Prenez contact avec nous

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

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires