feat(docs): добавлен подраздел «Linux и терминал» в базовые инструменты

- Зачем:
  - единственный пробел заявленной базы: все стенды консольные, а в
    роадмапе не было ни одного упоминания bash/ssh/командной строки (P1).
- Что:
  - в блок «Git и базовые инструменты» добавлен подраздел с видео-интро,
    тремя статьями (навигация и grep, права файлов, ssh) и опциональным
    интерактивным курсом Hexlet; примечание про WSL для Windows.
  - критерии готовности блока дополнены терминалом, grep и правами/ssh;
    в оглавление добавлен Linux; задача перенесена в «Сделано» в TODO.
- Проверка:
  - mkdocs build --strict — сборка без ошибок;
  - все ссылки проверены на живость и соответствие содержимого
    (curl --noproxy для RU-доменов, покрытие видео — по субтитрам).

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

.github/workflows/check-links.yml

@@ -0,0 +1,54 @@
+name: Check external links
+
+on:
+  schedule:
+    - cron: "0 6 * * 1" # понедельник 06:00 UTC
+  workflow_dispatch:
+
+permissions:
+  contents: read
+  issues: write
+  actions: write # для keepalive-шага
+
+jobs:
+  link-check:
+    runs-on: ubuntu-latest
+    steps:
+      - uses: actions/checkout@v4
+
+      - name: Run lychee
+        id: lychee
+        uses: lycheeverse/lychee-action@v2
+        with:
+          # остальные настройки — в lychee.toml в корне репозитория
+          args: --no-progress './**/*.md'
+          fail: false
+        env:
+          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
+
+      # если открытый issue с меткой link-check уже есть — обновляем его,
+      # а не создаём дубликат каждую неделю
+      - name: Find open link-check issue
+        if: steps.lychee.outputs.exit_code != 0
+        id: issue
+        run: |
+          echo "number=$(gh issue list --repo "$GITHUB_REPOSITORY" --label link-check --state open --json number --jq '.[0].number // empty')" >> "$GITHUB_OUTPUT"
+        env:
+          GH_TOKEN: ${{ github.token }}
+
+      - name: Create or update issue on broken links
+        if: steps.lychee.outputs.exit_code != 0
+        uses: peter-evans/create-issue-from-file@v5
+        with:
+          title: "Битые внешние ссылки: еженедельная проверка"
+          content-filepath: ./lychee/out.md
+          labels: link-check
+          issue-number: ${{ steps.issue.outputs.number }}
+
+      # GitHub отключает scheduled-workflows после 60 дней без активности
+      # в репозитории; повторное включение сбрасывает таймер
+      - name: Keep scheduled workflow enabled
+        if: always()
+        run: gh api -X PUT "repos/$GITHUB_REPOSITORY/actions/workflows/check-links.yml/enable"
+        env:
+          GH_TOKEN: ${{ github.token }}

AGENTS.md

@@ -6,7 +6,7 @@
 - `postgres-bookings/` is a Dockerized PostgreSQL + demo “bookings” DB; start it first, then apply DWH scripts against the `demo` database.
 - `mkdocs.yml` — MkDocs Material config; `docs_dir: .` (repo root = site root). Excluded dirs: `project/`, `postgres-bookings/`, `.github/`, `.claude/`.
 - `.github/workflows/deploy-site.yml` — CI/CD: push to `main` → build → deploy to GitHub Pages.
-- `project/` — PRD and ADR (excluded from site).
+- `project/` — PRD, ADR, and TODO.md (excluded from site). `project/TODO.md` is the prioritized project backlog: check it when planning or proposing work, and mark items done there when you complete them.
 
 ## Build, Test, and Development Commands
 - Start demo Postgres:  
@@ -60,7 +60,7 @@ All `.md` files MUST render correctly on both GitHub and the MkDocs Material sit
   `npx playwright screenshot --viewport-size='1280,800' 'http://127.0.0.1:8000/#anchor' /path/to/screenshot.png`
   Then read the screenshot with the Read tool to inspect rendering. Use `--viewport-size='1280,2000'` for tall pages.
 - Kill stuck dev server: `lsof -ti :8000 | xargs kill`
-- Site URL: `https://dementev-dev.github.io/de-roadmap/`
+- Site URL: `https://de.dementev.space/` (старый адрес `https://dementev-dev.github.io/de-roadmap/` отдаёт 404)
 
 ## Testing Guidelines
 - There is no dedicated test framework; treat SQL scripts as executable documentation.

README.md

@@ -12,10 +12,10 @@
 
 ### Оглавление
 
-- [Основные знания](#основные-знания) — Git, SQL, Python, методологии, Docker
+- [Основные знания](#основные-знания) — Linux, Git, SQL, Python, методологии, Docker
 - [Практика и инструменты](#практика-и-инструменты) — Airflow, Greenplum, курсовая работа
 - [Карьера и менторство](#карьера-и-менторство) — резюме, собеседования, испытательный срок
-- [Расширенные навыки](#расширенные-навыки) — ClickHouse, Streaming, Lakehouse, dbt
+- [Расширенные навыки](#расширенные-навыки) — Streaming, ClickHouse, Lakehouse, dbt
 - [Софт скиллы](#софт-скиллы)
 - [Дополнительные материалы](#дополнительные-материалы)
 
