Plan du cours
Introduction aux écosystèmes Big Data
- Aperçu des technologies et des architectures Big Data.
- Traitement par lots (batch) vs traitement en temps réel.
- Stratégies de stockage de données pour la scalabilité.
Traitement avancé des données avec Apache Spark
- Optimisation des tâches Spark pour la performance.
- Transformations et actions avancées.
- Travail avec le streaming structuré.
Apprentissage automatique à grande échelle
- Techniques d'entraînement de modèles distribués.
- Réglage des hyperparamètres sur de grands ensembles de données.
- Déploiement de modèles dans les environnements Big Data.
Apprentissage profond pour le Big Data
- Intégration de TensorFlow et de PyTorch avec Spark.
- Pipelines d'entraînement distribué de l'apprentissage profond.
- Cas d'usage dans l'analyse d'images, de texte et de séries temporelles.
Analytique en temps réel et flux de données
- Apache Kafka pour l'ingestion de données en flux.
- Cadres de traitement de flux (stream processing).
- Surveillance et alertes dans les systèmes en temps réel.
Gouvernance, sécurité et éthique des données
- Confidentialité des données et exigences de conformité.
- Contrôle d'accès et chiffrement dans les systèmes Big Data.
- Considérations éthiques dans l'analytique à grande échelle.
Intégration du Big Data à l'intelligence économique
- Visualisation de données et tableaux de bord pour le Big Data.
- Connexion des pipelines Big Data aux outils d'intelligence économique (BI).
- Générer des résultats commerciaux grâce à l'analytique avancée.
Résumé et prochaines étapes
Pré requis
- Bonne compréhension des concepts d'analyse de données et de modélisation statistique.
- Expérience avec des outils de traitement de données et des langages de programmation tels que Python, R ou Scala.
- Connaissance des cadres de calcul distribué tels que Hadoop ou Spark.
Public cible
- Scientifiques des données souhaitant maîtriser le traitement de données à grande échelle et l'analyse prédictive.
- Analystes seniors cherchant à concevoir et à mettre en œuvre des flux de travail analytiques avancés.
- Professionnels en R&D se concentrant sur des solutions innovantes fondées sur les données.
Nos clients témoignent (3)
Découvrir que QGIS et un outil peuvent être utilisés par différents professionnels, tels que les géomètres.
Bame Duncan Koko - Bentel Technologies (Pty) Ltd
Formation - QGIS for Geographic Information System
Traduction automatique
Comment utiliser les données des satellites ouverts pour des applications concrètes
Tshering Dorji - Druk Holding and Investments
Formation - Advanced Geographic Information Systems (GIS)
Traduction automatique
Des exemples pratiques nous ont permis de ressentir concrètement le fonctionnement du programme. De bonnes explications et une intégration efficace des concepts théoriques et de leur rapport aux applications pratiques.
Ian - Archeoworks Inc.
Formation - ArcGIS Fundamentals
Traduction automatique