Big Data - Les techniques d'analyse et de visualisation par M2i

Big Data overview
Introduction au Big Data : de quoi s'agit
- il ?
Exemples pratiques
Les technologies concernées
Les outils
Les langages :
Hortonworks
MapR
Cloudera
IBM Watson...
Démystification du Big Data
Les acteurs principaux
Les différents métiers du Big Data
Architecture Big Data
La capture des données
MapReduce, PIG, Hive...
La mise en qualité
Le stockage des données
La diffusion des données
Traitements en temps réel ou différé
Kafka
Les architectures réparties
Hadoop
L'ingestion et le stockage des données
Importance de la qualité des données
Coût de la mauvaise qualité
Cas d'usage
Qu'est
- ce que la qualité de données ?
Traitements de la qualité dans le MDM
Mesure de la qualité d'un entrepôt de données : fiabilisation ou restauration de la qualité
Aspects méthodologiques de la qualité (workflow) : Data curation / gouvernance
Aspects juridiques liés à la qualité : best practices pour la qualité
L'analyse des données : Spark et Spark Streaming
Introduction à Apache Spark
Apache Spark MLlib
Apache Spark Streaming
Apache Spark SQL
Apache Spark GraphX
Stockage basé sur les graphes
Visualisation des données
Couleurs
Itérations sur la perception
Techniques d'interactions
Exemples d'analyses : efficacité des antibiotiques
Visualisation Big Data
R, Graph
Certification (en option)
Nos tests de validation des compétences font partie intégrante du processus d'apprentissage car ils permettent de développer différents niveaux d'abstractions.
Solliciter l'apprenant à l'aide de nos QCM, c'est lui permettre d'étayer sa réflexion en mobilisant sa mémoire pour choisir la bonne réponse. Nous sommes bien dans une technique d'ancrage mémoriel.
L'examen sera passé à la fin de la formation.&

Charger et exploiter des données de toute source pour la restituer après un ensemble de traitement, de nettoyage et d'enrichissement des données.