@@ -33,6 +33,16 @@
 
 ### Git и базовые инструменты
 
+#### Linux и терминал
+
+Командная строка — рабочее место дата-инженера: docker, psql, git, подключение к серверам живут именно там. Отдельная практика не нужна — все стенды этого роадмапа консольные, команды закрепятся сами. На Windows поставьте [WSL](https://learn.microsoft.com/ru-ru/windows/wsl/install) — полноценный Linux внутри Windows.
+
+- [Основы Linux для начинающих за 1.5 часа - Youtube](https://www.youtube.com/watch?v=Be6tB59b7D0) — что такое терминал, навигация, файлы, права, ssh: мягкий вход перед статьями
+- [Linux: Файлы, навигация и поиск - Habr](https://habr.com/ru/articles/1003550/) — перемещение по каталогам, чтение файлов и логов: less, tail, grep
+- [Права доступа к файлам и папкам в Linux - FirstVDS](https://firstvds.ru/technology/linux-permissions) — rwx, chmod, chown
+- [SSH для начинающих - Cloud.ru](https://cloud.ru/blog/ssh-dlya-nachinayuschikh) — подключение к удалённой машине
+- [Основы командной строки - Hexlet](https://ru.hexlet.io/programs/cli-basics) — опционально: бесплатный интерактивный курс с терминалом прямо в браузере; достаточно уроков про навигацию, grep и права доступа
+
 #### База по Git
 Что такое контроль версий, когда используется, ПОЧЕМУ и как мы в обучении будем использовать.
 Как создать репозиторий на GitHub, сохранять в нем изменения.
@@ -51,6 +61,8 @@
 
 **Когда блок Git и базовые инструменты считаем пройденным:**
 
+- ориентируетесь в терминале: перемещаетесь по каталогам и находите нужное в логах (grep, tail, less);
+- понимаете права файлов (rwx, chmod) и знаете, как подключиться к серверу по ssh;
 - вы уверенно создаёте репозиторий, коммитите изменения и отправляете их на GitHub;
 - имеете представление о работе с ветками: создание, переключение, что такое merge/PR и разруливание простых конфликтов;
 - оформляете базовую документацию в Markdown (README, заголовки, списки, ссылки, кодовые блоки).
@@ -64,16 +76,17 @@ SQL и моделирование данных специально идут р
 Бесплатный тренажер: [Интерактивный тренажер по SQL – Stepik](https://stepik.org/course/63054/promo)  
 Целевой уровень знания SQL - Live кодинг на собесе. Проверяем на первом мок-интервью  
 
-**CTE**  
- - Зачем нам CTE: [Getting started with CTEs | dbt Labs](https://www.getdbt.com/blog/getting-started-with-cte)
- - Подробнее про синтаксис: [PostgreSQL : Документация: 17: 7.8. Запросы WITH (Общие табличные выражения) : Компания Postgres Professional](https://postgrespro.ru/docs/postgresql/17/queries-with)
+**CTE**
+
+- Зачем нам CTE: [Getting started with CTEs | dbt Labs](https://www.getdbt.com/blog/getting-started-with-cte)
+- Подробнее про синтаксис: [PostgreSQL : Документация: 17: 7.8. Запросы WITH (Общие табличные выражения) : Компания Postgres Professional](https://postgrespro.ru/docs/postgresql/17/queries-with)
 
 Для дальнейшей тренировки и поддержания уровня можно использовать [Database - LeetCode](https://leetcode.com/problem-list/database/). Хорошая подборка задачек: [SQL 50 - Study Plan - LeetCode](https://leetcode.com/studyplan/top-sql-50/)
 
 #### Повышение знаний SQL
 
 Смотрим курс от Postgres Pro [DEV1](https://postgrespro.ru/education/courses/DEV1)
-Темы - от "Введение" до "SQL" включительно, "Управление доступом", "Резервное копирование". Для лучшего усваивания материала проделываем все примеры и домашние задания из конспектов лекция.   
+Темы - от "Введение" до "SQL" включительно, "Управление доступом", "Резервное копирование". Для лучшего усваивания материала проделываем все примеры и домашние задания из конспектов лекций.   
 С темой "PL/pgSQL" можно ознакомиться обзорно.
 
