Data Vizualisation

Objectifs

Cette formation Le développement d'applications Big Data et la Data Visualisation vous permettra de :

• Définir et identifier le contexte spécifique des projets Big Data
• Connaitre le panorama technologique et enjeux socio-économiques
• Mesurer l’impact des choix technologiques en matière de développement Big Data
• Appréhender l’environnement : Hadoop (distribution HortonWorks)
• Maîtriser les techniques de développement : MapReduce
• Mettre en œuvre les langages de programmation : Python, R, …
• Connaitre Le Deep Machine Learning
• Sélectionner le mode pertinent de Data Visualisation
• Consolider ses connaissances à travers un cas d’usage

Programme

PANORAMA TECHNOLOGIQUE ET ENJEUX SOCIO-ECONOMIQUES

• Bâtir une vision Data Centric pour l'entreprise
• Etudier l'environnement concurrentiel de l'entreprise
• Comment créer de la valeur ou apporter de la valeur complémentaire aux données
• Comment utiliser les Big Data qui doivent être un levier technologique pour accompagner les enjeux métiers et non l'inverse
• Comprendre les acteurs du Big Data et leur positionnement
• Quelle vision à 3 ans
• Propriété de la donnée, environnement juridique du traitement, sécurité
• La nécessité de la gouvernance des données
• Qu'est-ce qu'un CDO ?

ASPECTS JURIDIQUES ET ETHIQUES : QUELLES DONNEES POUR QUELS USAGES ?

• Données objectives
• Données à caractère personnel
• Quelle gestion des données personnelles ? (donnée se rapportant à une personne physique, qui peut être identifiée quel que soit le moyen utilisé)
• Quels Impact sur la vie privée
• Surveillance et sanction de la CNIL
• Déclaration préalable
• Exemples
• Présentation du socle (la finalité du traitement) et de 4 conditions
• Finalité explicite et légitime
• Loyauté dans la mise en œuvre du traitement
• Données pertinentes
• Durée de conservation non excessive
• Sécurité

IMPACT DES CHOIX TECHNOLOGIQUES EN MATIERE DE DEVELOPPEMENT BIG DATA

• Les nouveaux frameworks Big Data
• Prendre en compte l'architecture de donnée distribuée
• Prendre en compte les traitements distribués
• L'importance de Java au sein des architectures Hadoop
• Le management des données

L’ENVIRONNEMENT : APACHE HADOOP

• Découvrir Hortonworks la distribution 100% Apache Hadoop
• Hortonworks et l'ODPi (Open Data Platform)
• Fondamentaux d’Hadoop
• L’intérêt d’Hadoop
• Vue globale d’Hadoop
• HDFS
• MapReduce
• YARN
• L’écosystème Hadoop

LE DEVELOPPEMENT : MAPREDUCE

• Introduction à PIG
• ä Fondamentaux de PIG
• Pourquoi utiliser Hive ?
• Comparer PIG aux ETL traditionnelles
• Cas d’utilisation de PIG
• Introduction à Hive
• Introduction à Impala et Hive
• Pourquoi utiliser Impala et Hive ?
• Comparer Hive aux Bases de données traditionnelles
• Cas d’utilisation de Hive
• Modélisation et gestion des données avec Impala et Hive
• Aperçu sur le stockage de données
• Création de bases de données et de tableaux
• Remplir les données dans les tableaux
• HCatalog
• Mettre en mémoire-cache les Métadonnées Impala
• Les formats de données
• Sélectionner un format de fichier
• Support d’outils Hadoop pour les formats de fichier
• Schémas Avro
• Utiliser Avro avec Hive et Sqoop
• Evolution du Schéma Avro
• Compression
• Capturer les données avec Apache Flume
• Qu’est-ce qu'Apache Flume ?
• Architecture basique de Flume
• Les sources de Flume
• Flume Sinks
• Les réseaux de Flume
• La configuration de Flume
• Les bases de Spark
• Qu’est-ce qu’Apache Spark ?
• Utiliser « Spark Shell »
• RDDs (Resilient Distributed Datasets)
• La programmation fonctionnelle dans Spark
• Travailler avec des « RDD » dans Spark
• Ecrire et déployer des applications Spark
• La programmation parallèle avec Spark
• Aperçu de Shark (Spark SQL)

LANGAGES DE PROGRAMMATION : PYTHON, R, …

• Python
• Syntaxe basique
• Structures procédurales
• Bibliothèques essentielles
• La programmation orientée objet
• Le langage R
• Variables et types de bases (numeric, character, list, …)
• Tests
• Boucles
• Fonctions
• Fusion de données
• Traitement des valeurs manquantes
• Représentations graphiques des données
• Pie charts et graphiques à double échelle

LE DEEP MACHINE LEARNING

• Approche fréquentiste
• Apprentissage statistique
• Conditionnement des données et réduction de dimension
• Machines à vecteurs supports (SVM) et méthodes à noyaux
• Quantification Vectorielle
• Réseaux de neurones et deep learning
• Ensemble learning et arbres de décision
• Bandits

LA DATA VISUALISATION

• Connaître les modes de représentation des données
• Déterminer le graphe le plus pertinent selon le message à délivrer
• Concevoir et expérimenter des concepts
• Justifier ses analyses et choix graphiques
• Savoir sélectionner les outils de datavisualisation à positionner sur les plateformes Big Data

ETUDES DE CAS

• Mise en place d'une architecture Big Data orientée Data Lake chez Hermès et mise en place d'une solution de Datavizualisation pour la gestion de la console de Data Stewardship.