Construa pipelines modernos, versionados e escaláveis, em um projeto de dados de Altíssima Velocidade.
Aprenda a orquestrar, transformar e automatizar seus pipelines com uma stack usada por engenheiros de dados que entregam em produção com segurança e eficiência.
Data for Speed é um curso prático e direto ao ponto, voltado para profissionais que já deram os primeiros passos em dados — como criar um Data Warehouse — e agora querem evoluir com uma stack moderna, automatizada e escalável.
Você vai aprender, na prática, como montar um ambiente completo de Engenharia de Dados usando ferramentas open-source e Docker, com foco em boas práticas de versionamento, transformação e orquestração de pipelines.
Durante o curso, você terá acesso a um repositório com a arquitetura pronta para rodar localmente, usando:
- Apache Hop para ingestão de dados
- dbt para transformação, testes e documentação
- PostgreSQL como Data Warehouse
- Jenkins e Git para automação e CI/CD
Tudo isso com uma estrutura real de ambientes:
desenvolvimento → QA → produção, garantindo que apenas pipelines testados e validados cheguem ao ambiente final.
Este é o curso ideal para quem busca acelerar sua jornada rumo à Engenharia de Dados moderna, com foco em eficiência, controle e escalabilidade.
Já Construiu um Data Warehouse e quer dar o próximo passo?
Este curso mostra como evoluir sua arquitetura com uma stack moderna baseada em ferramentas open-source: Apache Hop para ingestão, dbt para transformação, Jenkins para orquestração e PostgreSQL como DWH — tudo containerizado em Docker e versionado com Git. Se você busca escalabilidade, automação e boas práticas, esse é o caminho mais eficiente para consolidar sua jornada como engenheiro de dados.
CONHEÇA A SOLUÇÃO
Viu Não? Muito Rápido
Ambiente completo em Docker, fácil de subir e replicar
Pipelines versionados e automatizados com Git + Jenkins
Transformações padronizadas com dbt, incluindo documentação e testes
Ingestão visual e extensível com Apache Hop
Armazenamento em um Data Warehouse Postgres escalável
Deploy controlado com CI/CD: só vai pra produção após sucesso em dev e QA
Stack adaptável para soluções como BigQuery, Snowflake e Redshift
Repositório pronto com toda a arquitetura para uso imediato
Repositório pronto com toda a arquitetura para uso imediato
- Módulo de Preparação (liberado antes do curso ao vivo)
- Introdução ao curso e à Stack Moderna de Dados
- Instalação e configuração do Docker
- Subindo a arquitetura com docker-compose
- Estrutura de diretórios e uso do repositório do curso
- Checklist para para deixar tudo pronto na aula ao vivo
Treinamento nos dias
17 e 24 de Maio
Dia 1 — Manhã — 17/05
Construindo a base
Ingestão de dados com Apache Hop Web
Visão geral do Apache Hop Web
Criação de pipelines de ingestão a partir de arquivos e bancos relacionais
Uso de variáveis, parâmetros e estrutura modular de jobs
Como aplicar validações e boas práticas na ingestão
Dia 1 — Tarde — 17/05
Transformações e qualidade com dbt
Introdução ao dbt: modelo de camadas (raw → silver → gold)
Criando e organizando modelos SQL
Aplicando testes, validações e documentação
Executando pipelines de transformação com versionamento
Dia 2 — Manhã — 24/05
Preparando o deploy e escalando com CI/CD
Introdução às extensões do PostgreSQL
PostgreSQL Scale (TimescaleDB): ativação e uso prático
Como transformar uma tabela em hypertable
Vantagens em cenários com grandes volumes de dados temporais
Comparativo real de performance.
Boas práticas de modelagem e performance no Data Warehouse
Criação de views otimizadas para ferramentas como Metabase ou Power BI
Dia 2 — Tarde — 24/05
CI/CD com Jenkins e Git
Estrutura de versionamento com Git: branches e repositórios
Jenkins Multibranch Pipeline: como configurar e usar
Validações automatizadas em ambiente de desenvolvimento (dev)
Execução em ambiente de homologação (QA)
Deploy controlado para produção com gate de aprovação
Logs, rastreabilidade e governança de dados via Git e Jenkins
Boas práticas de CI/CD aplicadas à Engenharia de Dados
Caio Abdon
Rafael Arruda
Desenvolvido por Augusto Mello