Big Data

Objectifs

Comprendre l'intelligence artificielle et le Big Data

Analyser l'intelligence artificielle et le machine learning

Contribuer aux projets Big Data

Exploiter les technologies du Big Data

Gérer les données structurées et non structurées

Adopter les technique et les méthodes Big data analytics

Découvrir la data visualisation et cas d'usage concrets

Passer de la donnée client au big data

Programme de la formation

Comprendre l'intelligence artificielle et le Big Data

- Cerner les principes et enjeux de l'intelligence artificielle et du big data

- Retenir les 5V du big data : volume, vélocité, variété, véracité, valeur

- Appliquer le big data dans une entreprise

Analyser l'intelligence artificielle et le machine learning

- Définir l'Intelligence Artificielle : IA faible et IA forte

- Comprendre l'exploitation des données par les algorithmes

- Etudier le machine learning et le scoring

Contribuer aux projets Big Data

- Analyser les expressions et reconnaître les besoins

- User des expertises internes et externes

- Identifier les architectures logicielles

- Cerner les approches méthodologiques et la constitution d'équipes

Exploiter les technologies du Big Data

- Décrire l'architecture et les composants de la plateforme Hadoop

- Connaître les modes de stockage (NoSQL, HDFS)

- Maîtriser les principes de fonctionnement de MapReduce, Spark, Storm

- Déterminer les principales distributions du marché

- Installer une plateforme Hadoop

- Utiliser les technologies du datascientist

- Découvrir les technologies spécifiques pour le Big Data

Gérer les données structurées et non structurées

- Comprendre les principes de fonctionnement de Hadoop Distributed File System (HDFS)

- Importer des données externes vers HDFS

- Réaliser des requêtes SQL avec HIVE

- Utiliser PIG pour traiter la donnée

- Maîtriser le principe des ETL

- Gérer le streaming de données massive

Adopter les technique et les méthodes Big data analytics

- Découvrir les trois familles : Régression, Classification et Clustering

- Préparer les données

- Générer des modèles en R ou Python

- Découvrir les outils du marché

Découvrir la data visualisation et cas d'usage concrets

- Définir le besoin de la data visualisation

- Analyser et visualiser les données

- Utiliser les outils DataViz du marché

Passer de la donnée client au big data

- Etablir la base de données clients : typologie et modèles

- Comprendre le rôle du big data dans l'avènement des données non structurée

- Passer de l'analyse reporting à l'analyse prédictive

- Prioriser l'optimisation, la connaissance-client et les flux de données

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique