Détails
- 35 Sections
- 224 Lessons
- 35 heures
Expand all sectionsCollapse all sections
- Tour d'horizon du Big Data7
- 1.1Présentation du Big Data
- 1.2Définition
- 1.3Enjeux et apports du Big Data
- 1.4Le marché du Big Data
- 1.5Démystifier le Big Data
- 1.6Les technologies du Big Data
- 1.7Les métiers du Big Data
- Tour d'horizon du Big Data7
- 2.1Présentation du Big Data
- 2.2Définition
- 2.3Enjeux et apports du Big Data
- 2.4Le marché du Big Data
- 2.5Démystifier le Big Data
- 2.6Les technologies du Big Data
- 2.7Les métiers du Big Data
- Tour d'horizon du Big Data7
- 3.1Présentation du Big Data
- 3.2Définition
- 3.3Enjeux et apports du Big Data
- 3.4Le marché du Big Data
- 3.5Démystifier le Big Data
- 3.6Les technologies du Big Data
- 3.7Les métiers du Big Data
- Tour d'horizon du Big Data7
- 4.1Présentation du Big Data
- 4.2Définition
- 4.3Enjeux et apports du Big Data
- 4.4Le marché du Big Data
- 4.5Démystifier le Big Data
- 4.6Les technologies du Big Data
- 4.7Les métiers du Big Data
- Tour d'horizon du Big Data7
- 5.1Présentation du Big Data
- 5.2Définition
- 5.3Enjeux et apports du Big Data
- 5.4Le marché du Big Data
- 5.5Démystifier le Big Data
- 5.6Les technologies du Big Data
- 5.7Les métiers du Big Data
- Tour d'horizon du Big Data7
- 6.1Présentation du Big Data
- 6.2Définition
- 6.3Enjeux et apports du Big Data
- 6.4Le marché du Big Data
- 6.5Démystifier le Big Data
- 6.6Les technologies du Big Data
- 6.7Les métiers du Big Data
- Tour d'horizon du Big Data7
- 7.1Présentation du Big Data
- 7.2Définition
- 7.3Enjeux et apports du Big Data
- 7.4Le marché du Big Data
- 7.5Démystifier le Big Data
- 7.6Les technologies du Big Data
- 7.7Les métiers du Big Data
- Python, les mathématiques et SQL3
- 8.1Python
- 8.2Les mathématiques de base: algèbre, statistiques, probabilités
- 8.3SQL
- Python, les mathématiques et SQL3
- 9.1Python
- 9.2Les mathématiques de base: algèbre, statistiques, probabilités
- 9.3SQL
- Python, les mathématiques et SQL3
- 10.1Python
- 10.2Les mathématiques de base: algèbre, statistiques, probabilités
- 10.3SQL
- Python, les mathématiques et SQL3
- 11.1Python
- 11.2Les mathématiques de base: algèbre, statistiques, probabilités
- 11.3SQL
- Python, les mathématiques et SQL3
- 12.1Python
- 12.2Les mathématiques de base: algèbre, statistiques, probabilités
- 12.3SQL
- Python, les mathématiques et SQL3
- 13.1Python
- 13.2Les mathématiques de base: algèbre, statistiques, probabilités
- 13.3SQL
- Python, les mathématiques et SQL3
- 14.1Python
- 14.2Les mathématiques de base: algèbre, statistiques, probabilités
- 14.3SQL
- Les algorithmes du Machine Learning11
- 15.1Les notions clés du ML
- 15.2Les données supervisées vs les données non-supervisées
- 15.3Régression
- 15.4Les modèles linéaires
- 15.5Classification
- 15.6Naive Bayer
- 15.7K-NN
- 15.8K-Means clustering
- 15.9Le deep learning et les réseaux neuronaux
- 15.10Les arbres de décisions et de régression
- 15.11Support Vector Machines
- Les algorithmes du Machine Learning11
- 16.1Les notions clés du ML
- 16.2Les données supervisées vs les données non-supervisées
- 16.3Régression
- 16.4Les modèles linéaires
- 16.5Classification
- 16.6Naive Bayer
- 16.7K-NN
- 16.8K-Means clustering
- 16.9Le deep learning et les réseaux neuronaux
- 16.10Les arbres de décisions et de régression
- 16.11Support Vector Machines
- Les algorithmes du Machine Learning11
- 17.1Les notions clés du ML
- 17.2Les données supervisées vs les données non-supervisées
- 17.3Régression
- 17.4Les modèles linéaires
- 17.5Classification
- 17.6Naive Bayer
- 17.7K-NN
- 17.8K-Means clustering
- 17.9Le deep learning et les réseaux neuronaux
- 17.10Les arbres de décisions et de régression
- 17.11Support Vector Machines
- Les algorithmes du Machine Learning11
- 18.1Les notions clés du ML
- 18.2Les données supervisées vs les données non-supervisées
- 18.3Régression
- 18.4Les modèles linéaires
- 18.5Classification
- 18.6Naive Bayer
- 18.7K-NN
- 18.8K-Means clustering
- 18.9Le deep learning et les réseaux neuronaux
- 18.10Les arbres de décisions et de régression
- 18.11Support Vector Machines
- Les algorithmes du Machine Learning11
- 19.1Les notions clés du ML
- 19.2Les données supervisées vs les données non-supervisées
- 19.3Régression
- 19.4Les modèles linéaires
- 19.5Classification
- 19.6Naive Bayer
- 19.7K-NN
- 19.8K-Means clustering
- 19.9Le deep learning et les réseaux neuronaux
- 19.10Les arbres de décisions et de régression
- 19.11Support Vector Machines
- Les algorithmes du Machine Learning11
