• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

Informatique pour le Big Data

  • Niveau d'étude

    BAC +5 / master

  • ECTS

    6 crédits

  • Composante

    Faculté des sciences

Description

Concepts et les enjeux du Big Data
Technologies du Big Data :
— Architecture et composants de la plateforme Hadoop.
— Modes de stockage (NoSQL, HDFS).
— Principes de fonctionnement de MapReduce.
— Programmation concurrente (générateurs, multi-threading, multi-processing, asynchronisme).
— Web services.
— Nase de data visualisation.
Gérer les données structurées et non structurées :
— Principes de fonctionnement HDFS.
— Importer des données externes vers HDFS.
— Réaliser des requêtes SQL avec HIVE.
— Utiliser PIG pour traiter la donnée.
Les méthodes d’analyse des données pour le Big Data (en liaison avec S3-UE1-DS) :
— Les méthodes d’exploration.
— Segmentation et classification.
— Estimation et prédiction.
— Implémentation des modèles.
— Méthodes de réduction de dimensions.

Introduction au MLOps : Mise en production ou déploiement d’un modèle de Machine Learning.
— Aspects techniques d’un déploiement.
— Mise en pratique : déploiement d’une API Web avec Flask.
— Maintenance post-déploiement : logging, model drift, qualité des données.
— Prérequis d’un déploiement réussi : versionnage, tests unitaires, bonnes pratiques de code, etc.
— Vue d’ensemble des métiers et logiciels liés au MLOps.

Lire plus

Objectifs

— Comprendre les concepts et l’apport du Big Data par rapport aux enjeux métiers.
— Comprendre l’écosystème technologique nécessaire pour réaliser un projet Big Data.
— Acquérir les compétences techniques pour gérer des flux de données complexes, non structurés et massifs.
— Visualisation d’espaces latents, implémenter des modèles d’analyses statistiques pour répondre aux besoins métiers.
— Comprendre l’intérêt du déploiement d’un modèle de Machine Learning
— Avoir une vue d’ensemble des points d’attention d’une mise en production, avant, pendant et après sa réalisation
— Acquérir une compétence technique de base pour créer une API Web avec Flask ; mettre en pratique quelques aspects du MLOps.

Lire plus

Heures d'enseignement

  • CMCours magistral24h
  • TPTravaux pratique32h

Pré-requis obligatoires

Notions et contenus : Bases de données relationnelles (S2-UE4-DS). Programmation (S1-UE5-DS). Statistique (S2-UE1-DS).
Compétences et capacités : Connaissances de base des modèles relationnels. Connaissances en statistique et des langages de programmation.

Lire plus