Skip to content

Big Data technológiák Databricks használatával

Szerezz átfogó tudást Microsoft Azure környezetben: Apache Spark (PySpark), Databricks, adatmodellezés és SQL, 12 hét alatt.

Folyamatos mentoráció
Vezetett kódolás
12 hét · heti 8-12 óra
Élő konzultációk
Pénzvisszafizetési garancia Kamatmentes részletfizetés

Mit nyújt a tanfolyam?

Képzés időtartama: 12 hét Heti átlag 8-12 óra ráfordítás Következő indulás: 2027.01.20.
  • Hatékony adatfeldolgozási pipeline-ok építése és kezelése: megtanulod, hogyan tervezz és valósíts meg olyan pipeline-okat, amelyek biztosítják az adatok folyamatos, megbízható áramlását és feldolgozását.
  • Microsoft Azure cloud szolgáltatások használata: megismerkedsz az Azure szolgáltatásaival, például a Synapse, Databricks, Storage Account és DevOps eszközökkel, kiemelt hangsúlyt kap az adattárolás, az adattranszformációk és az ütemezés optimalizálása.
  • Apache Spark és PySpark használata: elsajátítod az Apache Spark és a PySpark alapjait, köztük a DataFrame-ek kezelését, az elosztott rendszerek működését és a Spark optimalizálási technikáit (shuffling, bucketing, partitioning).
  • Data modeling legjobb gyakorlatai: elmélyedsz a különböző adatarchitektúrákban (Data Warehouse, Data Lake, Data Mart), megismered az OLTP és OLAP rendszerek különbségeit, valamint a starschema és snowflake modelleket, illetve a Kimball, Inmon és OBT trendeket.
  • SQL haladó technikák: haladóbb lekérdezési technikákat tanulsz meg, amelyek segítenek az adatok hatékony lekérdezésében és kezelésében.
  • Gyakorlati tapasztalat projektmunkán keresztül: egy projekt keretében valós adatfeldolgozási feladatokat oldasz meg, így elmélyíted a tudásod, a kész projekt pedig referenciaként is szolgálhat a portfóliódban.
Előnyök

Miért érdemes belevágnod?

Az adatmennyiség ma már olyan ütemben nő, hogy a hagyományos eszközök egyszerűen nem bírják a tempót: a vállalatok egyre több adatot gyűjtenek, de a tárolás, a transzformáció és az integráció nagy adatmennyiség mellett komoly technikai kihívássá válik. Ez pedig közvetlenül fékezi az adatalapú döntéshozatalt, ami ma már az üzleti működés egyik alappillére.

Erre a problémára ad választ a modern big data eszközök világa: a Databricks és az Apache Spark lehetővé teszik az adatok gyors, skálázható kezelését és az automatizált adatfeldolgozási folyamatok kiépítését, így a nagy adatmennyiség nem akadály, hanem kezelhető, sőt versenyelőnyt adó erőforrás lesz.

  • Munka mellett végezheted, rugalmas időbeosztással
  • Gyakorlati projekteken keresztül, oktatói mentorálással
  • LinkedIn profilodba beágyazható tanúsítvány
Adatelemzési grafikon

Ismerd meg oktatódat

Balogh Balázs

Balogh Balázs

Data Engineer, Zeiss Digital Innovation Hungary

Data Engineerként adatvezérelt megoldások fejlesztésével foglalkozom, jelenleg egy nemzetközi vállalat adatminőségi csapatában dolgozom. Python, PySpark, SQL és Azure technológiákkal építek adatmegoldásokat: ETL folyamatokat fejlesztek, rendszerek közötti integrációkat biztosítok, és Power BI dashboardokat készítek, hogy a döntéshozók valós időben lássák az adatokat.

A szakmai munkám mellett a közösségépítésben is aktív vagyok: én szervezem a Budapest.py meetup csoportot. Hiszek az élethosszig tartó tanulásban, és célom, hogy az adatok mellett a tudást is hatékonyan adjam át.

