Big Data, synthèse (réf. BGA )
Préparation concours d'entrée en école
À Paris la Défense
Avez-vous besoin d'un coach de formation?
Il vous aidera à comparer différents cours et à trouver la solution la plus abordable.
Description
-
Typologie
Concours écoles
-
Lieu
Paris la défense
-
Durée
2 Jours
-
Dates de début
Septembre
L'accroissement continuel des données numériques dans les entreprises et les organismes publics a conduit à l'émergence du «Big Data». Ce concept recouvre les questions de stockage et de conservation de vastes quantités de données, mais aussi celles liées au gisement potentiel de valeur que représentent ces masses de données. Ce séminaire présente les problèmes spécifiques du Big Data et les solutions techniques potentielles, de la gestion des données aux différents types de traitement, qui témoignent d'une rupture par rapport aux moyens usuels d'analyse du fait des quantités traitées.
Les sites et dates disponibles
Lieu
Date de début
Date de début
À propos de cette formation
Connaissances de base des architectures techniques.
Les Avis
Les matières
- Réseau
- Analyse de résultats
- Mise en réseau
- Conservation
- Big data
- Synthèse
- Intégration
- Architectures cloud
- Clouds
- Stockage
Le programme
Les origines du Big Data : un monde de données numériques, l'e-Santé, chronologie.
Une définition par les quatre V : la provenance des données.
Une rupture : changements de quantité, de qualité, d'habitudes.
La valeur de la donnée : un changement d'importance.
La donnée en tant que matière première.
Le quatrième paradigme de la découverte scientifique.
» Big Data : traitements, depuis l'acquisition jusqu'au résultatL'enchaînement des opérations. L'acquisition.
Le recueil des données : crawling, scraping.
La gestion de flux événementiel (Complex Event Processing, CEP).
L'indexation du flux entrant.
L'intégration avec les anciennes données.
La qualité des données : un cinquième V ?
Les différents types de traitement : recherche, apprentissage (machine learning, transactionnel, data mining).
D'autres modèles d'enchaînement : Amazon, e-Santé.
Un ou plusieurs gisements de données ? De Hadoop à l'in-memory.
De l'analyse de tonalité à la découverte de connaissances.
» Relations entre Cloud et Big DataLe modèle d'architecture des Clouds publics et privés.
Les services XaaS.
Les objectifs et avantages des architectures Cloud.
Les infrastructures.
Les égalités et les différences entre Cloud et Big Data.
Les Clouds de stockage.
» Classification, sécurité et confidentialité des donnéesLa structure comme critère de classification : non structurée, structurée, semi-structurée.
Classification selon le cycle de vie : données temporaires ou permanentes, archives actives.
Difficultés en matière de sécurité : augmentation des volumétries, la distribution.
Les solutions potentielles.
» Introduction à l'Open DataLa philosophie des données ouvertes et les objectifs.
La libération des données publiques.
Les difficultés de la mise en oeuvre.
Les caractéristiques essentielles des données ouvertes.
Les domaines d'application. Les bénéfices escomptés.
» Matériel pour les architectures de stockageLes serveurs, disques, réseau et l'usage des disques SSD, l'importance de l'infrastructure réseau.
Les architectures Cloud et les architectures plus traditionnelles.
Les avantages et les difficultés.
Le TCO. La consommation électrique : serveurs (IPNM), disques (MAID).
Le stockage objet : principe et avantages.
Le stockage objet par rapport aux stockages traditionnels NAS et SAN.
» Architecture logicielleNiveaux d'implantation de la gestion du stockage.
Le "Software Defined Storage".
Architecture centralisée (Hadoop File System).
L'architecture Peer-to-Peer et l'architecture mixte.
Les interfaces et connecteurs : S3, CDMI, FUSE etc.
Avenir des autres stockages (NAS, SAN) par rapport au stockage objet.
» Protection des donnéesLa conservation dans le temps face aux accroissements de volumétrie.
La sauvegarde, en ligne ou locale ?
L'archive traditionnelle et l'archive active.
Les liens avec la gestion de hiérarchie de stockage : avenir des bandes magnétiques.
La réplication multisites.
La dégradation des supports de stockage.
» Méthodes de traitement et champs d'applicationClassification des méthodes d'analyse selon le volume des données et la puissance des traitements.
Hadoop : le modèle de traitement Map Reduce.
L'écosystème Hadoop : Hive, Pig. Les difficultés d'Hadoop.
Openstack et le gestionnaire de données Ceph.
Le Complex Event Processing : un exemple ? Storm.
Du BI au Big Data.
Le décisionnel et le transactionnel renouvelés : les bases de données NoSQL.Typologie et exemples.
L'ingestion de données et l'indexation. Deux exemples : splunk et Logstash.
Les crawlers open source.
Recherche et analyse : elasticsearch.
L'apprentissage : Mahout. In-memory.
Visualisation : temps réel ou non, sur le Cloud (Bime), comparaison Qlikview, Tibco Spotfire, Tableau.
Une architecture générale du data mining via le Big Data.
» Cas d'usage à travers des exemples et conclusionL'anticipation : besoins des utilisateurs dans les entreprises, maintenance des équipements.
La sécurité : des personnes, détection de fraude (postale, taxes), le réseau.
La recommandation. Analyses marketing et analyses d'impact.
Analyses de parcours. Distribution de contenu vidéo.
Big Data pour l'industrie automobile ? Pour l'industrie pétrolière ?
Faut-il se lancer dans un projet Big Data ?
Quel avenir pour les données ?
Gouvernance du stockage des données : rôle et recommandations, le data scientist, les compétences d'un projet Big Data.
Avez-vous besoin d'un coach de formation?
Il vous aidera à comparer différents cours et à trouver la solution la plus abordable.
Big Data, synthèse (réf. BGA )