Se você quer se tornar um especialista em dados, a sua primeira missão é dominar o que fundamenta toda esta profissão.
Esta Formação foi projetada para fornecer os pilares fundamentais da área de dados de forma clara e focada nas melhores e mais recentes práticas.
Assim, a teoria ganha vida e você se prepara com segurança para as demandas do mundo real.
✅ Com os Fundamentos 360º, você obterá as bases fundamentais que servirão de alicerce para as próximas fases da sua carreira.
✅ Perfeito para estudantes e profissionais que desejam migrar para a área de dados e começar sua trajetória da melhor maneira possível.
Módulo 01 | Introdução à Engenharia de Dados para Iniciantes
1. Introdução a Fundamentos: Data Analytics
2. Introdução a Fundamentos: Volume dos Dados
3. Introdução a Fundamentos: Big Data
4. Introdução a Fundamentos: Data Pipelines
5. Introdução a Fundamentos: Computação Distribuída
6. Introdução a Fundamentos: Produtos Open-Source
Módulo 02 | Introdução ao SQL
7. Linguagem SQL
8. Básico do Select
9. OLTP
10. Modelo ACID
11. Banco de Dados Relacionais
12. Normalização, Tabelas e Índices
13. OLAP
14. Data Warehouse Tradicional & Moderno
15. Modelagem de Dados
Módulo 03 | Introdução ao NoSQL
16. Teorema CAP & Base
17. Tipos de Bancos de Dados NoSQL e Casos de Uso
18. NoSQL Colunar – Apache Cassandra
19. NoSQL Chave-Valor – Redis
20. NoSQL Documento – MongoDB
21. NoSQL Textual – ElasticSearch
Módulo 04 | Introdução à Linguagem de Programação Python
22. Por que Python?
23. Introdução ao Colab
24. Introdução a Variáveis
25. Trabalhando com Tipos de Dados
26. Trabalhando com Operadores
27. Estruturas de Dados
Módulo 05 | Introdução à Computação na Nuvem
28. Visão Geral da Computação em Nuvem
29. Produtos de Dados na Amazon AWS
30. Produtos de Dados no Microsoft Azure
31. Produtos de Dados no Google GCP
Módulo 06 | Introdução à Engenharia de Dados
32. Introdução à Engenharia de Dados
33. Evolução da Engenharia de Dados
34. Ciclo de Vida da Engenharia de Dados
35. Introdução à Ciência de Dados
36. Conhecimentos e Habilidades para Engenharia de Dados
37. Engenharia de Dados nas Organizações
Módulo 07 | Introdução ao Git
38. Introdução aos Sistemas de Controle de Versão
39. Introdução ao Git
40. Explorando o Website do Git
41. Instalação no Windows
42. Criando sua Conta no Github
43. Criando seu Primeiro Projeto no Github
Módulo 08 | Introdução ao Docker
44. Introdução a Containers
45. Introdução ao Docker
46. Criando sua Conta no DockerHub
47. Criando sua Primeira Docker Image
Módulo 09 | Introdução ao Kubernetes
48. Entendendo VMs vs. Containers
49. Conceitos Básicos de Kubernetes
50. Introdução ao Kubernetes Gerenciado
51. Opções de Deployment e YAMLs
52. Introdução a Helm Charts
53. Introdução a Kubernetes Operators
54. Comandos Básicos de Kubectl
Módulo 10 | Introdução a IaC (Infraestrutura como Código)
55. Conceitos de Infraestrutura como Código
56. Conceitos Básicos de IaC
57. Terraform para Produtos de Dados
Módulo 11 | Introdução à Arquitetura de Dados
58. Introdução à Arquitetura de Dados – Lambda
59. Introdução à Arquitetura de Dados – Kappa
60. Introdução à Arquitetura de Dados – Data Lakehouse
61. Modern Data Stack
62. Introdução à Arquitetura de Dados – Enterprise Data Warehouse (EDW)
63. Introdução à Arquitetura de Dados – Data Mesh
Módulo 12 | Dicas das Trincheiras
64. Dicas das Trincheiras: Iniciando com Projetos de Engenharia de Dados
Módulo 01: Introdução
1. Introdução
2. Criação do Ambiente no Azure
3. Criação do Database e Exclusão dos Recursos no Azure
Módulo 02: Conceitos Básicos de Modelagem
4. Modelagem Relacional
5. Modelagem Dimensional | Fatos e Dimensões
6. Modelagem Dimensional | Granularidade e Tipos de Métricas
7. Modelagem Dimensional | Slowly Changing Dimension
Módulo 03: Conceitos Básicos de SQL
8. Conceitos Básicos de SQL | Subconjuntos SQL – Teoria
9. Conceitos Básicos de SQL | Subconjuntos SQL – Prática
Módulo 04: A Instrução SELECT
10. Conceitos Básicos de SQL | A Instrução SELECT
11. Conceitos Básicos de SQL | A Cláusula WHERE – Teoria
12. Conceitos Básicos de SQL | A Cláusula WHERE – Utilizando a Cláusula WHERE e Filtrando Valores NULL
13. Conceitos Básicos de SQL | A Cláusula WHERE – Operador LIKE
14. Conceitos Básicos de SQL | A Cláusula WHERE – Filtrando Data
15. Conceitos Básicos de SQL | A Cláusula WHERE – Filtrando Data e Hora
16. Conceitos Básicos de SQL | A Cláusula ORDER BY
17. Conceitos Básicos de SQL | A Cláusula ORDER BY – TOP
18. Conceitos Básicos de SQL | A Cláusula ORDER BY – OFFSET-FETCH
Módulo 05: Gerenciando Dados com Transações em SQL
19. Conceitos Básicos de SQL | Combinando Dados com UNION [ALL], INTERSECT e EXCEPT
20. Consultando Múltiplas Tabelas Usando JOIN – CROSS JOIN
21. Conceitos Básicos de SQL | Consultando Múltiplas Tabelas Usando JOIN – INNER JOIN
22. Conceitos Básicos de SQL | Consultando Múltiplas Tabelas Usando JOIN – OUTER JOIN – Teoria
23. Conceitos Básicos de SQL | Consultando Múltiplas Tabelas Usando JOIN – OUTER JOIN – Prática
24. Conceitos Básicos de SQL | Consultando Múltiplas Tabelas Usando JOIN – Junções Compostas e Valores Nulos
25. Conceitos Básicos de SQL | Consultando Múltiplas Tabelas Usando JOIN – Múltiplas Junções
26. Subconsultas | Subconsultas Independentes
27. Subconsultas | Subconsultas Correlacionadas
28. Subconsultas – EXISTS e NOT EXISTS
29. Common Table Expression (CTE)
30. A Cláusula GROUP BY | Teoria
31. GROUP BY | Exemplos Práticos | Parte 01
32. GROUP BY | Prática | Parte 02
Módulo 01
1. Aula 01 | Apresentação
2. Aula 02 | Variáveis
3. Aula 03 | Tipos de Dados
4. Aula 04 | Operadores
5. Aula 05 | Estruturas de Dados
Módulo 02
6. Aula 01 | Introdução ao Colab
7. Aula 02 | Introdução ao Python
8. Aula 03 | Python Sequencial
9. Aula 04 | Operadores no Python
10. Aula 05 | Decisão no Python
11. Aula 06 | Repetição no Python
12. Aula 07 | Dicionários no Python
13. Aula 08 | Listas no Python
14. Aula 09 | Listas no Python – Prática
15. Aula 10 | Tuplas no Python
16. Aula 11 | Strings no Python
17. Aula 12 | Funções no Python
18. Aula 13 | Funções Internas no Python
Módulo 03
19. Aula 01 | Bibliotecas
20. Aula 02 | Bibliotecas – Hands-On
21. Aula 03 | Bibliotecas Internas – Visão Geral
22. Aula 04 | Bibliotecas Internas – Prática
23. Aula 05 | Bibliotecas Externas
24. Aula 06 | Numpy – Conceito
