ปูพื้นฐานงาน Data Engineer แบบรับน้องใหม่ เข้าใจได้แม้ไม่เคยเขียนโค้ดมาก่อน

🧑🏻‍💻 ฟังชื่อ “Data Engineer” แล้วดูเท่ดี แต่มันใช่ทางที่ใช่สำหรับเราจริงๆ ไหม?

หลายคนสนใจสาย Data Engineer เพราะได้ยินว่าเงินดี แต่ไม่รู้เลยว่าต่างจาก Data Analyst หรือ Data Scientist ตรงไหน ทำงานจริงเป็นยังไง ต้องรู้อะไรบ้าง

คอร์สนี้พาไปหาคำตอบแบบ Text-based อ่านเข้าใจง่าย ไม่ต้องเปิดเสียง ไม่ต้องดูวิดีโอ เรียนได้ทุกที่ทุกเวลา เริ่มจากศูนย์แบบไม่ต้องเขียนโค้ดในบทแรกๆ ค่อยๆ ไต่ระดับไปจนถึง SQL, Python, Cloud


เหมาะกับใคร ?

  • คนที่ยังไม่แน่ใจว่าจะเดินสาย Data Engineer หรือ Data Analyst ดี และอยากเห็นภาพรวมก่อนตัดสินใจ
  • คนที่เพิ่งเริ่มสนใจสาย Data Engineer และอยากปูพื้นฐานให้ครบก่อนลงลึก
  • คนสาย Data Analyst ที่อยากเข้าใจฝั่ง Engineer เพื่อคุยกับทีมได้เข้าใจกันมากขึ้น

ถ้ารู้ตัวแล้วว่าอยากไปสาย Data Analyst มากกว่า ลองดู Fastlane Data Analytics แทนได้เลย

เรียนแล้วได้อะไร ?

10 บทใหญ่ / 50 บทย่อย พาไล่ตั้งแต่ปรับ mindset จนถึงพร้อมสมัครงานสาย Data Engineer จริง:

  • โลกของ Data Engineer — DE ทำอะไรบ้างใน 1 วัน, เทียบ DE vs DA vs DS ให้ชัด, ทำไมทุกบริษัทต้องการ DE, เส้นทางอาชีพในอนาคต
  • พื้นฐาน Data (ยังไม่ต้องเขียนโค้ด) — ชนิดข้อมูล, แหล่งที่มาของข้อมูล, Data Flow, ความสำคัญของ Data Quality
  • SQL — ภาษาหลักของ DE — SELECT/WHERE/JOIN, การคิดแบบ Set-based, Query ที่ดี vs Query ที่เจ๊ง
  • Database & Data Storage — RDBMS vs NoSQL, Table/Schema/Index, Data Warehouse, OLTP vs OLAP
  • Python สำหรับ Data Engineer — จัดการไฟล์ CSV/JSON, เขียนโค้ดให้อ่านง่าย, Script vs Production Code
  • ETL/ELT — หัวใจของงาน DE — Extract/Transform/Load, ความต่าง ETL vs ELT, ตัวอย่าง Pipeline จริง, ปัญหาที่พบบ่อย
  • Data Pipeline & Automation — Batch vs Streaming, Scheduling, Monitoring & Alert เมื่อ Data พังตอนกลางคืน
  • Big Data & Distributed System — ภาพรวม Spark/Hadoop แก้ปัญหาอะไร ไม่ลงลึกเกินจำเป็น
  • Cloud & Modern Data Stack — AWS/GCP/Azure เบื้องต้น, Modern Data Stack, เลือกเครื่องมือยังไงไม่ให้หลง
  • เส้นทางสู่ Data Engineer — Skill Map, สิ่งที่ Junior DE ต้องรู้, Portfolio ที่ควรมี, Roadmap 3-6-12 เดือนหลังเรียนจบ

จบคอร์สแล้วได้ Certificate พร้อมภาพรวมความรู้สาย Data Engineer ที่พร้อมต่อยอดจริง

ผู้สอน

Nut Khuannaen ผู้ก่อตั้ง common•learn จบ 2 ปริญญา (เศรษฐศาสตร์ มช. + นิติศาสตร์ ม.รามคำแหง) กำลังศึกษาต่อปริญญาโท Applied Data Science ที่ ม.ธรรมศาสตร์ ผ่านงาน Freelance Data Analyst ให้ลูกค้าต่างชาติ 3 บริษัท และ FP&A ในธุรกิจ Retail มากว่า 4 ปี — เข้าใจทั้งฝั่ง Data Analyst และมุมมองที่ต้องทำงานร่วมกับทีม Data Engineer จริง

ทำไมถึงคุ้ม ?

  • 50 บทเรียน ครอบคลุมทั้ง Stack ของ Data Engineer ตั้งแต่พื้นฐานจนถึง Cloud ในคอร์สเดียว
  • เริ่มได้แม้ไม่มีพื้นฐานเขียนโค้ด — 2 บทแรกเป็นการปรับ mindset และความเข้าใจล้วนๆ ก่อนค่อยแตะโค้ดจริง
  • ซื้อครั้งเดียว เรียนได้ตลอดชีพ พร้อม Certificate เมื่อเรียนจบ
  • ลองอ่านฟรีได้เลย 3 บทแรกของบทที่ 1 ก่อนตัดสินใจซื้อ
  • เป็นคอร์สเดียวในระบบ common-learn ที่โฟกัส Data Engineer โดยเฉพาะ

ราคา ฿1,199 — ตลอดชีพ


Course Instructor

Nut Khuannaen Nut Khuannaen Author

Lifetime

฿1,199.00

บทที่ 1: โลกของ Data Engineer เป็นยังไง (ปรับ mindset กันก่อน)

0
0

บทที่ 2: พื้นฐาน Data ที่ต้องเข้าใจก่อน (ยังไม่ต้องเขียนโค้ด)

0
0
0
0
0

บทที่ 3: SQL – ภาษาหลักของ Data Engineer

0
0
0
0
0

บทที่ 4: Database & Data Storage

0
0
0
0
0

บทที่ 5: Python สำหรับ Data Engineer

0
0
0
0
0

บทที่ 6: ETL / ELT – หัวใจของงาน Data Engineer

0
0
0
0
0

บทที่ 7: Data Pipeline & Automation

0
0
0
0
0

บทที่ 8: Big Data & Distributed System (ไม่ลงลึก แต่เห็นภาพ)

0
0
0
0
0

บทที่ 9: Cloud & Modern Data Stack

0
0
0
0
0

บทที่ 10: เส้นทางสู่ Data Engineer

0
0
0
0
0


Leave a Reply

Your email address will not be published. Required fields are marked *