Objectifs de la formation

• Découvrir les concepts clés du Big Data
• Comprendre l'écosystème technologique d'un projet Big Data
• Evaluer les techniques de gestion des flux de données massives
• Implémenter des modèles d'analyses statistiques pour répondre aux besoins métiers
• Découvrir les outils de Data Visualisation

---

Programme de la formation

Comprendre les concepts clés et les enjeux du Big Data

• Les origines du Big Data.
• La valeur de la donnée : un changement d'importance.
• La donnée en tant que matière première.
• Les chiffres clés du marché dans le monde et en France.
• Les enjeux du Big Data : ROI, organisation, confidentialité des données.

Démonstration

Présentation d'une architecture Big Data.

Technologies du Big Data

• Architecture et composants de la plateforme Hadoop 2.
• Les modes de stockage (NoSQL, HDFS).
• Fonctionnement de MapReduce et Yarn...
• Principales distributions Hadoop : Hortonworks, Cloudera, MapR...
• Les technologies : Spark, Storm, Databrick, Machine Learning Azure...
• Démarche d'installation d'une plateforme Hadoop.
• Présentation des technologies spécifiques pour le Big Data (Talend, Tableau, Qlikview...).

Démonstration

Installation d'une plateforme Big Data complète.

Traitement des données Big Data

• Fonctionnement de Hadoop Distributed File System (HDFS).
• Importer des données vers HDFS.
• Traitement des données avec PIG.
• Requêtes SQL avec HIVE.
• Création de flux de données massives avec un ETL.

Démonstration

Implémentation de flux de données massives.

Méthodes d'analyse et traitements des données pour le Big Data

• Les méthodes d'exploration.
• Segmentation et classification.
• Machine Learning, estimation et prédiction.
• Le temps réel, l'IA.
• L'implémentation des modèles.

Démonstration

Présentation de l'environnement Spark, Jupyter Notebook, R Notebook et Shiny. Mise en place d'analyses de Machine Learning avec le langage R, Python et Scala.

Data Visualisation, représenter des données de façon visuelle

• Principales solutions du marché.
• Aller au-delà des rapports statiques.
• La Data Visualisation et l'art de raconter des chiffres de manière créative et ludique.
• Mesurer l'e-réputation, la notoriété d'une marque, l'expérience et la satisfaction clients...

Démonstration

Présentation et utilisation d'un outil de Data Visualisation pour constituer des analyses dynamiques.

Conclusion

• Les conditions du succès.
• Synthèse des meilleures pratiques.
• Bibliographie.