- 20.1Les notions clés du ML
- 20.2Les données supervisées vs les données non-supervisées
- 20.3Régression
- 20.4Les modèles linéaires
- 20.5Classification
- 20.6Naive Bayer
- 20.7K-NN
- 20.8K-Means clustering
- 20.9Le deep learning et les réseaux neuronaux
- 20.10Les arbres de décisions et de régression
- 20.11Support Vector Machines
- Les algorithmes du Machine Learning11
- 21.1Les notions clés du ML
- 21.2Les données supervisées vs les données non-supervisées
- 21.3Régression
- 21.4Les modèles linéaires
- 21.5Classification
- 21.6Naive Bayer
- 21.7K-NN
- 21.8K-Means clustering
- 21.9Le deep learning et les réseaux neuronaux
- 21.10Les arbres de décisions et de régression
- 21.11Support Vector Machines
- Machine Learning & Spark6
- 22.1Présentation d’Apache Spark
- 22.2Spark MLlib : le Machine Learning
- 22.3Spark Streaming : le traitement des données en temps réel
- 22.4Spark SQL : les requêtes SQL
- 22.5Spark GraphX : création de graphe
- 22.6Le stockage & les graphes
- Machine Learning & Spark6
- 23.1Présentation d’Apache Spark
- 23.2Spark MLlib : le Machine Learning
- 23.3Spark Streaming : le traitement des données en temps réel
- 23.4Spark SQL : les requêtes SQL
- 23.5Spark GraphX : création de graphe
- 23.6Le stockage & les graphes
- Machine Learning & Spark6
- 24.1Présentation d’Apache Spark
- 24.2Spark MLlib : le Machine Learning
- 24.3Spark Streaming : le traitement des données en temps réel
- 24.4Spark SQL : les requêtes SQL
- 24.5Spark GraphX : création de graphe
- 24.6Le stockage & les graphes
- Machine Learning & Spark6
- 25.1Présentation d’Apache Spark
- 25.2Spark MLlib : le Machine Learning
- 25.3Spark Streaming : le traitement des données en temps réel
- 25.4Spark SQL : les requêtes SQL
- 25.5Spark GraphX : création de graphe
- 25.6Le stockage & les graphes
- Machine Learning & Spark6
- 26.1Présentation d’Apache Spark
- 26.2Spark MLlib : le Machine Learning
- 26.3Spark Streaming : le traitement des données en temps réel
- 26.4Spark SQL : les requêtes SQL
- 26.5Spark GraphX : création de graphe
- 26.6Le stockage & les graphes
- Machine Learning & Spark6
- 27.1Présentation d’Apache Spark
- 27.2Spark MLlib : le Machine Learning
- 27.3Spark Streaming : le traitement des données en temps réel
- 27.4Spark SQL : les requêtes SQL
- 27.5Spark GraphX : création de graphe
- 27.6Le stockage & les graphes
- Machine Learning & Spark6
- 28.1Présentation d’Apache Spark
- 28.2Spark MLlib : le Machine Learning
- 28.3Spark Streaming : le traitement des données en temps réel
- 28.4Spark SQL : les requêtes SQL
- 28.5Spark GraphX : création de graphe
- 28.6Le stockage & les graphes
- La Data Visualisation5
- 29.1Définition
- 29.2Le marché de la Data Visualisation
- 29.3Les outils et leur catégorisation
- 29.4Le fonctionnement des outils de Data Visualisation
- 29.5Présentation de plusieurs outils de Data Visualisation (Kiaban, Hue, Tableau…)
- La Data Visualisation5
- 30.1Définition
- 30.2Le marché de la Data Visualisation
- 30.3Les outils et leur catégorisation
- 30.4Le fonctionnement des outils de Data Visualisation
- 30.5Présentation de plusieurs outils de Data Visualisation (Kiaban, Hue, Tableau…)
- La Data Visualisation5
- 31.1Définition
- 31.2Le marché de la Data Visualisation
- 31.3Les outils et leur catégorisation
- 31.4Le fonctionnement des outils de Data Visualisation
- 31.5Présentation de plusieurs outils de Data Visualisation (Kiaban, Hue, Tableau…)
- La Data Visualisation5
- 32.1Définition
- 32.2Le marché de la Data Visualisation
- 32.3Les outils et leur catégorisation
- 32.4Le fonctionnement des outils de Data Visualisation
- 32.5Présentation de plusieurs outils de Data Visualisation (Kiaban, Hue, Tableau…)
- La Data Visualisation5
- 33.1Définition
- 33.2Le marché de la Data Visualisation
- 33.3Les outils et leur catégorisation
- 33.4Le fonctionnement des outils de Data Visualisation
- 33.5Présentation de plusieurs outils de Data Visualisation (Kiaban, Hue, Tableau…)
- La Data Visualisation5
- 34.1Définition
- 34.2Le marché de la Data Visualisation
- 34.3Les outils et leur catégorisation
- 34.4Le fonctionnement des outils de Data Visualisation
- 34.5Présentation de plusieurs outils de Data Visualisation (Kiaban, Hue, Tableau…)
- La Data Visualisation5
- 35.1Définition
- 35.2Le marché de la Data Visualisation
- 35.3Les outils et leur catégorisation
- 35.4Le fonctionnement des outils de Data Visualisation
- 35.5Présentation de plusieurs outils de Data Visualisation (Kiaban, Hue, Tableau…)