Kinek ajánlott?

  • Azoknak, akik korábban már foglalkoztak adatokkal például Data Analyst, Business Analyst pozícióban, és most elmélyednének az adatok világának „backend” oldalában: hogyan lehet előállítani, összegyűjteni és rendszerezni az adatokat
  • Azoknak, akik már Data Engineer / ETL fejlesztő pozícióban vagy hasonló munkakörben dolgoznak, de Azure és PySpark technológiákkal még nem dolgoztak
  • Azoknak, akik Data Engineerként helyezkednének el, de még nem foglalkoztak mélyebben adatkezeléssel, a Data Engineer képzésünket ajánljuk, ahol az SQL és Python alapokat is elsajátíthatják

Mik a képzés előkövetelményei?

SQL adatbázis lekérdezések ismerete Python programozási nyelv ismerete

Ha korábban már dolgoztál adatokkal, például Data Analyst vagy Business Analyst szerepkörben, az előny, de nem feltétel. Ugyanígy jól jön, ha Data Engineerként vagy ETL fejlesztőként szereztél tapasztalatot, akkor is, ha Azure és PySpark technológiákkal eddig még nem dolgoztál.

Hogyan fogsz tanulni?

Gyakorlatorientált oktatás

Minden héten izgalmas gyakorló feladatokat kapsz majd, amelyek keretében már menetközben is konkrét lekérdezéseket fogsz megvalósítani.

Interaktív digitális tananyag

A gyakorlati feladatok elvégzéséhez és a képzés sikeres teljesítéséhez szükséges tudást digitális tananyagok és vezetett kódolások formájában adjuk át, amelyeket saját időbeosztásod szerint, akár munka mellett is feldolgozhatod és egy évig korlátlan alkalommal visszanézheted.

Oktatói mentoring

A képzés ideje alatt az oktató folyamatosan a rendelkezésedre áll, bármikor kérdezhetsz tőle, ha elakadtál, és rendszeresen visszajelzést ad a feladataidra, fejlődésedet végigkíséri.

Konzultációk

Valamennyi tanegység végén egy-egy élő konzultációs alkalmat is szervezünk, amikor élőben is felteheted kérdéseidet, közösen kiértékelhetitek és átbeszélhetitek a gyakorlás során elkészített projekteket, és tanulhattok egymás elakadásaiból is.

Limitált férőhely

A fent említett interakciók miatt képzéseinket korlátozott létszámmal indítjuk csak el, hogy biztosan jusson mindenkire ideje az oktatóknak.

Minőségbiztosított képzések

Képzéseink szakmai minőségbiztosítását az iparági vezető technológiai vállalatok és a Budapesti Műszaki és Gazdaságtudományi Egyetem végzi.

  • Tanúsítványt kapsz, amelyet önéletrajzodhoz és LinkedIn profilodhoz csatolhatsz
  • Bizonyítja, hogy elsajátítottad az adott ismereteket
  • Segíti a szakmai előmeneteledet és karriered fejlődését
Tanúsítvány minta – Big Data technológiák Databricks használatával

Jó társaságban leszel!

Már több mint 150 hazai és nemzetközi cég munkatársa képezte magát tovább nálunk.

Tudtad?

A munkáltatók 83%-a finanszírozza a munkatársak képzését, ne felejtsd el megkérdezni a tiédet!

Hallgatói közösség

A több mint 9100 tagot számláló hallgatói közösségünket főként olyan, az iparágban vezető IT-cégek és szoftverfejlesztő cégek munkatársai alkotják, akik folyamatosan fejleszteni szeretnék meglévő készségeiket.

Légy Te is tagja közösségünknek!

