Formation Apache Iceberg avancé

Cette formation en direct animée par un formateur à Canada (en ligne ou sur site) s'adresse aux professionnels des données de niveau débutant qui souhaitent acquérir les connaissances et les compétences nécessaires pour utiliser efficacement Apache Iceberg dans la gestion d'ensembles de données à grande échelle, garantir l'intégrité des données et optimiser les flux de traitement des données.

À l'issue de cette formation, les participants seront en mesure de :

• Comprendre en profondeur l'architecture, les fonctionnalités et les avantages d'Apache Iceberg.
• Apprendre les formats de tables, le partitionnement, l'évolution des schémas et les capacités de voyage dans le temps.
• Installer et configurer Apache Iceberg dans différents environnements.
• Créer, gérer et manipuler des tables Iceberg.
• Comprendre le processus de migration des données depuis d'autres formats de tables vers Iceberg.

Cette formation animée par un instructeur en <lieu> (en ligne ou en présentiel) s'adresse aux data scientists et ingénieurs de niveau intermédiaire qui souhaitent utiliser Google Colab et Apache Spark pour le traitement et l'analyse de données massives.

À la fin de cette formation, les participants seront capables de :

• Mettre en place un environnement de données massives à l'aide de Google Colab et Spark.
• Traiter et analyser efficacement de grands ensembles de données avec Apache Spark.
• Visualiser les données massives dans un environnement collaboratif.
• Intégrer Apache Spark à des outils basés sur le cloud.

Les avancées technologiques et l'augmentation massive des données transforment la façon dont les affaires sont menées dans de nombreux secteurs, y compris le gouvernement. La génération de données gouvernementales et les taux d'archivage numérique sont en hausse en raison de la croissance rapide des appareils mobiles et des applications, des capteurs et dispositifs intelligents, des solutions de cloud computing et des portails destinés aux citoyens. À mesure que l'information numérique s'étend et devient plus complexe, la gestion, le traitement, le stockage, la sécurité et la disposition des informations deviennent également plus complexes. De nouveaux outils de capture, de recherche, de découverte et d'analyse aident les organisations à extraire des insights de leurs données non structurées. Le marché gouvernemental est à un point de bascule, prenant conscience que l'information est un atout stratégique, et que le gouvernement doit protéger, exploiter et analyser les informations structurées et non structurées pour mieux servir et répondre aux exigences de sa mission. Alors que les dirigeants gouvernementaux s'efforcent d'évoluer vers des organisations axées sur les données pour accomplir avec succès leur mission, ils jettent les bases pour corrélater les dépendances entre les événements, les personnes, les processus et les informations.

Des solutions gouvernementales à haute valeur seront créées à partir d'un mashup des technologies les plus disruptives :

• Appareils mobiles et applications
• Services cloud
• Technologies et réseaux d'affaires sociaux
• Big Data et analyse

Le Big Data est l'une des solutions intelligentes pour les secteurs d'activité et permet au gouvernement de prendre de meilleures décisions en agissant sur des modèles révélés par l'analyse de grands volumes de données — liés ou non, structurés et non structurés.

Mais accomplir ces prouesses nécessite bien plus que simplement accumuler de grandes quantités de données. « Tirer le sens de ces volumes de Big Data nécessite des outils et technologies de pointe capables d'analyser et d'extraire des connaissances utiles à partir de flux d'information vastes et diversifiés », ont écrit Tom Kalil et Fen Zhao du Bureau de la Politique de Science et Technologie de la Maison Blanche dans un article sur le blog de l'OSTP.

La Maison Blanche a fait un pas vers l'aide des agences à trouver ces technologies lorsqu'elle a établi l'Initiative nationale de recherche et développement sur le Big Data en 2012. L'initiative comprenait plus de 200 millions de dollars pour tirer le meilleur parti de l'explosion du Big Data et des outils nécessaires pour l'analyser.

Les défis posés par le Big Data sont presque aussi ardues que sa promesse est encourageante. Le stockage efficace des données est l'un de ces défis. Comme toujours, les budgets sont serrés, donc les agences doivent minimiser le prix par mégaoctet du stockage et maintenir les données facilement accessibles pour que les utilisateurs puissent les obtenir quand ils le veulent et comme ils en ont besoin. La sauvegarde de grandes quantités de données intensifie le défi.

L'analyse efficace des données est un autre défi majeur. De nombreuses agences utilisent des outils commerciaux qui leur permettent de passer en revue les montagnes de données, repérant des tendances qui peuvent les aider à fonctionner plus efficacement. (Une étude récente de MeriTalk a révélé que les dirigeants informatiques fédéraux pensent que le Big Data pourrait aider les agences à économiser plus de 500 milliards de dollars tout en accomplissant leurs objectifs de mission.).

Des outils Big Data développés sur mesure permettent également aux agences de répondre au besoin d'analyser leurs données. Par exemple, le groupe d'analytics computationnels du Laboratoire national d'Oak Ridge a mis à disposition de autres agences son système d'analyse de données Piranha. Le système a aidé les chercheurs médicaux à trouver un lien qui peut alerter les médecins des anévrismes aortiques avant qu'ils ne surviennent. Il est également utilisé pour des tâches plus banales, telles que le tri des CV pour connecter les candidats à l'emploi avec les gestionnaires de recrutement.

Apache Hadoop est le cadre de travail le plus populaire pour le traitement des mégadonnées sur des grappes de serveurs. Au cours de cette formation de trois jours (ou quatre jours au choix), les participants apprendront à connaître les avantages commerciaux et les cas d'utilisation de Hadoop et de son écosystème, comment planifier le déploiement et la croissance de la grappe, comment installer, maintenir, surveiller, résoudre les problèmes d'incident et optimiser Hadoop. Ils pratiqueront également le chargement massif de données dans la grappe, se familiariseront avec diverses distributions Hadoop et apprendront à installer et gérer les outils de l'écosystème Hadoop. La formation se terminera par une discussion sur la sécurisation de la grappe avec Kerberos.

« … Les matériaux étaient très bien préparés et couverts de manière approfondie. Le laboratoire était très utile et bien organisé »
— Andrew Nguyen, Ingénieur principal d'intégration DW, Microsoft Online Advertising

Audience cible

Administrateurs Hadoop

Format

Conférences et ateliers pratiques, répartition approximative de 60 % de conférences et 40 % de travaux pratiques.

Apache NiFi est une plateforme open source d'intégration de données et de traitement d'événements basée sur des flux. Elle permet le routage, la transformation et la médiation entre systèmes en temps réel et automatisés, grâce à une interface web et un contrôle fin des opérations.

Cette formation en présentiel ou à distance, animée par un formateur expert, s'adresse aux administrateurs et ingénieurs de niveau intermédiaire souhaitant déployer, gérer, sécuriser et optimiser les flux de données NiFi dans des environnements de production.

À l'issue de cette formation, les participants seront en mesure de :

• Installer, configurer et maintenir des clusters Apache NiFi.
• Concevoir et gérer des flux de données provenant de diverses sources et destinations.
• Mettre en œuvre l'automatisation des flux, le routage et la logique de transformation.
• Optimiser les performances, surveiller les opérations et résoudre les problèmes.

Format de la formation

• Conférence interactive avec discussions sur des architectures réelles.
• Laboratoires pratiques : construction, déploiement et gestion des flux.
• Exercices scénarisés dans un environnement de laboratoire en direct.

Options de personnalisation de la formation

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'organiser cela.

Lors de cette formation en présentiel avec instructeur à <lieu>, les participants apprendront les principes fondamentaux de la programmation basée sur les flux tout en développant plusieurs extensions de démonstration, composants et processeurs à l'aide d'Apache NiFi.

À l'issue de cette formation, les participants seront en mesure de :

• Comprendre l'architecture de NiFi et les concepts de flux de données.
• Développer des extensions en utilisant NiFi et des API tierces.
• Créer sur mesure leur propre processeur Apache NiFi.
• Ingrérer et traiter des données en temps réel provenant de formats de fichiers et de sources de données diversifiés et inhabituels.

Cette formation offre une introduction pratique à la création de pipelines de traitement de données et d'apprentissage automatique évolutifs à l'aide de PySpark. Les participants apprennent le fonctionnement d'Apache Spark au sein des écosystèmes modernes de Big Data et les méthodes pour traiter efficacement de grands ensembles de données en appliquant les principes du calcul distribué.

Cette formation en direct, dirigée par un instructeur en <lieu> (en ligne ou sur site), s'adresse aux ingénieurs qui souhaitent mettre en place et déployer un système Apache Spark pour traiter de très grands volumes de données.

À la fin de cette formation, les participants seront capables de :

• Installer et configurer Apache Spark.
• Traiter et analyser rapidement de très grands ensembles de données.
• Comprendre la différence entre Apache Spark et Hadoop MapReduce, ainsi que les contextes d'utilisation de chacun.
• Intégrer Apache Spark à d'autres outils d'apprentissage automatique.

Cette formation en direct, animée par un formateur, à Canada (en ligne ou en présentiel), s'adresse aux administrateurs système de niveau débutant à intermédiaire souhaitant déployer, entretenir et optimiser des clusters Spark.

À l'issue de cette formation, les participants seront capables de :

• Installer et configurer Apache Spark dans divers environnements.
• Gérer les ressources du cluster et surveiller les applications Spark.
• Optimiser les performances des clusters Spark.
• Mettre en œuvre des mesures de sécurité et assurer une haute disponibilité.
• Dépanner et corriger les problèmes courants de Spark.

