Expert en infrastructures de donnees massives - expert data engineer - M2

KAISCHOOL

Non finançable CPF

Tout public

En ligne

Présentiel

Public admis

Salarié en poste

Demandeur d'emploi

Entreprise

Étudiant

Prix

Nous contacter

Durée

Nous contacter

Niveau visé

Niveau > BAC + 5

Localité

En ligne

Vous pouvez suivre cette formation depuis chez vous ou depuis n’importe quel endroit à distance.

En présentiel

Découvrez les localités disponibles pour suivre cette formation en présentiel.

Objectifs

Analyser l'expression d'un besoin en data dans une étude de faisabilité, en explorant les enjeux stratégiques de l'organisation avec les parties prenantes, afin de valider les orientations et hypothèses techniques avec les commanditaires.

Cartographier les données disponibles (sources, usages, métadonnées) pour conforter la faisabilité du projet.

Concevoir un cadre technique d'exploitation des données en tenant compte des contraintes, des moyens disponibles, du RGPD et d'une démarche éco-responsable.

Réaliser une veille technique et réglementaire à partir de sources sélectionnées afin de formuler des recommandations alignées avec l'état de l'art, incluant les évolutions en intelligence artificielle et en traitement automatisé des données.

Planifier le projet en définissant les moyens, les étapes, les livrables et les méthodes de suivi pour organiser sa mise en œuvre.

Superviser la réalisation d'un projet data en structurant les méthodes, outils et échanges avec les parties prenantes afin d'accompagner l'équipe vers ses objectifs, en tenant compte de l'évolution des technologies et des usages liés à l'IA.

Communiquer sur les orientations, réalisations et impacts du projet à l'aide d'une stratégie et de supports adaptés aux cibles internes et externes.

Modéliser la structure des données d'un entrepôt en identifiant les dimensions et les faits afin d'optimiser les performances des requêtes analytiques, notamment dans le cadre d'analyses avancées ou prédictives.

Créer un entrepôt de données à partir des contraintes du projet, de la modélisation de la structure et des ressources techniques disponibles, pour soutenir l'analyse et la décision stratégique, y compris dans des contextes exploitant l'IA

Intégrer les ETL en entrée et sortie d'un entrepôt afin de garantir la qualité et la conformité des flux avec les modèles définis.

Gérer un entrepôt de données à l'aide des outils d'administration dans le respect du RGPD, en assurant la sécurité, les évolutions structurelles et la continuité de service.

Implémenter les variations dans les dimensions de l'entrepôt selon le type de changement à historiser, pour refléter l'évolution de l'activité et maintenir la capacité d'analyse.

Concevoir une architecture de data lake en choisissant les technologies adaptées à la volumétrie, variété et vélocité des données afin de définir l'architecture cible, apte à accueillir des traitements massifs ou intelligents.

Intégrer les composants d'infrastructure du data lake pour assurer l'acquisition, le stockage et la mise à disposition des données dans un catalogue.

Gérer le catalogue des données en intégrant leur nature, provenance et cycle de vie, dans le respect du RGPD.

Implémenter les règles de gouvernance des données afin de sécuriser les processus de recherche, d'accès et de mise à jour, dans le cadre de la politique de protection des données.