Big Data technológiák Databricks használatával

„Nagyon jól felépített képzés, csak ajánlani tudom Balázs kurzusait annak aki data engineer szeretne lenni. Külön kiemelném hogy Balázs a kurzus közben is vett fel új videókat és mellékelte a kurzushoz, csak hogy naprakész maradjon a tananyag és többféle technológiával dolgozhassunk."
Szalók Márton

Big Data technológiák Databricks használatával

„Jól felépített kurzus, a legfrissebb változásokat is követő tananyaggal, segítőkész és felkészült oktatóval. A különböző lokális és felhőalapú technológiák integrálása mellett sok általánosabb gyakorlati ismeretet is el lehetett sajátítani. Külön pozitívum, hogy minden megírt kód és a kurzus második felében felépített projekt is szabadon elérhető marad Githubon és Databricksen keresztül."
Adorján Balázs

Big Data technológiák Databricks használatával

„-"
Zsikla Ágnes

Big Data technológiák Databricks használatával

„Gyakorlatias, világos, követhető"
Ratkai Ákos

Big Data technológiák Databricks használatával

„-"
Vörös Balázs

Big Data technológiák Databricks használatával

„Az egyik legszélesebb spektrummal rendelkező képzés, rendkívül sok témát ölel fel, Balázs pedig egy nagyon nagy tudással rendelkező oktató! Rengeteget lehetett tanulni a kurzusból! A Poetry indulás előtti major update-je mellett is kifejezetten gördülékeny volt az oktatás. Egyetlen észrevételként a kiosztott anyagok hiányosságait tudnám megemlíteni - néhol kifejezetten hosszú kódokat kellett monitorról másolva begépelni, bár ez erősen fejlesztette a hiba keresési képességemet!"
Mészár Attila

Big Data technológiák Databricks használatával

„A képzés jól ötvözi az elméletet és a gyakorlatot, a közös projekt pedig elmélyíti a megszerzett tudást. A videók minden lépésen végigvezetnek, így könnyű követni annak is, aki új ezen a területen."
Paulányi Beáta

Big Data technológiák Databricks használatával

„Gyakorlatorientált képzés. Komplex, integrált tudást ad. Van rá kereslet a piacon."
Korányi Gergő

Big Data technológiák Databricks használatával

„A Data Engineer kurzus során gyakorlati tapasztalatokat szereztem az Azure Synapse és Databricks használatában. A feladatok valós problémákra épültek, így hatékonyan fejlesztettem adatfeldolgozási és elemzési készségeimet modern eszközökkel. A mentorálás kiváló, bármikor, bármilyen kérdésemre rövid időn belül megkaptam a megfelelő választ."
Hrubos Péter

Big Data technológiák Databricks használatával

„Én DevOps-osként szerettem volna elmélyíteni a tudásomat, hogy jobban megértsem az összefüggéseket a jelenlegi projektünkön, és ez sikerült is. Hiánypótló, alapos, gyakorlatorientált és teljes mértékben követhető kurzus. Mindenképpen ajánlom azoknak, akik valamilyen datás területen vagy projekten dolgoznak, esetleg most gondolkoznak karrierváltáson."
Varga Norbert Márton

Big Data technológiák Databricks használatával

„Szuper! Egy alapoktatás után egy teljes projectfeladat megírását tartalmazza a kurzus, ahogy ez a tematikából is világosan látszik. A videok egymáshoz szorosan kapcsolódnak, jól strukturáltak. Az opcionális részek számomra kiemelten értékesek voltak. A mentor segítőkész és a válaszai is mindig egyértelműek."
Ladányi Tamás

Big Data technológiák Databricks használatával

„Jönnek vissza a dolgok, amiket egyszer már megtanultam.."
Blaskó Gergő

Következő indulási dátumok

Következő indulás:

2027.05.05.

Mentorált alkalmak szerda esténként

325 000 Ft

Jelentkezési határidő: 2027.05.05.

Jelentkezem

Más időpont érdekel?

Add meg az e-mail címed, és szólunk, ha új időpontot hirdetünk meg.

Fizetési lehetőségek

Többféle fizetési lehetőséget biztosítunk, hogy a legmegfelelőbb opciót válaszd.

Online fizetés bankkártyával

Az OTP SimplePay az egyik legelterjedtebb online fizetési megoldás — gyors és biztonságos fizetési folyamatáról ismert.

Kamatmentes részletfizetés

Nem szeretnénk, ha a fizetési nehézségek akadályoznák a szakmai fejlődésedet, ezért a részvételi díjat több részletben, teljesen kamatmentesen is kifizetheted.

Fizetés banki átutalással, egy összegben

Ha online kártyás fizetés helyett banki átutalással szeretnél fizetni, az sem probléma — írj nekünk, és ebben is segítünk.

Készen állsz a jelentkezésre?

Jelentkezz most, és kezdd el a fejlődést!

Könnyítendő magánszemélyként résztvevő hallgatóink helyzetét, a feltüntetett ár számukra a ténylegesen fizetendő végösszeg.
Céges megrendelés esetén az adott összeg tekintendő a nettó árnak.

8 napos pénzvisszafizetési garancia

Jelentkezz a(z) Big Data technológiák Databricks használatával képzésre

Jelentkezési határidő: 2027.01.20.

1 Adatok 2 Képzések 3 Számlázás 4 Felnőttképzés 5 Fizetés 6 Kész

Kiválasztott képzés(ek) és indulási időpont

Számlázási adatok

Add meg a számlázási adataidat.

Felnőttképzési adatszolgáltatás

A felnőttképzési törvény szerinti kötelező adatszolgáltatás.

  • Magyarország
  • Ausztria
  • Németország
  • Szlovákia
  • Románia
  • Szerbia
  • Horvátország
  • Szlovénia
  • Ukrajna
  • Lengyelország
  • Csehország
  • Olaszország
  • Franciaország
  • Spanyolország
  • Portugália
  • Egyesült Királyság
  • Írország
  • Hollandia
  • Belgium
  • Luxemburg
  • Svájc
  • Liechtenstein
  • Dánia
  • Svédország
  • Norvégia
  • Finnország
  • Izland
  • Észtország
  • Lettország
  • Litvánia
  • Görögország
  • Bulgária
  • Törökország
  • Oroszország
  • Fehéroroszország
  • Moldova
  • Bosznia-Hercegovina
  • Montenegró
  • Észak-Macedónia
  • Albánia
  • Koszovó
  • Málta
  • Ciprus
  • Monaco
  • Andorra
  • San Marino
  • Amerikai Egyesült Államok
  • Kanada
  • Kína
  • Japán
  • India
  • Brazília
  • Ausztrália
  • Dél-Korea
  • Mexikó
  • Egyiptom
  • Dél-afrikai Köztársaság
  • Argentína
  • Izrael
  • Egyesült Arab Emírségek
  • Egyéb

8 napos pénzvisszafizetési garancia — kockázat nélkül kipróbálhatod.

Összegzés betöltése…

Fizetési mód

Kérdésed van? Lépj velünk kapcsolatba

Mit fogsz tanulni?

12 hét alatt a Spark alapjaitól adatfeldolgozáson, a haladó SQL-en és a big data technológiákon át az Azure-ös és Databricks-es pipeline-okig, egy teljes capstone projekttel megkoronázva.