 Для развития навыков инженера будет полезно лабораторные работы делать не в виртуальной машине, а в docker контейнере. Предложенный (не обязательный) вариант - в каталоге `postgres-bookings` репозитория.
@@ -134,7 +147,8 @@ SQL и моделирование данных специально идут р
     - [Работа с файлами в формате CSV, JSON, YAML](https://pyneng.readthedocs.io/ru/latest/book/17_serialization/index.html)
     - [Итераторы, итерируемые объекты и генераторы](https://pyneng.readthedocs.io/ru/latest/book/13_iterator_generator/index.html)
     - [Декораторы Python: пошаговое руководство](https://habr.com/ru/companies/otus/articles/727590/)
-    - Работа с датой/временем: https://django.fun/docs/python/3.10/library/datetime/
+    - Работа с датой/временем: [официальная документация по модулю datetime](https://docs.python.org/3/library/datetime.html)
+    - [Сложность алгоритмов. Разбор Big O](https://habr.com/ru/articles/782608/) — короткий материал, чтобы понимать O(n) vs O(n²) на собеседованиях и в коде
 - ООП
     - [Tproger: «ООП простыми словами»](https://tproger.ru/experts/oop-in-simple-words)
     - Введение в [ООП](https://metanit.com/python/tutorial/7.1.php)
@@ -145,7 +159,7 @@ SQL и моделирование данных специально идут р
     - [SkillFactory: Виртуальные окружения в Python](https://blog.skillfactory.ru/venv-virtualnoe-okruzhenie-v-python/)
 - Jupyter Lab
     - [Блог Практикума: «Что такое Jupyter Notebook: как установить и открыть»](https://practicum.yandex.ru/blog/chto-takoe-jupyter-notebook/)
-    - Готовая реализация Jupyter Lab, включающая в себя Spark, в Docker: https://github.com/dementev-dev/jupyter-spark-docker
+    - Готовая реализация Jupyter Lab, включающая в себя Spark, в Docker: [jupyter-spark-docker](https://github.com/dementev-dev/jupyter-spark-docker)
 - Pandas
     - [GeeksforGeeks: “Why Pandas is Used in Python”](https://www.geeksforgeeks.org/pandas/why-pandas-is-used-in-python/)
     - [Skillbox: «Для чего нужна библиотека Pandas»](https://skillbox.ru/media/code/rabotaem-s-pandas-osnovnye-ponyatiya-i-realnye-dannye/)
@@ -199,13 +213,15 @@ Agile — это не метод, а философия. Scrum и Kanban — э
 
 ##### 1. Jira (Мировой стандарт)
 Самый популярный инструмент. Скорее всего, вы столкнетесь именно с ним.
+
 * [Как работать с Jira на реальных проектах](https://www.youtube.com/watch?v=oPgm-fsHVfM) (15 мин) — *Отличное видео, где показывают базу: как создать задачу, как перетащить её по доске (Kanban) и что писать в комментариях. Смотреть с 04:00, где начинается практика.*
 * [Создание и настройка Scrum-досок в JIRA](https://www.youtube.com/watch?v=u-u8NRyApUs) — *Если хотите увидеть, как выглядит Спринт и Бэклог изнутри.*
 
 ##### 2. Yandex Tracker (Российский стандарт)
 Активно внедряется в крупных компаниях РФ. Логика та же, но интерфейс другой.
+
 * [Начало работы в Яндекс.Трекере](https://www.youtube.com/watch?v=pdlYiijjn70) (3 мин) — *Супер-короткий официальный гайд. За 3 минуты показывают всё: очереди, доски, карточки.*
-* [Настройка процесса разработки в Tracker](https://www.youtube.com/watch?v=EdKlYJR2ph0&t=397s)** (c 06:37) — *Более глубокий разбор: как выглядит очередь задач разработчика и жизненный цикл тикета.*
+* [Настройка процесса разработки в Tracker](https://www.youtube.com/watch?v=EdKlYJR2ph0&t=397s) (c 06:37) — *Более глубокий разбор: как выглядит очередь задач разработчика и жизненный цикл тикета.*
 
 > **💡 Совет:**
 > Не бойтесь кнопок. Главное правило любого трекера: **«Взял задачу в работу — переведи статус в In Progress»**. Это сигнал команде, что вы заняты и вас лучше не отвлекать.
@@ -234,7 +250,7 @@ Agile — это не метод, а философия. Scrum и Kanban — э
 
 #### Docker
 
-- Курс https://karpov.courses/docker
+- Курс [Docker от karpov.courses](https://karpov.courses/docker)
 
 Основное предназначение для нас - учебные стенды, где мы разбираем и тренируемся с разными технологиями. На работе - иногда пригождается. На собесах спрашивают редко.
 
@@ -301,10 +317,6 @@ Apache Airflow — инструмент для оркестрации ETL-про
 - Стенд покрывает основные темы курса: типы таблиц (heap / appendonly), политики дистрибуции, сжатие, PXF, анализ планов выполнения (`EXPLAIN`).
 - Единственное ограничение: cloud-специфичные темы (тема 2 курса — развёртывание в Yandex Cloud) на локальном стенде не покрыты.
 
-Дополнительно:
-
-- [Учебный курс по Greenplum от datafinder](https://datafinder.ru/products/uchebnyy-kurs-po-greenplum) — отдельные главы для углубления.
-
 **Когда блок Greenplum считаем пройденным:**
 
 - вы понимаете, как данные распределяются по сегментам, что такое skew и как его увидеть;
@@ -330,14 +342,6 @@ Apache Airflow — инструмент для оркестрации ETL-про
 - автоматическая проверка (валидационный DAG) проходит без ошибок;
 - вы можете на собеседовании за 5–10 минут рассказать архитектуру проекта, его цели и показать ключевые части кода.
 
