Prenez contact avec nous

Plan du cours

Fondements de l'ingénierie de plateforme pour les applications intensives en données

  • Introduction aux applications intensives en données.
  • Défis de l'ingénierie de plateforme pour le big data.
  • Aperçu des architectures de traitement des données.

Modélisation et gestion des données

  • Principes de la modélisation des données pour l'évolutivité.
  • Options de stockage des données et optimisation.
  • Gestion du cycle de vie des données dans un environnement distribué.

Frameworks de traitement du big data

  • Aperçu des outils de traitement du big data (Hadoop, Spark, Flink).
  • Traitement par lots vs. traitement en streaming.
  • Configuration d'un pipeline de traitement du big data.

Plateformes d'analyse en temps réel

  • Architecture pour l'analyse en temps réel.
  • Moteurs de traitement de flux (Kafka Streams, Apache Storm).
  • Construction de tableaux de bord et de visualisations en temps réel.

Orchestration des pipelines de données

  • Gestion des workflows avec Apache Airflow et d'autres outils.
  • Automatisation des pipelines de données pour plus d'efficacité.
  • Surveillance et alerte pour les pipelines de données.

Sécurité et conformité de la plateforme

  • Bonnes pratiques de sécurité pour les plateformes de données.
  • Assurer la confidentialité des données et la conformité réglementaire.
  • Mise en œuvre de contrôles d'accès sécurisés aux données.

Optimisation et réglage des performances

  • Techniques d'optimisation du débit et de la latence des données.
  • Stratégies de mise à l'échelle pour les plateformes intensives en données.
  • Mesures de référence et surveillance des performances.

Études de cas et meilleures pratiques

  • Analyse de mises en œuvre réussies de plateformes de données.
  • Leçons tirées des leaders de l'industrie.
  • Tendances émergentes en ingénierie de plateforme pour les applications intensives en données.

Projet de fin de cycle

  • Conception d'une solution de plateforme pour une application intensive en données.
  • Mise en œuvre d'un prototype du pipeline de traitement des données.
  • Évaluation des performances et de l'évolutivité de la plateforme.

Résumé et prochaines étapes

Pré requis

  • Une compréhension des structures de données et algorithmes de base.
  • Une expérience en programmation avec Java, Scala ou Python.
  • Une familiarité avec les concepts de base des bases de données et de SQL.

Audience cible

  • Développeurs de logiciels.
  • Ingénieurs de données.
  • Chefs techniques.
 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires