Comprendre les défis du big data - les fondamentaux du big data et de la data science par Stat4decision
Lieu(x)
En centre (75)
Durée
Total : 14 heures
En centre : 14 heures
Financement
Demandeur d’emploi
Salarié
Prix
Nous contacter
Cette formation vous intéresse ?
Description générale
Première partie : Le big data :
-Le big data
- définitions et usages.
-Quelques business cases de projets big data.
-Qui pour s'occuper des données dans votre structure : le data scientist, le data analyst, le data engineer, le big data architect...
Deuxième partie : Les données et leur gestion :
-Les données non structurées.
-Le passage au big data : quels changements pour votre organisation ?
-Le data lake et les formats de stockage (HDFS, in memory...), quelle solution choisir ?
-Hadoop et son environnement (Hive, Pig, MapReduce, Kafka...).
Troisième partie : Les étapes d'un projet big data :
-Les données.
-Le stockage.
-Les outils liés au big data : Hadoop, Spark, MapReduce, Hive, Pig...
Quatrième partie : La data analytics (predictive analytics) :
-Différence entre le traitement des données classiques et la data analytics pour le big data.
-Le machine learning : panorama des méthodes et des utilisations (supervisé, non supervisé, renforcement, deep learning).
-Présentation d'outils pour la data analytics dans le cadre du big data (MLlib de Spark).
Cinquième partie : Les objectifs d'une stratégie big data :
-Comment définir une stratégie big data dans votre entreprise.
-Présentation de cas réels d'applications big data.
-Comment éviter les pièges liés à un projet big data.
-Exemples de déroulés de projets dans différents domaines (Gestion client, Détection de fraude, Manufacturing...).
-Le big data
- définitions et usages.
-Quelques business cases de projets big data.
-Qui pour s'occuper des données dans votre structure : le data scientist, le data analyst, le data engineer, le big data architect...
Deuxième partie : Les données et leur gestion :
-Les données non structurées.
-Le passage au big data : quels changements pour votre organisation ?
-Le data lake et les formats de stockage (HDFS, in memory...), quelle solution choisir ?
-Hadoop et son environnement (Hive, Pig, MapReduce, Kafka...).
Troisième partie : Les étapes d'un projet big data :
-Les données.
-Le stockage.
-Les outils liés au big data : Hadoop, Spark, MapReduce, Hive, Pig...
Quatrième partie : La data analytics (predictive analytics) :
-Différence entre le traitement des données classiques et la data analytics pour le big data.
-Le machine learning : panorama des méthodes et des utilisations (supervisé, non supervisé, renforcement, deep learning).
-Présentation d'outils pour la data analytics dans le cadre du big data (MLlib de Spark).
Cinquième partie : Les objectifs d'une stratégie big data :
-Comment définir une stratégie big data dans votre entreprise.
-Présentation de cas réels d'applications big data.
-Comment éviter les pièges liés à un projet big data.
-Exemples de déroulés de projets dans différents domaines (Gestion client, Détection de fraude, Manufacturing...).
Objectifs
Comprendre les principes du big data.
Maîtriser le vocabulaire lié au big data et à la data science.
Maîtriser les enjeux pour mettre en oeuvre une stratégie big data dans votre entreprise.
Maîtriser le vocabulaire lié au big data et à la data science.
Maîtriser les enjeux pour mettre en oeuvre une stratégie big data dans votre entreprise.
Centre(s)
- Paris - 12ème (75)
Secteur(s)
Formation proposée par : Stat4decision
À découvrir