-### Понятие сложности алгоритмов
-В Data Engineering редко требуется писать сложные алгоритмы, но важно понимать, как оценивать эффективность кода: 
-
-- в SQL — через объём сканируемых данных, типы JOIN’ов, использование индексов;
-- в Python — через асимптотику операций с pandas/списками (например, O(n) vs O(n²)).
-
-Это помогает избегать «тормозящих» решений на собеседованиях и в реальных пайплайнах.
-
 ---
 
 ## Карьера и менторство
@@ -374,7 +378,6 @@ Apache Airflow — инструмент для оркестрации ETL-про
 #### Поиск работы и собеседования
 
 - [Как подтвердить опыт без трудовой / Хабр против работяг](https://www.youtube.com/watch?v=GHqABzA1zi8)
-- Видео по прохождению собеседований из сообщества ОМ — *в подготовке*
 - Практика: мок-собеседования с ментором — тренировка ответов, разбор слабых мест, психологическая подготовка к реальным интервью.
 
 #### Помощь с прохождением испытательного срока
@@ -406,10 +409,6 @@ Apache Airflow — инструмент для оркестрации ETL-про
 Практика ограничивается минимальным рабочим примером (запуск в Docker, простой пайплайн или SQL-модель).
 Этого достаточно, чтобы уверенно говорить об инструменте на собеседовании и понимать его место в архитектуре — а всё остальное при необходимости осваивается уже на проекте.
 
-### ClickHouse
-Бесплатный курс https://yandex.cloud/ru/training/clickhouse  
-Платный курс [ClickHouse для аналитика – Stepik](https://stepik.org/course/100210/promo?search=6551441002)  
-
 ### Streaming (NiFi + Kafka)
 NiFi — визуальный конструктор потоков данных, Kafka — распределённая очередь сообщений. Вместе они закрывают типичный сценарий: принять данные, буферизовать, доставить в хранилище.
 
@@ -423,12 +422,47 @@ NiFi — визуальный конструктор потоков данных
 - настраиваем в NiFi простой генератор данных и поток в Postgres;
 - строим поток NiFi → Kafka → NiFi → Postgres.
 
+Знакомство с Kafka здесь пригодится и дальше: стенд по ClickHouse в следующей секции принимает данные именно через Kafka.
+
+### ClickHouse
+ClickHouse — колоночная СУБД для аналитики на больших объёмах: миллиарды строк, агрегации за секунды. В российских компаниях это фактический стандарт для витрин, отчётности и продуктовой аналитики, поэтому на собеседованиях тема всплывает часто.
+
+Материалы:
+
+- Бесплатный курс [ClickHouse от Yandex Cloud](https://yandex.cloud/ru/training/clickhouse) — берём за основу, в нём много упражнений
+- Платный курс [ClickHouse для аналитика – Stepik](https://stepik.org/course/100210/promo?search=6551441002)
+
+Практика:
+
+- Упражнения курса Яндекса можно выполнять в их облаке (с оплатой за ресурсы) или бесплатно у себя — на учебном кластере [clickhouse-learning-cluster](https://github.com/dementev-dev/clickhouse-learning-cluster): 4 узла ClickHouse в Docker Compose, репликация, шардинг, балансировка через HAProxy.
+- Следующий шаг — стенд [clickstream-ch-kafka-superset-demo](https://github.com/dementev-dev/clickstream-ch-kafka-superset-demo), имитирующий полноценное аналитическое хранилище на ClickHouse: Kafka, Airflow, дашборды в Superset, мониторинг (Prometheus/Grafana), слои STG → ODS → DDS → DM. Внутри — собственный продвинутый курс «Кликстрим на ClickHouse» с уроками прямо на стенде.
+
 ### Lakehouse (Spark, Iceberg, Trino)
 
-> Секция в разработке. Lakehouse — отдельное направление в DE, построенное на разделении compute и storage, открытых табличных форматах (Iceberg, Delta) и движках распределённой обработки (Spark, Trino). Этот роадмап фокусируется на классическом DWH-стеке, поэтому полноценный блок пока не готов — ниже только отправные точки для самостоятельного изучения.
+Lakehouse — архитектурный подход, который соединяет гибкость Data Lake с гарантиями классического DWH.
 
+В классическом DWH данные и вычисления живут внутри одной СУБД, в её закрытом формате. В Lakehouse они разделены. Данные лежат файлами в дешёвом хранилище (обычно объектном, вроде S3). Открытый табличный формат (Iceberg, Delta, Hudi) добавляет поверх файлов привычные по СУБД вещи: схемы, транзакции, историю изменений. А вычислительные движки (Spark, Trino, Flink и другие) подключаются к данным снаружи — хоть несколько разных к одним и тем же таблицам.
+
+Роадмап фокусируется на классическом DWH-стеке, поэтому цель здесь — знакомство, но с настоящей практикой: стенд ниже собирает один из типовых наборов этого конструктора.
+
+Материалы:
+
+- Введение в тему: [«Как не утонуть в данных: выбираем между DWH, Data Lake и Lakehouse» (Habr, Arenadata)](https://habr.com/ru/companies/arenadata/articles/885722/) — что такое Lakehouse, чем он отличается от классического DWH и Data Lake и зачем появился
 - [DataLearn: «Что такое Apache Spark»](https://youtu.be/Tl9YzC-dQLI) — введение в Spark с нуля, ~40 минут
-- Стенд для экспериментов: [mini-lakehouse-lab](https://github.com/dementev-dev/mini-lakehouse-lab) (Spark + Iceberg + Trino + MinIO)
+
+Практика — курс [«Lakehouse без магии»](https://github.com/dementev-dev/mini-lakehouse-lab) на стенде mini-lakehouse-lab (Spark + Iceberg + Trino + MinIO, всё локально в Docker, без облаков и регистраций):
+
+- 8 модулей на ~12–15 часов самостоятельной работы; в каждом — объяснение, демонстрация, задание и checkpoint;
+- пайплайн `raw → bronze → silver` на реальном датасете NYC Taxi;
+- одна таблица из двух движков: запись через Spark, чтение через Trino — и почему это работает без копирования данных;
+- schema evolution, time travel и обслуживание таблиц (compaction, expire_snapshots) — с параллелями к знакомым VACUUM/REORGANIZE из мира Postgres/Greenplum.
+
+Глубже про Iceberg (опционально, лучше после практики на стенде):
+
+- [«Как на самом деле работает Apache Iceberg» — Владимир Озеров, HighLoad Channel (Youtube)](https://www.youtube.com/watch?v=_3fsE2a2FO4)
+- [Введение в устройство Parquet и Iceberg (Habr, VK Tech)](https://habr.com/ru/companies/vktech/articles/959398/) — подробный и местами непростой разбор форматов изнутри
+- [Введение в Apache Iceberg: основы, архитектура, как работает](https://ivan-shamaev.ru/apache-iceberg-tutorial-architecture-how-to-work/#__Apache_Iceberg-2)
+- [Spark + Iceberg in 1 Hour: Memory Tuning, Joins, Partition (Youtube, англ.)](https://www.youtube.com/watch?v=3R-SLYK-P_0)
 
