Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Fondamentaux de l'ingénierie de plateforme pour les applications intensives en données
- Introduction aux applications intensives en données.
- Défis de l'ingénierie de plateforme pour le big data.
- Aperçu des architectures de traitement des données.
Modélisation et gestion des données
- Principes de modélisation des données pour l'évolutivité.
- Options de stockage des données et optimisation.
- Gestion du cycle de vie des données dans un environnement distribué.
Frameworks de traitement big data
- Aperçu des outils de traitement big data (Hadoop, Spark, Flink).
- Traitement par lots vs traitement en flux.
- Mise en place d'un pipeline de traitement big data.
Plateformes d'analyse en temps réel
- Conception d'architectures pour l'analyse en temps réel.
- Moteurs de traitement en flux (Kafka Streams, Apache Storm).
- Création de tableaux de bord et visualisations en temps réel.
Orchestration des pipelines de données
- Gestion des workflows avec Apache Airflow et autres.
- Automatisation des pipelines de données pour plus d'efficacité.
- Surveillance et alertes pour les pipelines de données.
Sécurité et conformité des plateformes
- Meilleures pratiques de sécurité pour les plateformes de données.
- Assurer la confidentialité des données et la conformité réglementaire.
- Mise en œuvre de contrôles d'accès sécurisés aux données.
Ajustement des performances et optimisation
- Techniques d'optimisation du débit et de la latence des données.
- Stratégies de mise à l'échelle pour les plateformes intensives en données.
- Benchmarking et surveillance des performances.
Études de cas et meilleures pratiques
- Analyse de mises en œuvre réussies de plateformes de données.
- Leçons tirées des leaders de l'industrie.
- Tendances émergentes dans l'ingénierie de plateforme pour les applications intensives en données.
Projet final
- Conception d'une solution de plateforme pour une application intensive en données.
- Mise en œuvre d'un prototype du pipeline de traitement des données.
- Évaluation des performances et de l'évolutivité de la plateforme.
Résumé et prochaines étapes
Pré requis
- Une compréhension des structures de données et algorithmes de base.
- De l'expérience en programmation Java, Scala ou Python.
- Une familiarité avec les concepts de bases de données et SQL.
Public cible
- Développeurs logiciels.
- Ingénieurs de données.
- Chefs de projet techniques.
21 Heures
Nos clients témoignent (1)
About the microservices and how to maintenance kubernetes