В программе будут рассмотрены инструменты и фреймворки, которые используют свой DSL для декларативных конфигураций, либо как легковесный инструмент для написания кода. А также основные Groovy-фреймворки, работа с Gradle и Jenkins.
В рамках курса слушатели познакомятся с:
Groovy-конфигурациями для Spring;
Spoke и Geb фреймворки для тестирования;
Groovy-фреймворками для бэкенд-разработки: Grails, Micronaut;
Jenkins и настройкой пайплайнов;
JMeter и Groovy.
На какие позиции вы сможете претендовать?
DevOps Engineer, QA, Java/Groovy Backend Develope
Где, в каких проектах требуются такие специалисты?
Автоматизация CI/CD пайплайнов
Продвинутое нагрузочное тестирование с JMete
Написание автотестов/интеграционных тестов для Java/Groovy-проектов
Песочницы для запуска пользовательских скриптов
Проекты с гибкой конфигурацией
Для кого этот курс
Курс предназначен прежде всего для Java-разработчиков с опытом работы от 1 года, но также обеспечивает развитие в области бэкенд-разработки/тестирования на Groovy для следующих специалистов:
DevOps инженеров, которые хотят научиться более гибко настраивать CI/CD пайплайны в Jenkins/Gitlab и изучить систему сборки проектов Gradle;
QA-инженеров с опытом написания автотестов и скриптов на одном из языков разработки (Java, Python, JavaScript), желающие изучить фреймворки написания модульных и автотестов с Groovy, а также гибкую настройку тестовых планов в JMeter с использованием jsr223 (Groovy).
программистов с опытом работы на других языках от 2-х лет, знакомых с синтаксисом веб-приложений.
Чему вы научитесь?
Язык Groovy:
познакомитесь с синтаксисом языка Groovy;
применять Groovy-скрипты;
использовать статическую и динамическую типизацию кода;
использовать средства языка для работы с БД, текстовыми форматами данных json/xml/yaml, работать с http-запросами.
Системы сборки:
конфигурировать сборку в Gradle;
создавать многомодульные проекты в Gradle;
настраивать и кастомизировать шаги сборки в Gradle;
писать свои плагины для Gradle;
конфигурировать пайплайны сборки в Jenkins, писать свою функциональность для пайлплайнов на Groovy.
Работа с фреймворками:
конфигурировать Spring-приложения с помощью Groovy;
применять Groovy-фреймворки: Grails, Micronaut, GORM для разработки бэкенд-приложений.
Создание DSL:
проектировать DSL;
использовать AST-трансформацию и GDSL.
Тестирование приложений:
создавать тест-кейсы для модульного и интеграционного тестирования с помощью фреймворка Spock;
реализовывать автотесты с фреймворком Geb;
создавать и проектировать планы нагрузочного тестирования с помощью JMeter, расширять функциональность JMeter с помощью jsr223-скриптов.
Дополнительно на курсе вы:
изучите встроенные инструменты в Groovy для работы с данными (json/xml/db/rest);
изучите популярные бэкенд-фреймворки из Groovy-экосистемы;
подготовитесь к техническому собеседованию на позицию Groovy-разработчика.
Математика для Data Science - отличный курс!
Занимался на курсе Математика для Data ScienceОтличный шанс подтянуть знания по математике. А если в математике знания на минмуме - тем более рекомендую. Без базы в математике - будет очень сложно развиваться в области DS!
Плюсы: Курс разбит на несколько тем. Каждая тема раскрывается в достаточном объеме. Профессиональные преподователи!
Минусы: Минусов нет!
Источник: otzovik.com
Аноним5640904
12.10.2023
10
Системный аналитик. Advanced. Отличный курс, чтобы улучшить свои знания
На данный момент прохожу курс "Системный аналитик. Advanced".Наверное один из немногих курсов по системному анализу на рынке рассчитанный не на новичков в профессии. Искал курс именно для повышения уровня своих знаний и очень доволен полученными знаниями, так как уже удалось получить повышение на работе. Структура курса построена следующим образом:- первый месяц идут основы сбора требований и ведения процесса разработки. Если вы не первый год в профессии и успели поработать в разных компаниях, то этот раздел может показаться скучным. Единственное спасают живые вебинары и интересные домашние задания.- дальше уже начинаются интересные темы. Как правильно писать use case и use story. Проектирование БД. Анализ данных с помощью Python. Проектирование микросервисной архитектуры приложения и многое другое.- в конце предлагается написать курсовую и тут есть 2 варианта. Первый это использовать ту тему, которую предложили в начале курса преподаватели и по которой у вас были все домашние работы (по факту можно собрать все домашние работы в один документ немного доработать и получится готовая курсовая). Или придумать свою тему и описать проектирование вашей системы с нуля. Тут если время позволяет конечно интересно написать что-то свое, чтобы получить обратную связь, но из-за завала на работе я выбрал первый - "легкий" вариант.Хочется ещё добавить, что все лекции проходят онлайн и в момент лекции есть возможность задавать вопросы, что намного удобнее нежели если бы предоставляли готовые записанные лекции. Доступ к материалам остаётся навсегда, что удобно если хочется вернуться и просмотреть конкретную тему повторно.P.S. В начале курса проходишь тестирование своих текущих знаний и тебе выставляют оценку. Этот же тест проходишь в конце курса и можешь сравнить насколько лучше ты стал владеть знаниями по систему анализу.
Плюсы: Охвачены все основные темы, которые использует системный аналитик в своей работе. Получилось новые знания сразу использовать на практике в работе.
Минусы: Иногда занятия переносятся, что не всегда удобно, но не критично