 ### dbt
 dbt (data build tool) — инструмент для трансформации данных в хранилище.
@@ -470,9 +504,6 @@ dbt (data build tool) — инструмент для трансформации
         - Клон проекта [dementev_dev/sandbox_db_public-форк](https://gitflic.ru/project/dementev_dev/sandbox_db_public-fork)
 - [System Design. Разбор книги "Высоконагруженные приложения". Глава 1 - Youtube](https://www.youtube.com/watch?v=owjrIB_5go8) — отличный видео-конспект первой главы Клеппмана на русском.
 - [Индексы в БД - Youtube](https://www.youtube.com/watch?v=DyqtBiDrz3g)
-- [Spark + Iceberg in 1 Hour - Memory Tuning, Joins, Partition - Youtube](https://www.youtube.com/watch?v=3R-SLYK-P_0)
-- [Введение в устройство Parquet и Iceberg - habr](https://habr.com/ru/companies/vktech/articles/959398/)
-- [Введение в Apache Iceberg. Основы, архитектура, как работает?](https://ivan-shamaev.ru/apache-iceberg-tutorial-architecture-how-to-work/#__Apache_Iceberg-2)
 - [Алгоритмы: теория и практика. Методы – Stepik](https://stepik.org/course/217/info)
 - [Алгоритмы: теория и практика. Структуры данных – Stepik](https://stepik.org/course/1547/promo)
 - [Apache Hadoop для самых маленьких: HDFS, RACK-AWARENESS, репликация и Data Locality - Youtube](https://youtu.be/0fsY5bW2l84)

dwh-modeling/DataVault.md

@@ -126,17 +126,18 @@ erDiagram
 
 Чуть менее «сказочно», чуть более технично.
 
-### 3.1. Hub — сущность и её бизнес-ключ
+### 3.1. Hub: сущность и её бизнес-ключ
 
 **Hub** содержит:
 
 * бизнес‑ключ (customer_bk, order_id, contract_number);
 * техническую информацию:
-  * record_source — из какой системы пришла первая запись;
-  * load_dttm — когда запись попала в DV;
-  * иногда — хэш бизнес‑ключа (hk_customer).
+    * record_source — из какой системы пришла первая запись;
+    * load_dttm — когда запись попала в DV;
+    * иногда — хэш бизнес‑ключа (hk_customer).
 
 Главные правила:
+
 * один бизнес‑ключ — один хаб (одна строка на сущность, без истории);
 * хаб не знает про атрибуты (имя, email) — только идентичность.
 
@@ -153,7 +154,7 @@ CREATE TABLE hub_customer (
 
 Конкретные типы данных (`BYTEA`, длины `VARCHAR`, детали `hashdiff`) и реализации хэш‑ключей можно не запоминать: на старте важнее понять саму идею — у сущностей есть стабильные ключи, а все изменения атрибутов мы записываем отдельными версиями в сателлитах.
 