Microsoft AzureDatabricksApache SparkPySparkSQLData modelingETLSynapse
1 Bevezetés a Spark-ba A Spark ökoszisztémájának, architektúrájának és alapfogalmainak megismerése, valamint a fejlesztői környezet (Colab, VSCode, GitHub) felállítása.
  • Bevezetés az első héthez
  • Bevezetés a Sparkba és főbb előnyei
  • A Spark ökoszisztémája és architektúrája
  • SparkSession, RDD és SparkSQL
  • Parquet file formátum
  • Kódolás és Delta formátum
  • Adattípusok és partícionálás
  • Lazy Evaluation
  • Spark UI
  • Szűk és széles transzformációk
  • Adaptive Query Execution (AQE)
  • A Spark telepítése
  • A Google Colab használata
  • Workspace létrehozása
  • Workspace létrehozása 2. (VSCODE)
  • Hogyan használjuk a GitHub-ot: GitHub Regisztráció és VSCode integráció
  • Hogyan használjuk a GitHub-ot: README és gitignore
2 PySpark használata A legfontosabb PySpark DataFrame-műveletek, joinok, cachelés és a Delta-műveletek gyakorlati elsajátítása.
  • SparkSession létrehozása és adatok beolvasása
  • Select és Palantir Style Guide
  • Filter, withColumn, withColumnRenamed
  • Drop és Group By
  • Joinok
  • SparkSQL
  • Cachelés (gyorsítótárazás)
  • Broadcast join
  • Delta CRUD műveletek
  • Delta merge
  • Delta vacuum
3 SQL Haladó SQL lekérdezési technikák az alapparancsok ismétlésétől az ablakozó függvényekig, indexekig és nézetekig.
  • Ismétlés - alapvető SQL parancsok
  • Dátumok és timestamp-ek kezelése
  • UNION és UNION ALL
  • CASE WHEN
  • COALESCE
  • Subquery-k és CTE
  • Ablakozó függvények
  • SQLite
  • Indexek és DBeaver
  • Nézetek (view)
4 Data Engineering alapok Az adattárházak, adatarchitektúrák és az adatmodellezés alapfogalmainak (csillag- és hópehelyséma, SCD, kulcsok, batch és stream) áttekintése.
  • Bevezetés
  • Adattárház alapok
  • Inmon és Kimball megközelítés
  • Adattárház, Data Lake, és Data Lakehouse
  • ETL és ELT
  • OLTP és OLAP
  • Az adattárház rétegei
  • Csillag és Hópehely Séma
  • Tény- és Dimenziótáblák
  • Lassan Változó Dimenziók (SCD)
  • Természetes és Helyettesítő kulcsok
  • Elsődleges és Külső kulcsok
  • Batch és Stream feldolgozás
5 Azure Az Azure felhőszolgáltatások (Key Vault, Data Lake, Synapse, Databricks) gyakorlati használata notebookokkal és pipeline-építéssel.
  • Bevezetés, regisztráció és költségelemzés
  • Resource Group létrehozása és Key Vault
  • Data Lake létrehozása
  • Synapse bevezető
  • Synapse első Lépések
  • Synapse notebook
  • Synapse első pipeline
  • Synapse SQL külső táblák
  • Synapse pipeline paraméterek
  • Databricks döntési pont
  • Databricks bevezető és notebook beállítása (Pro)
  • Kapcsolódás a Data Lake-hez (Pro)
  • Notebook létrehozása (Pro)
  • Pipeline létrehozása (Pro)
  • Databricks bevezető (Free)
  • Databricks csomagok (Free)
  • Unity Catalog (Free)
  • Notebookok és pipelineok (Free)
  • Notebook Widgetek (Free / Pro)
  • Databricks Asset Bundles bemutató (Free / Pro)
  • Databricks Asset Bundles demo (Free / Pro)
6 Gyakorló hét Önálló gyakorlásra szánt hét a tanultak elmélyítésére.
  • Önálló gyakorlás
7 Capstone project 1. A capstone projekt elindítása: projekt- és Git-inicializálás, Azure-kapcsolódás, valamint a fájlolvasó és -író funkciók elkészítése.
  • Capstone project bevezetés (Free / Pro)
  • Projekt létrehozása (Free / Pro)
  • Git inicializálás (Free / Pro)
  • Azure beállítása (Pro)
  • Azure Data Lake és Databricks kapcsolódás (Pro)
  • Unity Catalog táblák elkészítése (Free)
