Big Data

Comprendre l'intelligence artificielle et le Big Data

- Cerner les principes et enjeux de l'intelligence artificielle et du big data

- Retenir les 5V du big data : volume, vélocité, variété, véracité, valeur

- Appliquer le big data dans une entreprise

Analyser l'intelligence artificielle et le machine learning

- Définir l'Intelligence Artificielle : IA faible et IA forte

- Comprendre l'exploitation des données par les algorithmes

- Etudier le machine learning et le scoring

Contribuer aux projets Big Data

- Analyser les expressions et reconnaître les besoins

- User des expertises internes et externes

- Identifier les architectures logicielles

- Cerner les approches méthodologiques et la constitution d'équipes

Exploiter les technologies du Big Data

- Décrire l'architecture et les composants de la plateforme Hadoop

- Connaître les modes de stockage (NoSQL, HDFS)

- Maîtriser les principes de fonctionnement de MapReduce, Spark, Storm

- Déterminer les principales distributions du marché

- Installer une plateforme Hadoop

- Utiliser les technologies du datascientist

- Découvrir les technologies spécifiques pour le Big Data

Gérer les données structurées et non structurées

- Comprendre les principes de fonctionnement de Hadoop Distributed File System (HDFS)

- Importer des données externes vers HDFS

- Réaliser des requêtes SQL avec HIVE

- Utiliser PIG pour traiter la donnée

- Maîtriser le principe des ETL

- Gérer le streaming de données massive

Adopter les technique et les méthodes Big data analytics

- Découvrir les trois familles : Régression, Classification et Clustering

- Préparer les données

- Générer des modèles en R ou Python

- Découvrir les outils du marché

Découvrir la data visualisation et cas d'usage concrets

- Définir le besoin de la data visualisation

- Analyser et visualiser les données

- Utiliser les outils DataViz du marché

Passer de la donnée client au big data

- Etablir la base de données clients : typologie et modèles

- Comprendre le rôle du big data dans l'avènement des données non structurée

- Passer de l'analyse reporting à l'analyse prédictive

- Prioriser l'optimisation, la connaissance-client et les flux de données