-### 3.2. Link — связи между сущностями
+### 3.2. Link: связи между сущностями
 
 **Link** описывает факт связи, например:
 
@@ -178,7 +179,7 @@ CREATE TABLE link_order_customer (
 );
 ```
 
-### 3.3. Satellite — атрибуты и история
+### 3.3. Satellite: атрибуты и история
 
 **Satellite** хранит:
 
@@ -249,7 +250,7 @@ Star Schema]
 * **Raw Vault** — это про приём и хранение данных «как есть», но уже в форме Hub / Link / Satellite.
 * **Business Vault** — это про приведение этих данных в более «деловой» вид: с бизнес-правилами, PIT/Bridge и подготовленными представлениями.
 
-### 5.1. Raw Vault — «всё прилетевшее, аккуратно разложенное по ящичкам»
+### 5.1. Raw Vault: «всё прилетевшее, аккуратно разложенное по ящичкам»
 
 Raw DV — первый слой поверх STG / ODS:
 
@@ -261,20 +262,20 @@ Raw DV — первый слой поверх STG / ODS:
 
 * минимум бизнес-логики:
 
-  * никаких правил вроде «клиент активен, если была хотя бы одна покупка за 90 дней»;
+    * никаких правил вроде «клиент активен, если была хотя бы одна покупка за 90 дней»;
 * все источники показываются «как есть», только приведены к общим ключам;
 * структура стабильна: добавился новый источник → появился новый Satellite к тому же Hub.
 
-### 5.2. Business Vault — «там, где из Lego собирают модули»
+### 5.2. Business Vault: «там, где из Lego собирают модули»
 
 Business Vault (BV) — следующий слой над Raw DV:
 
 * здесь применяются бизнес-правила (что считать активным клиентом, как трактовать статусы);
 * здесь строятся вспомогательные структуры:
 
-  * PIT-таблицы,
-  * Bridge-таблицы,
-  * агрегаты и derived-таблицы.
+    * PIT-таблицы,
+    * Bridge-таблицы,
+    * агрегаты и derived-таблицы.
 
 Именно из BV чаще всего строятся витрины в формате Звезды, к которым подключаются BI и отчётность.
 

dwh-modeling/Homework_Customer_Status_DDS_DM.md

@@ -71,7 +71,7 @@ customer_id,status,event_ts,_load_id,_load_ts
 
 ---
 
-## 3. Часть 1 — STG → ODS (обязательно)
+## 3. Часть 1: STG → ODS (обязательно)
 
 **Задача:** загрузить CSV в STG и переложить данные в ODS с приведением типов.
 
@@ -145,7 +145,7 @@ ORDER BY customer_id, event_ts;
 
 ---
 
-## 4. Часть 2 — ODS → DDS (SCD Type 2, обязательно)
+## 4. Часть 2: ODS → DDS (SCD Type 2, обязательно)
 
 **Задача:** по событиям в `ods.customer_status` построить измерение `dds.dim_customer_status`, где каждая строка — период действия статуса.
 
@@ -216,7 +216,7 @@ ORDER BY customer_bk, valid_from;
 
 ---
 
-## 5. Часть 3 — инкрементальная загрузка (по желанию)
+## 5. Часть 3: инкрементальная загрузка (по желанию)
 
 Если хочется потренироваться глубже:
 
@@ -241,7 +241,7 @@ cat dwh-modeling/data/customer_status_events_increment.csv | ./postgres-bookings
 
 ---
 
-## 6. Часть 4 — витрина в DM (по желанию)
+## 6. Часть 4: витрина в DM (по желанию)
 
 Опциональное задание для закрепления: собрать небольшую витрину с количеством клиентов по статусам на каждую дату.
 

dwh-modeling/README.md

@@ -145,7 +145,7 @@ flowchart TD
 
 Давайте проследим, как превращается строка заказа.
 
-### **STG (Staging / Bronze)** — «как пришло»
+### **STG (Staging / Bronze)**: «как пришло»
 
 - Таблицы: `stg.orders_raw`, `stg.customers_raw`;  
 - Структура — *точно как в источнике* (может быть `VARCHAR` даже у дат);  
@@ -158,7 +158,7 @@ flowchart TD
 
 ---
 
-### **ODS (Operational Data Store / Silver)** — «почистили, но не трогали смысл»
+### **ODS (Operational Data Store / Silver)**: «почистили, но не трогали смысл»
 
 - Таблицы: `ods.orders`, `ods.customers`;  
 - Здесь:  
@@ -174,7 +174,7 @@ flowchart TD
 
 ---
 
-### **DDS (Data Delivery Store / Core / Conformed)** — «интеграция + история»
+### **DDS (Data Delivery Store / Core / Conformed)**: «интеграция + история»
 
 Здесь рождается *единая бизнес-модель*.  
 Появляются понятия: **измерения**, **факты**, **суррогатные ключи**, **SCD**.
@@ -199,7 +199,7 @@ flowchart TD
 
 ---
 
-### **DM (Data Mart / Gold/ «Витрины»)** — «готово к употреблению»
+### **DM (Data Mart / Gold / «Витрины»)**: «готово к употреблению»
 
 Здесь — таблицы и представления для конкретных задач:  
 
@@ -266,7 +266,7 @@ erDiagram
     }
 ```
 
-### SCD Type 2 — как хранить историю
+### SCD Type 2: как хранить историю
 
 Клиент №101:  
 
@@ -418,7 +418,7 @@ WHERE c.city = 'Москва'
 
 ---
 
-### 3. Data Vault 2.0 — «конструктор Lego» для больших DWH
+### 3. Data Vault 2.0: «конструктор Lego» для больших DWH
 
 *Идея: Дэн Линстедт (Dan Linstedt). Цель — так организовать хранилище, чтобы можно было спокойно добавлять новые источники и хранить историю, не ломая старую модель.*
 
