Plan du cours

Fondements des applications à forte intensité de données Platform Engineering

  • Introduction aux applications à forte intensité de données
  • Défis de l'ingénierie des plateformes pour les données volumineuses
  • Aperçu des architectures de traitement des données

Modélisation des données et Management

  • 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

Big Data Cadres de traitement

  • Vue d'ensemble des outils de traitement des big data (Hadoop, Spark, Flink)
  • Traitement par lots ou par flux
  • Mise en place d'un pipeline de traitement des big data

Plateformes d'analyse en temps réel

  • Architecture pour l'analyse en temps réel
  • Moteurs de traitement des flux (Kafka Streams, Apache Storm)
  • Création de tableaux de bord et de visualisations en temps réel

Orchestration du pipeline de données

  • Gestion des flux de travail 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
  • Garantir la confidentialité des données et la conformité réglementaire
  • Mise en œuvre de contrôles d'accès aux données sécurisés

Optimisation des performances

  • Techniques d'optimisation du débit et de la latence des données
  • Stratégies de mise à l'échelle pour les plateformes de données intensives
  • Analyse comparative des performances et surveillance

Études de cas et meilleures pratiques

  • Analyse des mises en œuvre réussies de plateformes de données
  • Leçons tirées des leaders de l'industrie
  • Tendances émergentes dans l'ingénierie des plateformes de données intensives

Projet de référence

  • Conception d'une solution de plateforme pour une application à forte intensité de données
  • Mise en œuvre d'un prototype de pipeline de traitement des données
  • Évaluer les performances et l'évolutivité de la plateforme

Résumé et prochaines étapes

Pré requis

  • Compréhension des structures de données et des algorithmes de base
  • Expérience de la programmation Java, Scala ou Python.
  • Familiarité avec les concepts de base des bases de données et SQL.

Public

  • Développeurs de logiciels
  • Ingénieurs en données
  • Responsables techniques
 21 heures

Nombre de participants



Prix par participant

Nos Clients témoignent (3)

Cours Similaires

Advanced Platform Engineering: Scaling with Microservices and Kubernetes

35 heures

DevOps and Platform Engineering: A Collaborative Approach

14 heures

Platform Engineering Fundamentals

14 heures

Platform Engineering for Business Strategy and Management

21 heures

Platform Engineering with Cloud-Native Technologies

28 heures

Platform Engineering for Developers

21 heures

Platform Engineering: Security and Compliance

28 heures

AI-Augmented Software Engineering (AIASE)

14 heures

AI Coding Assistants: Enhancing Developer Productivity

7 heures

FlexNet Publisher Fundamentals

14 heures

Impacted Function Point (IFP)

7 heures

SNAP IFPUG Software Size Estimation and Measurement

14 heures

Software Engineering

35 heures

Unit of Software Measurement Parameterization (UMSP)

7 heures

TMAP: High-performance quality engineering

21 heures

Catégories Similaires

1