Écosystème du Big Data

Objectifs pédagogiques

• Appréhender les enjeux et les objectifs du Big Data ainsi que la place centrale des données dans le SI
• Comprendre les défis technologiques inhérents aux traitements Big Data
• Connaître les outils, les principaux acteurs et quelques use cases actuel de l’écosystème
  

Programme détaillé

Enjeux et objectifs‍

• Origines et besoins
• Définition du Big Data
• Paradigmes de la donnée
• Use Cases
• Atelier : Exemples réels
  

Objectif opérationnel : Appréhender les enjeux et les objectifs du BigData

Moyen d’évaluation : QCM

LifeCycle Management

• Acquisition
• Complex Event Processing
• Indexation
• Notation et qualité
• Traitement : ML, transactionnel
• Visualisation

Objectif opérationnel : Connaître les étapes du cycle de vie de la data

Moyen d’évaluation : QCM

Défis technologiques

• Le stockage
• Le traitement massivement parallèle
• Les format des données
• Les langages : R, Python, Scala, Java‍

‍Objectif opérationnel : Comprendre les défis technologiques inhérents aux traitements Big Data

Moyen d’évaluation : QCM

Outils

• Apache Hadoop : MapReduce, Yarn, HDFS, HBase
• Streaming : Spark, Storm
• Apprentissage / ML : Apache Mahout, SparkML
• Base de données NoSQL : MongoDB, Cassandra
• Intégration : Kafka, Flume, Sqoop
• Interrogation : Impala, Hive, Pig
• Ordonnancement : Oozie
• Crawlers
  

Objectif opérationnel : Connaître les outils utilisés dans le Big Data

Moyen d’évaluation : QCM

Acteurs

• Les historiques
• Les géants
• La BI
• Les intégrateurs
• Le conseil spécialisé
• Les spécialistes IT‍

Objectif opérationnel : Connaître les principaux acteurs du Big Data

Moyen d’évaluation : QCM

‍