Expertises Big Data - Le développement d'applications et la Data visualisation

Objectifs, programme, validation de la formation

Objectifs

inf. div Développer des applications avec Spark Streaming inf. div inf. div Utiliser la programmation parallèle sur un cluster inf. div inf. div Exploiter des données avec Spark SQL inf. div inf. div Comprendre et exploiter les algorithmes standard de Machine Learning et permettre une visualisation avec Graphx. inf. div

Description, programmation

inf. div Big Data overview inf. div inf. div Introduction au Big Data de quoi s agit-il inf. div inf. div Exemples pratiques inf. div inf. div Les technologies concernées inf. div inf. div Les outils inf. div inf. div Les langages inf. div inf. div Hortonworks inf. div inf. div MapR inf. div inf. div Cloudera inf. div inf. div IBM Watson... inf. div inf. div Démystification du Big Data inf. div inf. div Les acteurs principaux inf. div inf. div Les différents métiers du Big Data inf. div inf. div Rappel inf. div inf. div Le langage Python application de la MapReduce inf. div inf. div Les mathématiques de base algèbre statistiques probabilités inf. div inf. div Le langage SQL inf. div inf. div Les algorithmes et analyse de données inf. div inf. div Les concepts du Machine Learning inf. div inf. div Les données supervisées ou non supervisées Quelles différences inf. div inf. div Régression inf. div inf. div Modèles linéaires inf. div inf. div Classification inf. div inf. div Naive Bayes inf. div inf. div K-NN inf. div inf. div K-Means clustering inf. div inf. div Réseaux de neurones inf. div inf. div Arbres de décisions et de régression inf. div inf. div Support vector machines inf. div inf. div Méthodes ensemblistes inf. div inf. div Machine Learning avec Spark et Spark Streaming inf. div inf. div Introduction à Apache Spark inf. div inf. div Faire du Machine learning avec Apache Spark MLlib inf. div inf. div Traiter les données en temps réel avec Apache Spark Streaming inf. div inf. div Faire des requêtes en format SQL avec Apache Spark SQL inf. div inf. div Créer des graphes avec Apache Spark GraphX inf. div inf. div Stockage basé sur les graphes inf. div inf. div Visualisation inf. div inf. div La valeur de la visualisation inf. div inf. div Modèles de données et images inf. div inf. div Données multidimensionnelles inf. div inf. div Principes de design inf. div inf. div Perception graphique inf. div inf. div Restitution et pilotage inf. div inf. div Couleurs inf. div inf. div Itérations sur la perception inf. div inf. div Techniques d interactions inf. div inf. div Exemples d analyses efficacité des antibiotiques inf. div inf. div Visualisation Big Data inf. div inf. div Certification en option inf. div inf. div Nos tests de validation des compétences font partie intégrante du processus d apprentissage car ils permettent de développer différents niveaux d abstractions. inf. div inf. div Solliciter l apprenant à l aide de nos QCM c est lui permettre d étayer sa réflexion en mobilisant sa mémoire pour choisir la bonne réponse. Nous sommes bien dans une technique d ancrage mémoriel. inf. div inf. div L examen sera passé à la fin de la formation. inf. div

Validation et sanction

Certification M2I Expertises Big Data

Type de formation

Professionnalisation

Niveau de sortie sans niveau spécifique

Métiers visés

H1102 :

M1803 :

M1806 :

---

Durée, rythme, financement

Durée 35 heures en centre

Modalités de l'alternance -

Conventionnement Non

Conditions d'accès

Niveau d'entrée sans niveau spécifique

Conditions spécifiques et prérequis Avoir des connaissances mathématiques avancées pour pouvoir interpréter les algorithmes à mettre en oeuvre et maîtriser Java ou Python.

Éligibilité de cette formation au compte personnel de formation pour les salariés

Code CPF 235758 - Validité du 02/01/2019 au 31/12/2115

---

Périodes prévisibles de déroulement des sessions

Session débutant le : 01/01/2021

Adresse d'inscription
55 rue EUCLIDE
La Terra Verde 34000 Montpellier

Lieu de formation

---

Organisme de formation responsable