Formations Certifiantes - Code CPF 205941
Ces dernières années l’essor du Big Data a donné naissance à deux métiers, le métier de Data Engineer et celui de Data Scientist.
Le Data Engineer est le premier maillon de la chaîne de traitement des données. Son travail consiste à concevoir des plateformes permettant de traiter des volumes importants de données qui doivent être suffisamment sécurisés et clairs pour être analysés puis transformés par les Data Scientists. Pour ce faire le Data Engineer possède une expertise des langages structurés tels que Javascript, Scala et Python, des compétences dans la conception de bases de données qu’il créé avec SQL et NoSQL, et dans différentes technologies comme Hadoop.
Lorsque le Data Engineer a mis en place les architectures Data, le Data Scientist va analyser les datas (clients, prospects, produits…) et les restitue pour formuler des propositions sous forme de conseils, d’amélioration et de performance de l’entreprise. Le rôle du Data Scientist est de faire parler la donnée. Il possède de solides compétences en programmation informatique (Java, C++…), une expertise en algorithmie et gestion des bases de données (NoSQL, Cassandra…), il maîtrise l’architecture des bases de données décisionnelles (Data Warehouse), les mathématiques appliquées, les statistiques, la gestion de projet.
| Big Data - Enjeux et perspectives | 1 jour |  |
| Introduction à l'Architecture Big Data | 1 jour | |
| NoSQL : Hbase / Cassandra / Neo4j/ Redis/ MongoDB | 5 jours | |
| Apache Hadoop | 4 jours | |
| Apache Spark | 3 jours | |
| Apache Kafka | 2 jours | |
| Elasctic Stack Elk | 2 jours | |
| Introduction à Hortonworks / Cloudera | 2 jours | |
| Gouvernance et sécurité | 1 jour | |
| Mise en place d'une Plateforme BIG DATA | 1 jour | |
| Mise en place d'un Data Lake | 1 jour | |
| Administration Hortonworks ou Cloudera Niveau 1 | 2 jours | |
| Administation Hortonworks ou Cloudera Niveau 2 | 3 jours | |
| Mise en place d’un cluster BigData dans le Cloud (AWS ou GCP ou AZURE) | 2 jours | |
| Mise en place d’un cluster Elastic | 2 jours | |
| Apache Kafka | 2 jours | |
| Analyse de données et méthodes statistiques | 2 jours | |
| Introduction : BIG Data Analyst | 1 jour | |
| Introduction : Big Data Analytics | 1 jour | |
| Hadoop : HDFS – YARN | 1 jour | |
| Apache Hive | 2 jours | |
| Introduction, ingestion et visualisation avec R | 1 jour | |
| R avec BIG DATA (Hadoop et Spark ) | 2 jours | |
| Machine Learning : Principes de bases | 1 jour | |
| Spark MLIB | 1 jour | |
| DataViz: Power BI et Tableau | 4 jours | |
| Big Data et Objets connectés | 3 jours | |
| Introduction à la data science | 1 jour | |
| ElascticSearch | 2 jours | |
| Spark avec Hadoop | 3 jours | |
| R : Initiation et Analyses statistiques | 4 jours | |
| R : Programmation | 2 jours | |
| Machine Learning avec R | 2 jours | |
| Deep Learning avec R | 2 jours | |
| DataViz avec R-Shiny | 2 jours | |
| Introduction à la data science | 1 jour | |
| ElascticSearch | 2 jours | |
| Spark avec Hadoop | 3 jours | |
| Programmation en Python | 3 jours | |
| Machine Learning avec Python | 5 jours | |
| Deep Learning avec Python | 2 jours | |
| Visualisation : Notebook Zipline-Jupyter | 2 jours | |
| Introduction : IA et la data science Deep Learning vs Machine Learning | 1 jour | |
| Data Science avec Python | 2 jours | |
| Industrialisation des cas d’usages de Data Science et de Data prep | 2 jours | |
| Machine Learning : Concepts de base, modèles linéaires, perception, K nearest neighbors | 2 jours | |
| Deep Learning: Introduction et Principaux algorithmes | 2 jours | |
| Introduction à Spark avec Scala et PySpark | 2 jours | |
| Spark MLib : Machine Learning avec Spark | 1 jour | |
| Deep Learning avec TensorFlow | 1 jour | |
| RPA (Robotic Process Automation) | 2 jours | |
| RPA avec UiPath | 2 jours | |
| Introduction BIG DATA dans le cloud | 1 jour | |
| Architecture BIG DATA concept et patterns | 1 jour | |
| AWS : Les Fondamentaux | 3 jours | |
| AWS : Ingestion des données sous AWS | 4 jours | |
| AWS : Traitement des données sous AWS | 6 jours | |
| AWS : Consommation des données pour un usage BI / Reporting | 1 jour | |
| AWS : Consommation des données pour un usage Exploratoire et Data Science | 2 jours | |
| Introduction BIG DATA dans le cloud | 1 jour | |
| Architecture BIG DATA concepts et patterns | 1 jour | |
| AZURE : Les Fondamentaux | 3 jours | |
| AZURE : Ingestion des données sous Azure | 4 jours | |
| AZURE : Traitement de données | 6 jours | |
| AZURE : Consommation des données pour un usage BI / Reporting | 1 jour | |
| AZURE : Consommation des données pour un usage Exploratoire et Data Science | 2 jours | |
| Introduction BIG DATA dans le cloud | 1 jour | |
| Architecture BIG DATA concepts et patterns | 1 jour | |
| GCP : Les Fondamentaux | 3 jours | |
| GCP : Ingestion et des données sous GCP | 4 jours | |
| GCP : Traitement de données | 6 jours | |
| GCP : Consommation des données pour un usage BI / Reporting | 1 jour | |
| GCP : Consommation des données pour un usage Exploratoire et Data Science | 2 jours | |
Support de formation format Print et/ou Numérique
Ressources documentaires en ligne
Ressources Internet
Machine virtuelle : Google Cloud Plateforme
Logiciels et utilitaires préinstallés
Méthode pédagogique en mode projet, les participants travaillent sur des cas pratiques en groupe.
Alternance d’activités individuelles et en groupe pour s’adapter au rythme de chacun.
Des exercices progressifs en fonction de l’avancement des participants.
Des formateurs ayant une double compétences : compétences informatique et compétences métiers : Banque, Assurance, Administration, Santé, Transports…) interviennent pour animer les formations.
Au cours de la formation :
Réalisation d'un cas pratique
Accès à la Plateforme CODINGAME
Un mois après la fin de la formation : Soutenance devant un jury sur un projet