25. Aula 07 | Numpy – Listas
26. Aula 08 | Numpy – Prática
27. Aula 09 | Numpy – Exercícios
28. Aula 10 | Numpy – Correção Parte 1
29. Aula 11 | Numpy – Correção Parte 2
30. Aula 12 | Numpy – Correção Parte 3
31. Aula 13 | Matplotlib – Conceito
32. Aula 14 | Matplotlib – Prática
33. Aula 15 | Matplotlib – Exercícios Parte 1
34. Aula 16 | Matplotlib – Exercícios Parte 2
35. Aula 17 | Matplotlib – Exercícios Parte 3
36. Aula 18 | Seaborn
37. Aula 19 | Pandas – Conceito
38. Aula 20 | Pandas – Visão Geral
39. Aula 21 | Pandas – Prática
40. Aula 22 | Pandas – Visualização de Dados
41. Aula 23 | Pandas – Exercícios Parte 1
42. Aula 24 | Pandas – Correção Parte 1
43. Aula 25 | Pandas – Correção Parte 2
44. Aula 26 | Pandas – Correção Parte 3
45. Aula 27 | Pandas – Correção Parte 4
46. Aula 28 | Pandas – Integração com SQLAlchemy e SQLite
Módulo 04
47. Aula 01 | Case Covid Parte 1
48. Aula 02 | Case Covid Parte 2
49. Aula 03 | Case Covid – Bônus Parte 1
50. Aula 04 | Case Covid – Bônus Parte 2
51. Aula 05 | Encerramento
Módulo 01 | Apresentação
1. M1 | Git para Times de Dados
Módulo 02 | Introdução ao Versionamento
2. M2 | Introdução ao Conceito de Versões
3. M2 | Versionamento de Código com Git e GitHub
Módulo 03 | Requisitos para a Prática
4. M3 | Requisitos para a Prática
5. M3 | Fazendo Cadastro no GitHub
6. M3 | Instalando Git no Windows
Módulo 04 | Primeiros Passos
7. M4 | Meu Primeiro Commit
8. M4 | Versionando o Código
9. M4 | Recapitulando os Comandos Básicos
10. M4 | Criando um Repositório Remoto
11. M4 | Git Clone e Configurações do Repositório
12. M4 | Interagindo com Outros Repositórios: Git Push e Git Pull
13. M4 | Recapitulando o Módulo
Módulo 05 | Entendendo as Branches
14. M5 | Introdução
15. M5 | Explicando Conceitos
16. M5 | Por que ter Branches?
17. M5 | Passo a Passo com os Comandos
18. M5 | Recapitulando o Módulo
Módulo 06 | Comandos Avançados
19. M6 | Utilizando Git Reflog e Git Rebase em Modo Interativo
20. M6 | Selecionando Commits com Git Cherry-pick
21. M6 | Uso do Git Stash
22. M6 | Ferramentas de Merge para Conflitos
23. M6 | Voltando os Commits com Git Reset
24. M6 | Limpando Alterações com Git Clean
25. M6 | Recuperando Branches Deletadas e Criando Branches Órfãs
26. M6 | Criando Tags e Visualizando Informações com Git Tag e Git Show
27. M6 | Dominando o Git Log
28. M6 | Resolvendo Diferenças com Git Diff e Git Blame
29. M6 | Busca Binária de Bugs com Git Bisect
30. M6 | Sincronizando com o Remoto com Git Fetch e Prune
Módulo 07 | Práticas e Padrões
31. M7 | Markdown e a Construção do README
32. M7 | Desconsiderando Arquivos no Commit com .gitignore
33. M7 | Commits Semânticos
34. M7 | Gestão de Branches com Trunk-Based Development e GitFlow + Versionamento Semântico e CI/CD
Módulo 08 | Bônus
35. M8 | GitHub na Prática
36. M8 | Otimizando o Tempo com Alias
37. M8 | Git nas Ferramentas de Engenharia de Dados
38. M8 | Encerramento
MÓDULO 01
Processamento Distribuído, Apache Hadoop & Apache Tez
Explore os conceitos fundamentais e as vantagens das arquiteturas de Data Lakehouse, com uma visão aprofundada sobre a tecnologia Delta Lake e suas aplicações práticas em ambientes de dados modernos.
MÓDULO 02
Operações Distribuídas com a Engine do Spark
Mergulhe nas operações distribuídas possibilitadas pela engine do Spark. Aprenda como o Spark otimiza e distribui a computação em larga escala, transformando teoria em prática com exemplos de sistemas distribuídos em ação.
MÓDULO 03
Partições e Paralelismo como Conceitos Principais no Processamento de Dados
Entenda o conceito crucial de partições no processamento de dados. Aprenda como essas técnicas maximizam a eficiência do processamento e como aplicá-las para melhorar significativamente a performance dos seus pipelines de dados.
MÓDULO 04
Instalação e Configuração do Seu Ambiente de Desenvolvimento
Aprenda, passo a passo, como configurar seu ambiente local de desenvolvimento no Spark e inicie rapidamente suas atividades.
MÓDULO 05
As Diferentes APIs do Spark: PySpark e SQL para Dados
Domine as APIs do Spark com uma imersão em PySpark e Spark SQL, além de integrações com Pandas e Structured Streaming. Essa sessão oferece uma visão detalhada das interfaces de programação, permitindo a escolha da melhor ferramenta para cada tarefa.
MÓDULO 06
Apache Spark com Serviço Gerenciado de Nuvem
Ganhe experiência prática no deployment de aplicações Spark em ambientes de nuvem gerenciados. Esta sessão aborda desde a preparação do código até a execução eficiente em clusters gerenciados pelos principais provedores de nuvem.
MÓDULO 07
Data Lakehouse, Delta Lake e Apache Iceberg para Armazenamento Eficiente
Entenda o papel crucial do Spark e do Delta Lake no desenvolvimento de pipelines e na implementação de Data Lakehouses. Descubra como essas tecnologias transformam o armazenamento e a gestão de dados em larga escala, proporcionando eficiência e escalabilidade.
Módulo 01 | Preparação
Conheça o conteúdo programático e o roadmap do curso.
Módulo 02 | Conceitos Essenciais
Entenda os conceitos fundamentais para ter sucesso com a ferramenta de orquestração de dados mais utilizada no mercado:
Módulo 03 | DAG 101
Aprenda a forma correta de desenvolver DAGs utilizando os recursos do Apache Airflow. Entenda os princípios básicos para construir uma base sólida para criação e desenvolvimento de DAGs.
Módulo 04 | Operadores
Domine um dos componentes mais importantes e amplamente utilizados no desenvolvimento de DAGs.
Módulo 05 | Ambiente de Desenvolvimento Local
Crie um ambiente de desenvolvimento local para construir suas próprias DAGs:
Módulo 06 | UI do Airflow
Visualize e monitore suas DAGs na interface do Airflow e identifique possíveis problemas:
Módulo 07 | Desenvolvendo DAGs
Desenvolva DAGs utilizando as melhores técnicas e métodos.
Módulo 08 | Agendamento
Aprenda como utilizar as diferentes formas de agendamento de uma DAG no Apache Airflow.
Módulo 09 | Conexões e Variáveis
Aprenda a importância de conexões e variáveis e como utilizá-las no desenvolvimento de DAGs.
Módulo 10 | Sensores e Deferrable Operators
Aprenda a desenvolver DAGs utilizando sensores e operadores inteligentes para reagir a eventos de forma dinâmica e otimizada.
Módulo 11 | Airflow REST API
Aprenda a utilizar o REST API do Airflow para integrar e desenvolver soluções inteligentes.
Módulo 12 | Dominando DAGs
Crie DAGs utilizando técnicas avançadas focadas em produtividade e melhores práticas.
Módulo 13 | Escrevendo Pipelines de Dados Modernos
Aprenda a desenvolver pipelines de dados modernos utilizando os recursos do Airflow e aplicando as melhores técnicas do mercado.
