Architecte Logiciel

Module 1 : Stratégie d'entreprise, solutions, gestion de projet, STD

L'Architecture d'Entreprise, stratégies, exigences, processus métiers, les applications, les infrastructures techniques, traçabilité, gestion du changement.

Analyse du contexte client, des enjeux et des problèmes identifiés.

Suivre les innovations technologiques

Analyse de la stratégie de l'entreprise , prise en compte des contraintes. Modèles SWOT, Ishikawa.

Méthodes de recueil des besoins.

Formaliser les processus métier, en tenant compte des contraintes et de l’existant : recueil d’information, modélisation et analyse de processus existant.

Élaboration de solutions, définition de processus cibles, études d'impacts.

Modélisation UML.

Savoir présenter les solutions préconisées à un auditoire

Gestion des risques, identification, priorisation, prévention, suivi, matrice de risques. Plans préventifs et correctifs. Études d'impacts.

Les méthodes agiles : Scrum, Kanban. Plateforme Jira.

Spécifications Technique Détaillées (STD)

Management de projet :
. stratégie et note de cadrage
. les objectifs à atteindre
. techniques de planification et de gestion de ressources
. techniques de management d'équipe
. communication et documentation
. réalisation et présentation du bilan projet

Stratégie de tests : exigences, cas de tests et jeux de données. Plateforme Squash.


Module 2 : Architecture applicative, Microservices, Tests, DevOps

Concevoir une architecture applicative

Recommander un environnement informatique

Architecture Microservices et design patterns

DDD Domain Driven Developpement

Mise en place d'une chaîne de CI/CD, concevoir et rédiger les procédures d’installation de l’application

Infrastructure multi cloud

Développement d'application serverless dans le cloud

Mettre en oeuvre les scénarios de tests

Monitoring d'une application

Assurer le développement des applications métiers

Concevoir et réaliser une revue de code


Option 1 : Big Data, Machine Learning et Deep Learning

Analyser une problématique liée au traitement de big data

Proposer aux directions métiers des modèles statistiques et des algorithmes d’apprentissage automatique.

Apprentissage supervisé
. Regressions
. Recommandations
. classifications

Apprentissage non supervisé

Apprentissage par réseaux de neurones (Deep Learning)

Collecter, importer, nettoyer et qualifier les données

Concevoir une base de données pour un traitement analytique ou d’intelligence artificielle

Concevoir et développer le programme d’IA adapté aux données disponibles

Améliorer en continu l’application d’IA

Visualiser l’analyse des données pour communiquer les résultats

Option 2 : Concevoir et déployer des infrastructures DevOps automatisées

Reprise du cahier des charges et de la STD d'une plateforme web sur un sujet d'actualité, rédigés au module 1.

Analyser l'infrastructure et les processus de développement existants en évaluant les besoins en automatisation et en intégration continue.

Établir une stratégie DevSecOps.

Normes RGESN et Green IT avec l'outil Greenly pour le suivi de l'impact environnemental.

Intégrer les normes d'accessibilité et RGPD.

Concevoir et implémenter des pipelines CI/CD en utilisant des outils d'automatisation et des pratiques GitOps
. Dépôt de packages
. Déploiement continu

Orchestrer des environnements conteneurisés en déployant des solutions de conteneurisation et d'orchestration
. Administration systèmes et réseaux
. Configuration as code
. Virtualisation
. Conteneurisation
. Orchestration de conteneurs
. Initiation à la sécurité informatique

Monitoring d'une application
. Performances des applications

Optimisation des pipelines DevSecOps avec Copilot