Mentionsy
Data Engineer vs AI | Big Data - granice bezpieczeństwa, prywatności i kontroli | Marek Czuma
KajoData:
🟨 Społeczność analityków KajoDataSpace
🟦 Kursy - Excel, Power Query, SQL, PowerBI, Python, Tableau
Marek Czuma
🟩 Akademia Big Data
🟫 Big Data Po Polsku
W tym odcinku spotkałem się z Markiem Czumą – inżynierem danych, twórcą Akademii Big Data i podcastu „Big Data po polsku”. To rozmowa o świecie ogromnych zbiorów danych, technologii rozproszonych i granicach tego, co możemy dziś przetworzyć. Zaczynamy od pytania, czy danych nie jest po prostu za dużo – i czy w tej „danej ropie XXI wieku” nie zaczynamy się powoli topić. Marek tłumaczy, jak naprawdę wygląda branża Big Data, na czym polega przetwarzanie rozproszone i dlaczego dodanie „kolejnych serwerów” nie zawsze rozwiązuje problem.
Rozmawiamy też o różnicach między analitykiem danych a inżynierem danych – gdzie kończy się Excel, a zaczyna Apache Spark. Marek pokazuje, że Big Data to nie tylko programowanie, ale sposób myślenia – inżynierski, systemowy, zrozumiały dopiero wtedy, gdy wiesz, co dzieje się „pod spodem”.
Zastanawiamy się też, jak wygląda ścieżka rozwoju od analityka do inżyniera danych i które umiejętności są tu naprawdę kluczowe.
W drugiej części schodzimy na meta-poziom – rozmawiamy o przyszłości zawodów IT w erze sztucznej inteligencji, o tym, co AI może zmienić (a czego raczej nie ruszy), i które systemy robią na Marku największe wrażenie – od Google Maps po infrastrukturę NSA. To szczera, inspirująca rozmowa o tym, jak wygląda świat danych od środka – technicznie, organizacyjnie i... filozoficznie.
Szukaj w treści odcinka
Moja odpowiedź, a właściwie odpowiedź inżynierów Google'a, którzy mieli te same pewnie rozmowy, to czyli co my teraz, tylko w realu i 25-26 lat temu mniej więcej, jest taka, że żeby, bo twoje rozwiązanie jest dobre, dołożyć nowy komputer.
Bo podstawowe, takie on-premise'owe, open-source'owe technologie, przede wszystkim Apache Hadoop, który był, można powiedzieć, ekwiwalentem tego, co wymyślili w Google,
Google wymyśli kilka technologii, które pozwalały przechowywać dane w trybie rozproszonym i przetwarzać dane w trybie rozproszonym.
I te same odpowiedniki tych dokładnie technologii wymyślono potem w fundacji Apache, odwzorowując architektonicznie to, co było w Google i udostępniając na cały świat.
Microsoft Azure jest jedną z trzech największych chmurowni, dostawców chmur obok AWS'a i Google'a.
Najmniej kontrowersyjne to są mapy Google.
Mówiąc mapy, Google mam też na myśli, bo mapy to jest aplikacja, tak jak mamy w komórce, jedziemy nad morze, sobie włączamy, ale to jest też dużo innych rzeczy, które są powiązanych wokół takich jak Street View i tego typu rzeczy, gdzie po prostu jak sobie wejdziesz, tam może...
Google Maps, ja zgłębiałem kiedyś ten temat w ramach podcastu i ja chyba do tego wrócę, bardzo bym chciał, bo to mnie naprawdę fascynuje.
Google Maps i wszystkie te rzeczy wokół, no, to jest niesamowite.
Ostatnie odcinki
-
Data Analyst 👉 Kompletny plan kariery
22.04.2026 15:30
-
Przyszłość dla Data Analyst 👉 3 ścieżki
15.04.2026 17:00
-
Angielski w IT: największy problem to nie grama...
13.04.2026 15:30
-
Boisz się, że Cię zwolnią? Zrób to zanim będzie...
06.04.2026 17:00
-
Jak znaleźć czas na naukę? Jak się uczyć nowych...
30.03.2026 15:30
-
Twój pierwszy projekt analityczny | Wywiad z Kl...
26.03.2026 16:30
-
Przebranżowienie w 2026
23.03.2026 16:30
-
Szef NVIDIA każe Ci wydać 250 000 dolarów ☠️
22.03.2026 18:00
-
AI vs Analityk danych w 2026
21.03.2026 21:26
-
Odpowiadam na WASZE WSZYSTKIE PYTANIA o pracę j...
16.03.2026 17:00