  • Data Lakeből fileolvasó funkció elkészítése (Pro)
  • Fájlolvasás tesztelése a Data Lake-ből Databricks-en (kódból) (Pro)
  • Fileolvasás tesztelése Data Lakeből Databricksben (package-ből) (Pro)
  • Fájlolvasás Volumeból (Free)
  • Write File to Data Lake függvény létrehozása (Pro)
  • Write File to Data Lake függvény tesztelése Databricksen (Pro)
  • Fájlírás Volume-ra (Free)
  • Flake8 és Git commit (Free / Pro)
8 Capstone project 2. Autentikáció és pre-commit beállítása, a Bronze réteg elkészítése, valamint a Silver réteg első transzformációi unit tesztekkel.
  • Autentikáló függvény létrehozása (Pro)
  • Autentikáció tesztelése (Pro)
  • Pre-Commit bemutató (Free / Pro)
  • Bronze réteg kódjának létrehozása (Pro)
  • Bronze réteg kódjának tesztelése (Pro)
  • Bronze réted kód elkészítése és tesztelése (Free)
  • (Opcionális) Package készítés gyorsítása (Pro)
  • Silver réteg: Calendar transzformáció létrehozása (Free / Pro)
  • Silver réteg: Unit teszt készítése a Calendarhoz (Free / Pro)
  • Silver réteg: Unit teszt beállítása és futtatása (Free / Pro)
9 Capstone project 3. A Silver réteg további transzformációinak (Sales, Customers, Products, Product Subcategory) elkészítése unit tesztekkel.
  • Silver réteg: Sales transzformáció létrehozása (Free / Pro)
  • Silver réteg: Unit teszt létrehozása a Saleshez (Free / Pro)
  • Silver réteg: Customers transzformáció létrehozása (Free / Pro)
  • Silver réteg: Unit teszt létrehozása a Customers-hez (Free / Pro)
  • Silver réteg: Products transzformációjának létrehozása (Free / Pro)
  • Silver réteg: Unit teszt létrehozása a Products-hoz (Free / Pro)
  • Silver réteg: Product Subcategory transzformációjának létrehozása (Free / Pro)
  • Silver réteg: Unit teszt létrehozása a Product Subcategory-hoz (Free / Pro)
10 Capstone project 4. Lassan változó dimenziók (SCD) megvalósítása a Silver rétegben, CI/CD kitekintés és a Gold réteg első táblái unit tesztekkel.
  • Silver réteg: SCD előkészületek (Pro)
  • Silver réteg: SCD előkészületek (Free)
  • Silver réteg: SCD elkészítése (Pro)
  • Silver réteg: SCD elkészítése (Free)
  • (Opcionális) GitHub Actions CI/CD: bemutató (Free / Pro)
  • Gold réteg: előkészületek (Pro)
  • Gold réteg: előkészületek (Free)
  • Gold réteg: Wide Sales tábla elkészítése (Free / Pro)
  • Gold réteg: Unit teszt a Wide Sales-hez 1. (Free / Pro)
  • Gold réteg: Unit teszt a Wide Sales-hez 2. (Free / Pro)
11 Capstone project 5. A Gold réteg metrikáinak elkészítése, adatminőség-ellenőrzés a Great Expectations-szel, valamint a teljes pipeline összerakása és ellenőrzése.
  • Gold réteg: Daily Sales metrics elkészítése (Free / Pro)
  • Gold réteg: Unit teszt a Daily Sales metrics-hez (Free / Pro)
  • Gold réteg: apróbb változtatások (Pro)
  • Gold réteg: Wide Sales tábla vizsgálata (Free)
  • Gold réteg: Az elkészült táblák átnézése (Pro)
  • Adatminőség a Great Expectations-szel (Free / Pro)
  • A pipeline összerakása (Free)
  • A pipeline összerakása (Pro)
  • A pipeline eredményeinek ellenőrzése (Free)
  • A pipeline eredményeinek ellenőrzése (Pro)
  • Resource Group törlése és Cost Analysis (Pro)
12 Házi feladat megoldások A heti házi feladatok mintamegoldásainak bemutatása.
  • Házi Feladat 1: Notebook készítése
  • Házi Feladat 2: Pipeline és external table készítése
  • Házi Feladat 3: Product Category transformáció és unit teszt
  • Házi Feladat 4: Product Category Metrics transzformáció és unit teszt