Introduction au Big Data et Machine Learning

Combien de temps dure la formation ?

2,00 jour(s)

Dans quelle(s) langue(s) la formation est-elle donnée ?

EN FR

Quand a lieu la prochaine session ?

Qui organise cette formation ?

OXiane est spécialisé dans la conception et la réalisation de formations informatiques et de supports de cours pédagogiques sur les dernières technologies. Nos différentes filières permettent de couvrir tous les besoins en formation que ce soit en IT au sens large, mais également "Utilisateurs" et "Soft Skills" en Management, Communication & leadership.

À qui s’adresse la formation ?

Consultants, Consultants IT, Web Designer, Data Scientist

Quels sont les objectifs poursuivis ou les compétences visées ?

Présenter les enjeux de l’analyse des données numériques à grande échelle.
Comprendre le concept de valorisation de la donnée.
Maîtriser le vocabulaire lié au big data et à la data science
Comprendre la problématique de traitement de données massives à des fins d’analyse.
Identifier les risques et opportunités du Big Data pour les individus (vie privée, protection des données personnelles…).
Conduire un projet Big Data en entreprise (étapes projets, bonnes pratiques, schémas organisationnels et gouvernance des données).
Acquérir les compétences techniques pour gérer des flux de données complexes, non structurés et massifs.

Quel est le contenu de la formation ?

Comprendre les concepts et les enjeux du Big Data

Découvrir les concepts du Big Data
Définition d’un projet Big Data
Big data en entreprise
- Principes de fonctionnement
- Les secteurs impactés
- Comment se reconvertir dans le big data?
- La gouvernance des données
Les spécificités d’un projet big data
Les enjeux du Big Data: organisation, confidentialité des données, GPDR

Les technologies du Big Data

Business Intelligence vs Big Data
Architecture et composants de la plateforme Hadoop
Les modes de stockage
- Le stockage fichiers: Hadoop Distributed File System (HDFS)
- Stockage colonne, graph, clé/valeur et document:
Paradigme MapReduce
Spark: framework de calcul distribué in memory
Les architectures big data
Les technologies spécifiques pour le Big Data (Tableau, Talend, Qlikview...)

Atelier

Installation d'une plateforme Big Data Hadoop
Implémentation de flux de données massives

Data Science: Méthodes d'analyse et traitements des données pour le Big Data

Les bases de l'apprentissage Machine (Machine Learning)
Prétraitement des données
La réduction de dimensions
Les types des modèles du machine learning: Clustering, Classification, Regression
L'évaluation des modèles
Les méthodes d’ensemble
Le langage Python pour le Big Data et le Machine Learning: Pandas, Scipy, Scikit-learn, TensorFlow
Communiquer ses résultats à l’aide de représentations graphiques lisibles et pertinentes