Big Data : Architecture et infrastructure
PDF
Paris 
Classe virtuelle 21 heures sur 3 jours
à Paris & à distance
(Zoom, Google Meet, etc.).
Nous nous engageons à vous répondre dans un délai de 48h
Devis sur demande
Etudions ensemble vos options de financement
Contactez-nous pour monter votre dossier !
QUALIOPI
8 stagiaires maximum par session.
Découvrez les autres engagements qualité qui font la marque de Ziggourat Formation
Objectifs de la formation
Big Data : Architecture et infrastructure
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 d'analyse et de visualisation
Connaitre la problématique et les enjeux de l'architecture distribuée
Intervenir sur la qualité de la donnée en respectant les bonnes pratiques
Respecter la propriété de la donnée, connaitre l'environnement juridique du traitement et mettre en œuvre la sécurité des données
Mettre en œuvre une architecture et du calcul distribué
Consolider ses connaissances à travers un cas d'usage
Pré-requis
Cette formation Architecture et infrastructure nécessite des connaissances dans l'architecture Linux (navigation et structure) et les fondamentaux de la gouvernance des données.
Pour qui ?
Cette formation Architecture et infrastructure est destinée aux Administrateurs système, exploitants,Architectes d'infrastructures Big Data.
Avoir suivi
Aucun programme supplémentaire n'est requis pour suivre cette formation.
Au 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 D'INFRASTRUCTURE ET D'ARCHITECTURE BIG DATA
- Les impacts organisationnels
- Comment positionner le Big Data face à l'existant ?
- Quelles sont les possibilités offertes par le Big Data
- Quels sont les contraintes techniques du Big Data ?
- Quelles stratégies de conservation des données (chaudes, froides, "gelées") dans le temps ?
- Exemples de mise en œuvre d'architectures Big Data
- Faut-il partir sur du commodity Hardware ou sur des appliances
QUALITE DES DONNEES DANS LES PROJETS BIG DATA
- Données, information, connaissance
- Le cycle de vie de l'information
- Les données.
- Qu'est-ce que la qualité des données ?
- La fraîcheur
- La disponibilité
- La cohérence
- La traçabilité
- La sécurisation
- L'exhaustivité.
- La démarche qualité dans le Big Data
- Motivation : Les besoins de qualité engendrés par le datalake
- La recherche de plus d'efficacité métier
- Facteurs clés de succès et bonnes pratiques
- Les 7 piliers de la qualité des données
- Les bonnes questions à se poser
- Le pilotage du projet
- La gestion des grands volumes
- Les outils en charge de la gouvernance et du cycle de vie des données des Big Data
VERS DES ARCHITECTURES DISTRIBUEES
- Rappels des principes de base des architectures distribuées
- Le stockage distribué dans HDFS
- La data localité
- YARN, le super-chef d'orchestre des applications distribuées
- Les différents frameworks distribués
- Découvrir Hive, Pig, Spark, R et Python
- Calculs et traitements distribués de la donnée
- Avantages et inconvénients des architectures distribuées
- Les performances liées aux architectures distribuées
ETUDE DE CAS
- Mise en œuvre d'une architecture Big Data, conception d'une application de reconnaissance d'images utilisant des Frameworks distribués (Pyhton, Spark)
Méthode pédagogique
8 participants maximum, un poste par stagiaire et un support de cours est envoyé en fin de stage (vidéos tutorielles et/ou support spécifique). La formation est constituée d'apports théoriques, de démonstrations et de mises en pratique basées sur des exercices applicatifs et/ou ateliers.
Accessibilité
Cette formation est accessible aux personnes en situation de handicap.
Modalité de validation des acquis
Évaluation continue via des exercices applicatifs et/ou des ateliers de mise en pratique. Évaluation en fin de stage par la complétion d'un questionnaire et/ou d'une certification officielle issue du Répertoire Spécifique. Émargement quotidien d'une feuille de présence (en présentiel ou en ligne). Complétion par le formateur/la formatrice d'un suivi d'acquisition des objectifs pédagogiques. Remise d'une attestation individuelle de réalisation.
Obtenir des informations
Formations similaires
Ces formations pourraient vous intéresser