Módulo 14 | Airflow como Serviço Gerenciado
Aprenda sobre os diferentes serviços gerenciados de Apache Airflow no mercado de dados.
Módulo 15 | Conteúdos Complementares
Conteúdos extras para reforçar seus conhecimentos sobre o Apache Airflow.
Módulo 1 | Introdução
2. Conheça Seu Instrutor
3. Conteúdo Programático e Roadmap
4. Público Alvo e Perfil de Vagas na Área de Dados
Módulo 2 | Princípios para Times de Dados
5. Computação em Nuvem
6. Produtos Open-Source
7. Casos de Uso e Aplicações
8. Infraestrutura como Código (IaC)
9. Introdução ao Terraform {HCL}
10. GitOps & ArgoCD
11. Kubernetes & ArgoCD {GitOps}
12. Eras do Big Data & Analytics
13. Dados no Kubernetes [DOK]
Módulo 3 | Fundamentos & Conceitos Básicos
14. Princípios Básicos de Conteinerização
15. História e Engine do Docker
16. Orquestradores de Containers
17. História do Kubernetes
18. Cloud Native Landscape {CNL}
19. Arquitetura do Kubernetes
20. Interfaces de Comunicação
21. POD {Parte 1}
22. Manifestos
23. Helm & Artifact Hub
24. Artifact Hub para Instalação de Pacotes {Aplicações}
25. Repositório de Código e Containers
26. GitHub e Manifestos
27. Container Registry no DockerHub
Módulo 4 | Opções de Kubernetes para Desenvolvimento Local
28. Introdução ao Desenvolvimento Local
29. Docker Desktop
30. Minikube
Módulo 5 | Introdução aos Provedores Gerenciados de Kubernetes
31. Visão Geral dos Provedores Gerenciados de Kubernetes
32. Google GKE {gcloud}
33. Outros Produtos Gerenciados
34. Digital Ocean [DO]
Módulo 6 | POD: O Menor Objeto no Kubernetes
35. Interação com Kubernetes Usando Kubectl {CLI}
36. POD e Conceitos de Deployment
37. Interagindo com um POD de Forma Imperativa
38. Interagindo com um POD de Forma Declarativa
39. Interação Híbrida com PODs
40. Health Check: Liveness Probe
41. Health Check: Readiness Probe
42. Resource Management: Request & Limits
43. Volumes & EmptyDir
44. Labels, Selectors & Annotations
Módulo 7 | Entendendo o Kubernetes em Detalhes
45. Pod Controllers {Controladores}
46. DaemonSet
47. ReplicaSet
48. Deployment
49. StatefulSet
50. Job
51. CronJob
52. ConfigMaps & Secrets
53. ConfigMaps
54. Secrets
55. Custom Controllers {CC} & Custom Resources {CRDs}
Módulo 8 | Redes e Serviços no Kubernetes
56. Service Discovery
57. Serviços
58. ClusterIP
59. NodePort
60. Load Balancer {LB}
61. Ingress
62. Network Security Policy
63. Implementando Network Security Policy {NSP}
Módulo 9 | Persistência de Dados
64. Infraestrutura de Dados Nativa em Nuvem
65. Componentes de StatefulSets & Headless Services
66. Volumes & Container Storage Interface {CSI}
67. PVs, PVCs & Storage Classes {SCs}
68. Deployment de uma Aplicação Stateful {Apache Airflow}
Módulo 10 | Utilitários para Desenvolvimento e Produtividade
69. Facilitando o Desenvolvimento
70. Kubectx & Kubens
71. K9S
72. Stern
73. Popeye
74. Aptakube
Módulo 01 | Introdução
1. M1 | Introdução – Aula 00
Módulo 02 | Contexto Inicial
2. M2 | Apresentação – Aula 01
3. M2 | Overview dos Conceitos de Redes – Aula 02
4. M2 | Overview Histórico da Web – Aula 03
5. M2 | Entendendo o Funcionamento do HTTP e os Verbos – Aula 04
6. M2 | Exemplificando APIs com Postman – Aula 05
7. M2 | Além das APIs: Web Hooks – Aula 06
