Проект	Краткое описание задачи	Стэк
Pentaho ETL	Создать ежедневно запускаемый ETL, который автоматизирует сведение данных из различных источников и форматов, проверку на возможные ошибки и опечатки, загрузку в DWH. В данном проекте я также попытался применить принципы dimension modeling, описанные Ральфом Кимбаллом в своей книге "The Data Warehouse Toolkit").	ETL Pentaho Планировщик Cron Источники данных - MySQL, Postgres(в облаке), json, xml, csv, xls, zip, google sheets
ETL из Яндекс-метрики в Postgres	Ежедневно выгружать данные, необходимые для маркетинговых отчетов из api яндекс метрики,обрабатывать их и загружать в хранилище на PostgreSQL. Должна быть возможность подключаться к хранилищу через любые bi инструменты, используемые в компании: tableau, power bi, excel и др. Написать краткую инструкцию для коллег, как это сделать.	ETL - Python с библиотеками request, pandas, sqlalchemy Планировщик Cron (bash/bat скрипт) Источники данных API яндекс метрики. БД Postgres
Простой чат-бот	Может поприветствовать пользователя, угадать возраст пользователя (используя математический трюк), уметь считать от 0 до любого положительного числа, задать тестовый вопрос пользователю и проверить ответы	Python
Postgres в localhost и Amazon RDS	Перенос данных из Excel в postgres по схеме "Звезда". Аналитические SQL запросы к базе. Dashboard в Data Studio, подключенный к облаку	Postgres, Amazon RDS, SQL, Data Studio
Postgres в Google Cloud	Развернуть Potgres на виртуальной машине через IaaS сервис Compute Engine. Подключиться к консоли сервера с рабочего компьютера через SSH. Посмотреть на практике, как в postgres происходит работа с изоляциями на разных уровнях	Postgres, Google Compute Engine, VM, SQL, Bash, SSH