Big Data - Gestion et traitement des données massives

Ce cours permet aux participants d’acquérir des connaissances en gestion et traitement des données massives (Big Data) ainsi que l’acquisition de compétences pour l’utilisation d’outils adaptés.

• Comprendre les concepts du Big Data et savoir quelles sont les technologies implémentées;

• Connaitre l’écosystème Hadoop dont HDFS, YARN et les moteurs de traitement (MR, Spark, Tez);

• Connaitre les applications et outils adaptés pour le traitement des données (MapReduce, Hive, Flume, Kafka, Pig, HDFS, Sqoop,Spark).

Analystes et administrateurs de bases de données, analystes et consultants en informatique, programmeurs et développeurs, ingénieurs informaticiens, techniciens de réseau informatique, ainsi que pour tout personne qui a des connaissances en informatique (algorithmique, base de données).

À l’issue du cours, les participants seront en mesure d’effectuer les tâches suivantes :

• Illustrer des cas d’usages du Big Data
• Connaître l’écosystème Hadoop
• Entreposer des données dans HDFS PLAN DE COURS Page 2 sur 2
• Charger des données dans HDFS • YARN et moteurs de traitement
• Comprendre les Concepts MapReduce
• Concepts de grappes (clustering) et de NoSQL
• Base de données NoSQL de l’écosystème Hadoop (HBase, MongoDB)
• Introduction au traitement temps réel dans un environnement Big Data
• Analyse de sentiments (« end 2 end ») à partir d'un réseau social (ex. Twitter, Facebook)
• Analyse de données avec Hive, Pig, Impala
• Se connecter via JDBC ou ODBC à HIVE et effectuer des requêtes SQL
• Introduction à la science des données et le Big Data

Amor Amani

Monsieur Amor Amami est un scientifique de données/ ingénieur Big Data comptant plus de 13 ans d'expérience dans les technologies de l'information. Il possède les certifications: MSCE (Data management and Analytics), MCSA Machine Learning and data science, CCA Hadoop Administration Certification, Analyzing and Visualizing Data with Microsoft Power BI certification.

Il est motivé par la conviction que les données peuvent être utilisées pour prendre de meilleures décisions. Il veut pouvoir faciliter aux gens la compréhension du code et l’utilisation efficace des données.

Ainsi, il se démarque à travers les multiples facettes d'un schéma décisionnel, telles que la gestion des processus d'affaires, la collecte d'information (ETL), le stockage des informations (DW, Data Lake avec Hadoop) et la restitution des informations (Visualisation, Reporting, Machine Learning, Deep Learning). Ses formations et ses expériences professionnelles lui ont permis de maîtriser le domaine Big data (Écosystème Hadoop, distribution Cloudera et Horton Works) et la science de données (machine Learning, Deep Learning, Tensorflow,H2O,..). Il a réalisé plusieurs projets où il a exploré diverses facettes d’internet des objets, Big data et de la science des données.

Par ailleurs, il a travaillé pour de grands comptes au Québec-Canada et ailleurs comme CGI, Montréal, Revenu Québec, Familiprix (siège social), Société Groupe Magasin Général, Compagnie des mines (CPG), Bureau de Poste.