8. M2 | Além das APIs: Web Scraping – Aula 07
Módulo 03 | Conceitos de Software
9. M3 | Introdução – Aula 01
10. M3 | Execução de Código: Compilação vs. Interpretação – Aula 02
11. M3 | Execução de Códigos: Aplicações Web – Aula 03
12. M3 | Gerenciamento de Projetos: Build e Dependências – Aula 04
13. M3 | Gerenciando Projetos com Python e Poetry – Aula 05
14. M3 | Gerenciando Projetos com Java e Maven – Aula 06
15. M3 | Gerenciamento de Artefatos – Aula 07
16. M3 | Pipelines CI/CD – Aula 08
17. M3 | Utilizando Containers Docker nas Aplicações – Aula 09
18. M3 | Versionamento de Código, Pipelines e Versões – Aula 10
Módulo 04 | Testes Automatizados
19. M4 | Introdução – Aula 01
20. M4 | Conceito de Testes e Testes Automatizados – Aula 02
21. M4 | Testes Automatizados na Prática – Aula 03
22. M4 | Qualidade de Software – Aula 04
Módulo 05 | Memória, Tipagem, Strings e Regex
23. M5 | Fundamentos de Memória na Programação – Aula 01
24. M5 | Variáveis, Tipagem e Memória – Aula 02
25. M5 | O que são Strings? – Aula 03
26. M5 | Strings e o Encode UTF-8 – Aula 04
27. M5 | Introdução às Expressões Regulares – Aula 05
28. M5 | Expressões Regulares na Prática – Aula 06
Módulo 06 | Conclusão
29. M6 | Conclusões do Treinamento – Aula 01
Oferecemos cursos sempre atualizados, focados nas tecnologias mais relevantes e nas melhores práticas do mercado global de Big Data.
Crie um e-book completo das principais aulas com apenas um clique.
Obtenha uma visualização clara de todos os tópicos do vídeo, na sequência correta.
Teste seus conhecimentos com um quiz de 10 questões de múltipla escolha.
Digite sua busca, e a AI encontra exatamente as partes do vídeo que você precisa.
Gere legendas precisas em 6 idiomas com 99,9% de precisão.
Você receberá um certificado de conclusão para cada um dos treinamentos, aumentando o valor do seu currículo no mercado.
FAÇA PARTE HOJE da Engenharia de Dados Academy,
a maior e mais completa academia online para profissionais de dados do Brasil.
Valor individual de cada Fast-Track (fora do combo): R$ 197,00
Valor total: R$ 197,00 X 8 = R$ 1.576,00
ou R$497,00 à vista
⚠️ *ÚLTIMAS VAGAS PROMOCIONAIS: Esta oferta é válida por tempo limitado e pode ser retirada do ar a qualquer momento pelo organizador, sem aviso prévio.
Condição exclusiva disponível apenas nesta página.
Consultor de Banco de Dados e Big Data Engineer
“A engenharia de Dados Academy ajudou bastante quando eu buscava migrar de área.
Os treinamentos, por serem bem fundamentados, me deram uma ótima base, fazendo com que o meu desempenho nas entrevistas aumentasse significativamente. Isso possibilitou o sucesso da minha inserção no mercado como Engenheiro de Dados.”
Engenheiro de Dados Sênior
“Iniciei minha carreira na área da tecnologia como técnico de computadores.
Com o tempo, insatisfeito com a rotina e salários baixos, comecei a explorar áreas de desenvolvimento e me deparei com SQL, JavaScript e Python.
Após trabalhar como Cientista de Dados em 4 empresas e sofrer duas demissões, percebi que eu precisava mudar.
Descobri o conteúdo da Engenharia de Dados Academy na internet e foi aí que mudei minha carreira para Engenharia de Dados.
Agora, 2 anos depois, sou Engenheiro de Dados Sênior.”
