+212 661 297 926  / +212 522 93 45 54     info@gbc.co.ma

 +212 661 297 926  /  +212 522 93 45 54    

 info@gbc.co.ma

Big Data, méthodes et solutions pratiques pour l’analyse des données

Catégorie
BI - BIG DATA

Inscription

Nos formations sont organisées dans des places hotellières prestigieuses comme (MOVENPICK, HYATT REGENCY, BARCELO 5*, HOTEL MOGADOR, SOFITEL TOUR BLANCHE, ONOMO, AMPHITRITE …etc.) pour vous offrir un cadre agréable pour préparer vos certifications et profiter de la gastronomie des chefs ainsi que la belle vue de leurs restaurants.

Aperçu

blank   Durée  5 jours
blank  Niveau Tous les niveaux
blank  Langue Français

Résumé

Cette formation vous permettra de comprendre les enjeux et les apports du Big Data ainsi que les technologies pour le mettre en œuvre. Vous apprendrez à intégrer des volumétries massives de données structurées et non structurées via un ETL, puis à les analyser grâce à des modèles statistiques et des dashboards dynamiques.

Objectifs pédagogiques

Comprendre les concepts et l’apport du Big Data par rapport aux enjeux métiers
Comprendre l’écosystème technologique nécessaire pour réaliser un projet Big Data
Acquérir les compétences techniques pour gérer des flux de données complexes, non structurés et massifs
Implémenter des modèles d’analyses statistiques pour répondre aux besoins métiers
Appréhender un outil de data visualisation pour restituer des analyses dynamiques

Exercice
Mettre en place une plateforme Hadoop et ses composants de base, utiliser un ETL pour gérer les données, créer des modèles d’analyse et dashboards.

Participants
Dataminers, chargés d’études statistiques, développeurs, chefs de projet, consultants en informatique décisionnelle.

Prérequis
Connaissances de base des modèles relationnels, des statistiques et des langages de programmation. Connaissances de base des concepts de la Business Intelligence.

Programme

  • Origines et définition du Big Data.
  • Les chiffres clés du marché dans le monde et en France.
  • Les enjeux du Big Data : ROI, organisation, confidentialité des données.
  • Un exemple d’architecture Big Data.
  • Description de l’architecture et des composants de la plateforme Hadoop.
  • Les modes de stockage (NoSQL, HDFS).
  • Principes de fonctionnement de MapReduce, Spark, Storm…
  • Principales distributions du marché (Hortonworks, Cloudera, MapR, Elastic Map Reduce, Biginsights).
  • Installer une plateforme Hadoop.
  • Les technologies du datascientist.
  • Présentation des technologies spécifiques pour le Big Data (Tableau, Talend, Qlikview …).
  • Exercice : Installation d’une plateforme Big Data Hadoop (via Cloudera QuickStart ou autre).
  • Principes de fonctionnement de Hadoop Distributed File System (HDFS).
  • Importer des données externes vers HDFS.
  • Réaliser des requêtes SQL avec HIVE.
  • Utiliser PIG pour traiter la donnée.
  • Le principe des ETL (Talend…).
  • Gestion de streaming de données massive (NIFI, Kafka, Spark, Storm…)
  • Exercice : Implémentation de flux de données massives.
  • Machine Learning, une composante de l’intelligence artificielle.
  • Découvrir les trois familles : Régression, Classification et Clustering.
  • La préparation des données (data preparation, feature engineering).
  • Générer des modèles en R ou Python.
  • Ensemble Learning.
  • Découvrir les outils du marché : Jupyter Notebook, Dataïku, Amazon Machine Learning…
  • Exercice : Mise en place d’analyses avec une des outils étudiés.
  • Définir le besoin de la data visualisation.
  • Analyse et visualisation des données.
  • Peut concerner tous les types de données dans la DataViz ?
  • Les outils DataViz du marché.
  • Exercice : Installation et utilisation d’un outil de Data Visualisation pour constituer des analyses dynamiques.

Partagez :