Cupom GitHub: use GITHUB no link promocional do curso: acessar com desconto.
A trilha cobre fundamentos de AWS para dados, Data Lake com Amazon S3, ingestão com Python e Boto3, pipelines serverless com Lambda, catálogo e ETL com AWS Glue, consultas com Amazon Athena, infraestrutura como código com Terraform, CI/CD, observabilidade, custos e uso de IA como apoio técnico.
flowchart LR
A[Começando] --> B[Fundamentos AWS]
B --> C[Segurança e custos]
C --> D[Ambiente local]
D --> E[S3 e Data Lake]
E --> F[Python e Boto3]
F --> G[Lambda]
G --> H[Glue e Parquet]
H --> I[Athena e SQL]
I --> J[Projeto serverless]
J --> K[Terraform]
K --> L[Pipeline como código]
L --> M[CI/CD e operação]
M --> N[IA com validação]
N --> O[Projeto final]
Cada etapa depende da anterior e termina em uma entrega verificável. Use a tabela de módulos abaixo para abrir diretamente o capítulo correspondente.
- Uma estrutura de Data Lake no Amazon S3.
- Um pipeline Python com regras de qualidade, quarentena, manifesto e testes.
- Uma função Lambda orientada a eventos com idempotência verificável.
- Processamento Glue, catálogo e consultas Athena sobre dados analíticos.
- Infraestrutura completa com Terraform e CI/CD com GitHub Actions e OIDC.
- Um projeto final de analytics de vendas pronto para reconstrução e portfólio.
Os PDFs disponíveis estão linkados nos READMEs dos módulos 01 a 14.
| Projeto | Arquitetura | Entrega principal |
|---|---|---|
| Data Lake no Amazon S3 | Fluxo e decisões | zonas raw, processed, curated e quarantine |
| Pipeline Serverless | Fluxo e decisões | evento S3, Lambda, qualidade e consulta |
| Infraestrutura com Terraform | Grafo e decisões | recursos reproduzíveis e state protegido |
| CI/CD com GitHub Actions | Pipeline e identidade | validação automatizada e OIDC |
| Projeto final de analytics de vendas | Arquitetura completa | plataforma integrada e portfólio reproduzível |
- Comece pelo mapa da formação.
- Acesse o README do módulo correspondente à aula em andamento.
- Nos módulos com PDF, consulte o arquivo complementar indicado em Materiais.
- Use os datasets sintéticos somente para fins educacionais.
- Consulte o glossário técnico ao encontrar um termo novo.
- Antes de qualquer prática com AWS, leia segurança e custos.
- Valide a cópia local com
powershell -ExecutionPolicy Bypass -File scripts/validar-estrutura.ps1oupython scripts/validar-estrutura.py.
| Tema | Consulta rápida |
|---|---|
| AWS | AWS CLI e IAM |
| Código | Python, SQL e Git |
| Dados | Lambda, Glue e Athena |
| Infraestrutura | Terraform |
- Jornada técnica em diagramas
- Roadmap de Cloud
- Roadmap de Engenharia de Dados
- Roadmap de certificações
- Conta AWS com orçamento e alertas configurados.
- Git e GitHub.
- Python 3 e ambiente virtual local.
- AWS CLI configurada com perfis seguros.
- Terraform para os módulos de infraestrutura.
- Editor de código, como VS Code.
Os laboratórios podem criar recursos pagos na AWS. Sempre valide conta, região, orçamento, permissões e procedimento de limpeza antes de executar qualquer atividade prática. Nunca publique credenciais, tokens, dados pessoais, estados Terraform sensíveis ou evidências com informações privadas.
.
|-- architecture/ # Diagramas Mermaid da jornada e dos pipelines
|-- datasets/ # 23 datasets sintéticos documentados
|-- docs/ # Glossário, cheat sheets, preparação e roadmaps públicos
|-- links/ # Biblioteca temática de referências gratuitas
|-- modulos/ # 15 capítulos com aulas e práticas
|-- projetos/ # 5 projetos executáveis e testáveis
`-- scripts/ # Validações locais do material
- Guia de contribuição: CONTRIBUTING.md
- Segurança: SECURITY.md
- Código de conduta: CODE_OF_CONDUCT.md