Dataiku DSS

• Chefs de projet
• Développeurs
• Data-scientists
• Utilisateurs de Dataiku DSS

Savoir installer, configurer, Dataiku DSS, l'utiliser depuis l'interface web ou des API.

Présentation, concepts DSS

• Fonctionnalités :
  • Mise à disposition des méthodes et outils de data-sciences à partir d'une interface graphique ou de langages de requêtage ou de programmation (Python, SQL, R), principe de "Self Service Analytics"
• Cluster DSS : Design, Deployer, Api, Automation et Govern Nodes
• Notions de projet, data, dataset, recipes
• Outils collaboratif : Wiki, tags, discussions...
• Premiers pas avec Dataiku DSS : exemples

Connexion aux données

• Connecteurs disponibles, formats de fichiers, formats spécifiques Hadoop/Spark
• Chargement des fichiers, emplacement des fichiers,
• Système de fichiers, HDFS, Amazon S3, stockage Google Cloud, etc ...
• FTP, connexion ssh, connexion aux bases de données SQL
• Autres stockages : Cassandra, MongoDB, Elasticsearch, ...

Préparation des données

• Scripts de préparation, échantillonnage, exécution, les différents moteurs d'exécution: DSS, Spark, base de données SQL

Graphiques et statistiques

• Présentation des types de graphiques disponibles et configuration
• Echantillonnage et exécution, graphiques de base, tables, nuages de points, visualisation cartographique, etc ...
• Réalisation d'exercices pratiques.
• Fonctionnalités statistiques disponibles, démonstrations

Machine learning

• Le laboratoire
• Fonctionnalités disponibles:
  • apprentissage supervisé et non supervisé,
  • algorithmes utilisés, scoring, deep learning...
• Evaluation, optimisation, compréhension du modèle
• Déploiement et cycle de vie du modèle

Flow/Recipes

• Interface graphique de gestion des cycles de traitement,des datasets, des traitements,paramètrage de l'exécution en parallèle, des données géographiques, export en format pdf ou images, etc ...
• Travaux pratiques

Interfaces de programmation

• Présentation des différentes interfaces : SQL, Python, R
• Exemples d'interrogations SQL et Python
• Interfaçage avec Spark

Une attestation de participation sera transmise aux participants