurso que es una combinación de material de capacitación y laboratorios. Algunos de estos tienen material gratuito en línea y requieren tarifas si desea validar su conocimiento con un nano grado o certificado o incluso una insignia verificable que puede compartir en Linkedin.
- Si desea profundizar en la tecnología de big data de Google con más detalle, le recomiendo leer los libros blancos de Google. Aquí hay algunos para comenzar:
- Investigue en Google: para explorar todas las publicaciones
- Sistema de archivos de Google (2003)
- Dremel (2010): tecnología detrás de BigQuery
- Google lanzó recientemente el Ingeniero de datos profesional certificado de Google (Beta, en enero de 2017). La certificación es una buena manera de demostrar o validar sus habilidades. Amazon (AWS), Microsoft (Azure) también tienen certificaciones similares. Aquí está la descripción de la certificación de Ingeniero de datos de Google:
Un profesional certificado por Google: el ingeniero de datos permite la toma de decisiones basada en datos mediante la recopilación, transformación y visualización de datos. El ingeniero de datos diseña, construye, mantiene y soluciona problemas de sistemas de procesamiento de datos con un énfasis particular en la seguridad, confiabilidad, tolerancia a fallas, escalabilidad, fidelidad y eficiencia de dichos sistemas.
El ingeniero de datos también analiza los datos para obtener información sobre los resultados comerciales, crea modelos estadísticos para apoyar la toma de decisiones y crea modelos de aprendizaje automático para automatizar y simplificar los procesos comerciales clave.
- ¿Por qué debería usar PIG en Big Data?
- ¿Cuál es el mejor motor de Big Data para pasar de mySQL?
- ¿En qué casos no podemos aplicar el análisis de datos (ordinarios) y tenemos que usar el análisis de datos topológicos? ¿Podrías dar un ejemplo concreto? ¡Gracias!
- ¿Cuáles son las perspectivas laborales para un estudiante internacional después de una maestría en ciencia de datos o análisis de datos en los Estados Unidos?
- ¿Qué opinas de los programas de maestría ofrecidos por Data Science Tech Institute (París)?
Google se toma muy en serio las entrevistas y el proceso de entrevistas evalúa una amplia gama de habilidades, de las cuales las habilidades técnicas son solo un subconjunto. Aquí hay un enlace para prepararse para entrevistas en Google