@@ -468,7 +468,7 @@ Anchor Modeling - ещё более атомарный подход к моде
 
 ---
 
-### Сравнение моделей — наглядно
+### Сравнение моделей наглядно
 
 ```mermaid
 quadrantChart
@@ -540,7 +540,7 @@ flowchart TD
 
 ### Готовые SQL-скрипты
 
-Все необходимые скрипты для построения хранилища находятся в папке [`sql/`](sql/):
+Все необходимые скрипты для построения хранилища находятся в папке [`sql/`](https://github.com/dementev-dev/de-roadmap/tree/main/dwh-modeling/sql):
 
 - [`01_ddl_stg-dds.sql`](sql/01_ddl_stg-dds.sql) — создание схем и таблиц (STG, ODS, DDS);
 - [`02_dml_stg-dds.sql`](sql/02_dml_stg-dds.sql) — первичная загрузка данных и демонстрация SCD2 через полный пересчёт (`full backfill`) из STG;
@@ -605,7 +605,7 @@ GROUP BY d.date_actual, p.product_name,
 
 ---
 
-### ✅ Базовые советы — с чего начать, если вы учитесь или делаете первый DWH
+### ✅ Базовые советы: с чего начать, если вы учитесь или делаете первый DWH
 
 1. **Начните с витрины в формате Звезды (Star Schema).**  
    — Это просто: одна таблица фактов + несколько «плоских» измерений.  
@@ -660,7 +660,7 @@ GROUP BY d.date_actual, p.product_name,
 
 ---
 
-### 📌 Кратко — что выбрать *сегодня*, если вы только учитесь
+### 📌 Кратко: что выбрать *сегодня*, если вы только учитесь
 
 | У вас… | Делайте… |
 |--------|----------|
@@ -791,7 +791,7 @@ SELECT 'OK' WHERE EXISTS (
 
 ### Мини-датасет (для практики)
 
-Все данные для практики находятся в папке [`data/`](data/) — тренируйтесь:
+Все данные для практики находятся в папке [`data/`](https://github.com/dementev-dev/de-roadmap/tree/main/dwh-modeling/data) — тренируйтесь:
 
 [`customers.csv`](data/customers.csv):
 ```csv
@@ -832,7 +832,7 @@ product_id,valid_from,valid_to,price
 9002,2023-01-01,,50
 ```
 
->  📂 Все SQL-скрипты для построения хранилища находятся в папке [`sql/`](sql/).
+>  📂 Все SQL-скрипты для построения хранилища находятся в папке [`sql/`](https://github.com/dementev-dev/de-roadmap/tree/main/dwh-modeling/sql).
 
 ---
 

dwh-modeling/SCD.md

@@ -28,15 +28,15 @@ SCD — это подход к хранению изменений в измер
 
 ---
 
-## 3. Типы SCD — простыми словами
+## 3. Типы SCD простыми словами
 
 Существует несколько стандартных стратегий обработки изменений. Рассмотрим самые важные.
 
-### **Type 0 — Никогда не меняется**
+### **Type 0: никогда не меняется**
 Атрибут фиксирован навсегда. Например, дата рождения клиента.  
 Такие поля не требуют специальной обработки — они просто не обновляются.
 
-### **Type 1 — Просто перезаписать**
+### **Type 1: просто перезаписать**
 Вы просто делаете `UPDATE`, и старое значение исчезает.
 
 ✅ Просто.  
@@ -44,7 +44,7 @@ SCD — это подход к хранению изменений в измер
 
 > Подходит, если изменение — это исправление ошибки (например, опечатка в имени).
 
-### **Type 2 — Новая строка для новой версии**
+### **Type 2: новая строка для новой версии**
 Каждое изменение порождает **новую строку** в таблице. Старая строка остаётся, но помечается как «устаревшая».
 
 ✅ Полная история.  
@@ -53,7 +53,7 @@ SCD — это подход к хранению изменений в измер
 
 > Это **самый распространённый** подход в аналитике.
 
-### **Type 3 — Добавить колонку «предыдущее значение»**
+### **Type 3: добавить колонку «предыдущее значение»**
 В таблице появляются поля вроде `previous_category`, `category_change_date`.
 
 ✅ Простая история «до/после».  
@@ -61,7 +61,7 @@ SCD — это подход к хранению изменений в измер
 
 > Используется редко, чаще как компромисс в очень простых системах.
 
-### **Type 4, 5, 6 — Продвинутые гибриды**
+### **Type 4, 5, 6: продвинутые гибриды**
 Эти типы существуют, но **встречаются редко** и почти не используются новичками:
 
 - **Type 4**: история выносится в отдельную таблицу («мини-хранилище» для одного измерения).
@@ -99,7 +99,7 @@ WHERE customer_id = 1;
 
 ---
 
-### Type 2: сохраняем историю — подробнее
+### Type 2: сохраняем историю (подробнее)
 
 Чтобы хранить историю, мы меняем структуру таблицы. Вот ключевые поля:
 

lychee.toml

@@ -0,0 +1,29 @@
+# Конфигурация lychee — CI-проверка внешних ссылок
+# Используется в .github/workflows/check-links.yml (подхватывается автоматически)
+# Локальный запуск: docker run --rm -v "$PWD:/input" -w /input lycheeverse/lychee './**/*.md'
+
+# Служебные каталоги и каталоги, исключённые из сайта
+exclude_path = ["project", "site"]
+