Engenheiro de Dados Sênior
“Graças à plataforma, consegui evoluir em minha carreira que estava estagnada.
Aprendi e continuo aprendendo de forma significativa, de maneira simples e objetiva, com conteúdos sempre inovadores e ótima didática.
Isso faz com que eu me destaque cada vez mais no mercado de trabalho, pois estou sempre atualizado e acompanhando todas as novidades do mundo dos dados.
Agradeço imensamente a toda a equipe por toda a minha evolução e aprendizado até aqui.”
Engenheiro de Dados Sênior
“Assinei a plataforma com foco em um curso específico e acabei recebendo muito mais do que eu esperava!
Apenas assistindo aos conteúdos da plataforma, consegui aprovação nas 2 principais certificações da Databricks!
Além disso, saber que tenho um arsenal de conhecimento à disposição me deixa tranquilo para enfrentar novos desafios no trabalho.”
Analytics Engineer, APROVADO nas 2 principais certificações da Databricks
ou R$497,00 à vista
e o professor que guiará você em vários cursos desta formação.
Luan é Big Data Engineer e Cloud Architect e, há 10 anos, trabalha como Sr. Cloud Consultant na multinacional canadense Pythian, implementando soluções de Big Data e Analytics e desenvolvendo projetos com Apache Spark, Apache Kafka, Apache Airflow e Kubernetes nas principais provedoras de nuvem do mercado: AWS, Azure e GCP.
Com 9 premiações Microsoft MVP em Data Platform e Big Data Specialist em Microsoft Azure, certificado como Microsoft Certified Trainer (MCT), GCP Professional Data Engineer e AWS Solutions Architect Associate, ele também é membro StarTree All-Stars e recentemente recebeu um novo reconhecimento: o Confluent Community Catalyst, de Apache Kafka, tornando-se um dos poucos brasileiros a fazer parte desse seleto grupo.
Luan se tornou o primeiro brasileiro a receber os reconhecimentos de Databricks MVP e "Astronomer Champions Program for Apache Airflow", inspirando cada vez mais o crescimento e desenvolvimento de profissionais de dados em todo o país.
Palestrante frequente em conferências globais, incluindo TechEd, SQL Konferenz, SQL Nexus, TugaIT, DB Tech Showcase, Ignite e SQL Pass Summit, Luan está constantemente se aperfeiçoando e ocupando posições de vanguarda na área de dados.
Em 2021, idealizou e implementou um grande sonho: fundar a maior academia de ensino online para profissionais de dados com conteúdos que acompanham os mercados de Big Data nacional e internacional, TOTALMENTE EM PORTUGUÊS.
Assim nasceu a Engenharia de Dados Academy, que hoje já soma milhares de alunos pelo mundo.
Logo em seguida, veio a Comunidade de Dados The Plumbers, uma confraria que reúne profissionais da área de dados espalhados pelo mundo e conectados todos os dias trocando experiências e conhecimento em uma comunidade secreta no Slack.
“Vamos construir a maior comunidade da área de dados, não só do Brasil. Vamos reunir todos os profissionais que querem conquistar uma carreira de sucesso, e todas essas pessoas terão as suas carreiras impulsionadas pelo aprendizado que a academia proporciona. Profissionalmente, eu já cheguei aonde muitos querem, e ainda tem mais. Mas, enquanto eu percorro o meu caminho quero ajudar a maioria de pessoas que eu puder a também ter sucesso na área de dados. É por isso que eu ensino Data Analytics com tanta paixão.”
LUAN MORENO
Você poderá assistir a tudo, quantas vezes quiser, acessar todos os materiais complementares e, se dentro de 7 dias após a compra, você desistir do seu investimento, nós devolveremos, NA HORA E SEM PEDIR EXPLICAÇÕES, 100% DO SEU DINHEIRO.
Engenharia de Dados Academy 2025 © Todos os direitos reservados
Esta é uma oferta especial de Black Friday e pode sair do ar a qualquer momento.
Garanta a sua agora mesmo.