La courbe d'apprentissage d'Apache Spark est assez raide au début, car il faut investir beaucoup d'efforts pour obtenir les premiers résultats. Ce cours vise à franchir rapidement cette étape initiale difficile. À l'issue de cette formation, les participants comprendront les bases d'Apache Spark, sauront clairement différencier un RDD d'un DataFrame, maîtriseront les API Python et Scala, et comprendront le rôle des executeurs et des tâches, entre autres. En suivant les meilleures pratiques, ce cours met un accent particulier sur le déploiement dans le cloud, ainsi que sur Databricks et AWS. Les apprenants découvriront également les différences entre AWS EMR et AWS Glue, l'un des derniers services Spark proposés par AWS.

PUBLIC CIBLE :

Ingénieur en données, Développeur DevOps, Data Scientist

Lors de cette formation en présentiel animée par un formateur à Canada, les participants apprendront à utiliser Python et Spark conjointement pour analyser les mégadonnées, tout en réalisant des exercices pratiques.

À la fin de cette formation, les participants seront en mesure de :

• Apprendre à utiliser Spark avec Python pour analyser les mégadonnées.
• Réaliser des exercices qui reproduisent des scénarios du monde réel.
• Utiliser divers outils et techniques d'analyse des mégadonnées avec PySpark.

Cette formation en présentiel ou en ligne, encadrée par un formateur, dans <lieu> s'adresse aux développeurs souhaitant utiliser et intégrer Spark, Hadoop et Python pour traiter, analyser et transformer des ensembles de données volumineux et complexes.

À l'issue de cette formation, les participants seront capables de :

• Configurer l'environnement nécessaire pour commencer à traiter des données massives avec Spark, Hadoop et Python.
• Comprendre les fonctionnalités, les composants clés et l'architecture de Spark et Hadoop.
• Apprendre à intégrer Spark, Hadoop et Python pour le traitement des données massives.
• Explorer les outils de l'écosystème Spark (Spark MLlib, Spark Streaming, Kafka, Sqoop, Kafka et Flume).
• Construire des systèmes de recommandation basés sur le filtrage collaboratif, similaires à ceux utilisés par Netflix, YouTube, Amazon, Spotify et Google.
• Utiliser Apache Mahout pour mettre à l'échelle les algorithmes d'apprentissage automatique.

Spark SQL est le module d'Apache Spark dédié au traitement des données structurées et non structurées. Il fournit des informations sur la structure des données ainsi que sur les calculs effectués, ce qui permet d'optimiser les performances. On utilise couramment Spark SQL pour deux objectifs principaux :
- exécuter des requêtes SQL.
- lire des données depuis une installation Hive existante.

Lors de cette formation en présentiel ou à distance animée par un instructeur, les participants apprendront à analyser divers types de jeux de données à l'aide de Spark SQL.

À l'issue de cette formation, les participants seront capables de :

• Installer et configurer Spark SQL.
• Effectuer des analyses de données avec Spark SQL.
• Interroger des jeux de données dans différents formats.
• Visualiser les données et les résultats des requêtes.

Format de la formation

• Cours interactifs et discussions.
• Nombreux exercices et mises en pratique.
• Mises en œuvre concrètes dans un environnement de laboratoire en direct.

Options de personnalisation de la formation

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'en convenir.

Stratio est une plateforme centrée sur les données qui intègre le big data, l'IA et la gouvernance dans une seule et même solution. Ses modules Rocket et Intelligence permettent d'explorer, de transformer rapidement les données et de réaliser des analyses avancées dans les environnements d'entreprise.

Cette formation en direct, encadrée par un formateur (en ligne ou en présentiel), s'adresse aux professionnels des données de niveau intermédiaire souhaitant utiliser efficacement les modules Rocket et Intelligence de Stratio avec PySpark, en mettant l'accent sur les structures itératives, les fonctions définies par l'utilisateur et la logique avancée des données.

À l'issue de cette formation, les participants seront capables de :

• Naviguer au sein de la plateforme Stratio et travailler avec les modules Rocket et Intelligence.
• Appliquer PySpark dans le contexte de l'ingestion, de la transformation et de l'analyse des données.
• Utiliser des boucles et une logique conditionnelle pour contrôler les flux de données et les tâches d'ingénierie des fonctionnalités (feature engineering).
• Créer et gérer des fonctions définies par l'utilisateur (UDF) pour des opérations de données réutilisables dans PySpark.

Format du cours

• Cours interactif et discussions.
• Nombreux exercices et mises en pratique.
• Implémentation pratique dans un environnement de laboratoire en direct.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin de prendre les arrangements nécessaires.