+# Локальные адреса стендов (127.0.0.1, localhost и т.п.)
+exclude_all_private = true
+
+exclude = [
+    # Режут ботов и датацентровые IP (проверять вручную из браузера)
+    "^https?://habr\\.com",
+    "^https?://stepik\\.org",
+    "^https?://leetcode\\.com",
+    "^https?://realpython\\.com",
+    # YouTube в CI ненадёжен: 429 на пачку запросов, удалённые видео отдают 200
+    "^https?://(www\\.)?youtube\\.com",
+    "^https?://youtu\\.be",
+    # Telegram отдаёт 200 даже для несуществующих каналов
+    "^https?://t\\.me",
+]
+
+# 429 (rate limit) не считаем битой ссылкой
+accept = ["200..=204", "429"]
+
+max_retries = 2
+timeout = 30
+user_agent = "Mozilla/5.0 (X11; Linux x86_64; rv:128.0) Gecko/20100101 Firefox/128.0"

mkdocs.yml

@@ -30,7 +30,7 @@ nav:
       - Введение: dwh-modeling/README.md
       - SCD: dwh-modeling/SCD.md
       - Data Vault: dwh-modeling/DataVault.md
-      - "Домашка: STG → DDS → DM": dwh-modeling/Homework_Customer_Status_DDS_DM.md
+      - "Домашка: STG → ODS → DDS → DM": dwh-modeling/Homework_Customer_Status_DDS_DM.md
   - Разработка с ИИ:
       - Введение: ai-dev/README.md
       - Лучшие практики: ai-dev/best-practice.md

project/TODO.md

@@ -1,17 +1,59 @@
 # TODO: общие задачи проекта
 
-## Контент
+Приоритеты: P1 — делаем в первую очередь; P2 — полезно, когда дойдут руки; P3 — идеи под вопросом.
+
+## P1
+
+## P2
 
 - [ ] **Перенос учебника Airflow в de-roadmap.**
   Перенести 9 глав учебника из `airflow-manual` в `airflow/` (de-roadmap).
   В `airflow-manual` оставить только стенд (`airflow-docker/`).
   Добавить навигацию в `mkdocs.yml`, обеспечить dual-compatible links.
 
-- [ ] **Убрать раздел «Понятие сложности алгоритмов» из README.**
-  Раздел поверхностный и не самостоятелен. План:
-    - Упоминание асимптотики (O(n) vs O(n²), pandas/списки) перенести в раздел Python.
-    - По SQL: либо короткая заметка про планы запросов, либо просто сослаться на курс QPT от Postgres Pro (он уже упомянут в разделе SQL) и не дублировать.
+- [ ] **Добавить счётчик Google Analytics** на сайт (MkDocs Material
+  поддерживает GA через `extra.analytics` в `mkdocs.yml`).
 
-## Сайт
+- [ ] **Ориентиры трудозатрат по блокам.**
+  Одна строка на блок («~N часов»), по образцу курса Lakehouse (~12–15 часов).
+  Менти всегда спрашивают «сколько займёт»; ориентир защищает от провала
+  в практику на месяцы.
 
-- [ ] **Иконки/бейджи статуса разделов** (пройден / в процессе / не начат) — декоративные, без бэкенда.
+- [ ] **Шаблон прогресса менти.**
+  Файл-чеклист по критериям «когда блок считаем пройденным»; менти копирует
+  в свой форк и ведёт коммитами. Живая практика Git с первой недели +
+  прозрачный прогресс для ментора.
+
+## P3
+
+- [ ] **Свой dbt-стенд.**
+  Сейчас практика dbt — на чужом jaffle-shop; единственная секция без
+  собственного стенда. Вариант: dbt-модели поверх postgres-bookings или
+  clickstream-стенда.
+
+- [ ] **Абзац про Data Quality в курсовой.**
+  Валидационный DAG курсовой — это и есть DQ на практике; добавить абзац,
+  как об этом говорить на собеседовании. Новая секция не нужна.
+
+- [ ] **Иконки/бейджи статуса разделов** (пройден / в процессе / не начат) —
+  декоративные, без бэкенда. Сомнение: статус у каждого менти свой,
+  пересекается с идеей шаблона прогресса — возможно, отпадёт.
+
+## Сделано
+
+- [x] **Подраздел «Linux и терминал» в блоке базовых инструментов** —
+  2026-07-12: видео-интро («Девопс на троечку», покрытие проверено по
+  субтитрам) + три статьи (навигация и grep — habr, права — FirstVDS,
+  ssh — Cloud.ru) + опциональный интерактивный курс Hexlet, примечание про
+  WSL для Windows, два новых критерия готовности блока, Linux добавлен
+  в строку оглавления. Отдельной практики нет — ею служат стенды.
+
+- [x] **CI-проверка внешних ссылок** — 2026-07-12: `lychee.toml` + workflow
+  `check-links.yml` (еженедельно по понедельникам, при битых ссылках создаёт
+  issue). Игнор-лист: habr, stepik, leetcode, realpython (режут ботов),
+  YouTube и t.me (проверка ненадёжна). Попутно исправлена битая ссылка на
+  русские доки Python в README (перевод `/ru/` на docs.python.org умер целиком).
+
+- [x] **Убрать раздел «Понятие сложности алгоритмов» из README** —
+  2026-07-12, коммит `6f61c0e`: асимптотика перенесена в Python ссылкой
+  на разбор Big O (habr), по SQL — без дублирования, тему покрывает QPT.