Description
Objectif général de la formation : Permettre aux participants d’acquérir une vision d’ensemble et opérationnelle du Big Data, de la collecte des données à leur restitution, tout en explorant les outils et méthodes clés. Modalité : Toutes les modalités (présentiel, classe virtuelle et hybride) sont possibles Lieu possible de réalisation : Locaux du bénéficiaire ou locaux d’Ascent Formation, en France métropolitaine et dans les DROM-COM Nombre maximal de participants : 20 Niveau SAME visé : Maîtrise (M) Compétences visées : Maîtriser les bases théoriques et techniques du Big Data. Identifier les technologies et outils adaptés à des projets Big Data. Gérer et analyser des données massives en utilisant des techniques avancées. Visualiser les résultats à l’aide d’outils adaptés aux besoins métiers.
Objectifs pédagogiques
- Découvrir les concepts clés du Big Data.
- Comprendre l’écosystème technologique d’un projet Big Data.
- Évaluer les techniques de gestion des flux de données massives.
- Implémenter des modèles d’analyses statistiques pour répondre aux besoins métiers.
- Découvrir les outils de Data Visualisation.
Public concerné
Prérequis
Déroulé du programme
Jour 1 : Introduction et concepts fondamentaux du Big Data (6 heures)
- Introduction au Big Data (2 heures)
Définition, enjeux et concepts clés (Volume, Vélocité, Variété, Véracité, Valeur).
Études de cas : Applications concrètes dans différents secteurs (santé, finance, marketing).
Travaux pratiques : Analyse d'un exemple de projet Big Data.
- Écosystème technologique du Big Data (2 heures)
Présentation des principales technologies : Hadoop, Spark, Kafka.
Architecture d’un projet Big Data : collecte, stockage, traitement, restitution.
Travaux pratiques : Exploration de l’architecture d’un projet fictif.
- Gestion des flux de données massives (2 heures)
Techniques d’ingestion et de transformation des données.
Introduction à la gestion des pipelines de données.
Travaux pratiques : Simulation d’un flux de données avec un outil adapté.
Jour 2 : Analyse, modèles et restitution (6 heures)
- Analyse statistique et modélisation (3 heures)
Introduction aux modèles d’analyse statistique : régression, clustering.
Choix des méthodes adaptées aux besoins métiers.
Travaux pratiques : Application d’un modèle de clustering sur un dataset simplifié.
- Découverte des outils de Data Visualisation (3 heures)
Présentation des outils populaires : Tableau, Power BI, Matplotlib.
Création de graphiques et tableaux de bord interactifs.
Travaux pratiques : Réaliser une visualisation graphique pour un cas métier donné.
Informations
Durée
2 jour(s)
12h
Sur demande
Formations similaires
Migration vers le Cloud
Sur demande
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
Sur demande
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
Sur demande
Analyse bayésienne (4-107)
Sur demande