PYTHAGORE F.D.

Public Chefs de projets, architectes, développeurs, data-scientists, et toute personne souhaitant connaître les outils et solutions pour concevoir et mettre en oeuvre une architecture BigData. Objectifs Comprendre les concepts essentiels du BigData, et les technologies implémentées. Savoir analyser les difficultés propres à un projet BigData, les freins, les apports, tant sur les aspects techniques que sur les points liés à la gestion du projet.

Public Chefs de projets, développeurs, et toute personne souhaitant comprendre les mécanismes Hadoop et le rôle de chaque composant. Objectifs Faire le point sur les différents éléments de l'écosystème Hadoop et leurs rôles respectifs.Comprendre l'architecture des applicatifs hadoop et savoir quels sont les apports et les cas d'usage des solutions hadoop.

Public Experts en bases de données, chefs de projet et toute personne souhaitant comprendre le fonctionnement et les apports des bases NoSQL. Objectifs Connaître les caractéristiques techniques des bases de données NoSQL, les différentes solutions disponibles. Identifier les critères de choix.

Public Chefs de projet, gestionnaires de bases de données. Objectifs Connaître les apports de Cassandra, savoir l'installer et le configurer.

Public Chefs de projet, administrateurs et toute personne souhaitant stocker des données avec Hbase. Objectifs Comprendre le fonctionnement de HBase, savoir mettre en place une configuration distribuée.

Public Chefs de projet, administrateurs et toute personne souhaitant mettre en oeuvre un système distribué avec Hadoop.Les travaux pratiques sont réalisés sur une distribution Hadoop Hortonworks. Objectifs Connaître les principes du framework Hadoop et savoir l'installer, le configurer et l'administrer avec Ambari.

Public Chefs de projets, développeurs, data-scientists, et toute personne souhaitant comprendre les techniques de développement avec MapReduce dans l'environnement Hadoop. Objectifs Connaître les principes du framework Hadoop et savoir utiliser la technologie MapReduce pour paralléliser des calculs sur des volumes importants de données.