IA_ARCHI - Traitement des données massives - Big Data Présentiel
Dernière mise à jour : 24/03/2026
Langue de la formation : Français/French
Thèmes : Réglementation et navigabilité/Reglementation and airworthiness
Public : Cadres / Executives
Public visé
Les métiers ciblés par cette formation concernent toute la chaîne de stockage, traitement et valorisa-tion des données. Ils adressent les aspects techniques liés à l'infrastructure matérielle, l'infrastructure …
Responsable de stage
Laurent LAPASSET/ Rémi COUDARCHER
Mail de contact
formationcontinue@enac.fr
Durée pédagogique réelle
14 h
Résumé
Exploiter de vastes ensembles de données est un défi. Le Big Data, défini par le Volume, la Vélocité et la Variété, requiert des solutions informatiques spécifiques que cette formation propose d’explorer.
Objectifs de la formation
- Comprendre et utiliser un ou plusieurs modèles de données pour stocker des données mas-sives
- Mettre en œuvre la distribution d'opérations simples via le principe Map/Reduce dans Ha-doop et Spark
- Comprendre les concepts des Cloud, des différents niveaux de virtualisation et des solutions modernes associées
- Comprendre l'utilité des conteneurs
- Déployer des images virtuelles et des conteneurs Docker
Prérequis
- Diplôme en génie informatique ou domaine connexe (télécommunications, etc.)
- Diplôme d'ingénieur dans un autre domaine avec une dominante en informa-tique
- Expérience professionnelle dans le domaine informatique
Description
Données massives :
- Histoire
- Modèles logiques de données
- Bases de données polyglottes
- Des exemples d'architectures de bases de données multi-modèles
Calcul distribué avec Hadoop et Spark :
- Histoire
- Modèle MapReduce
- Stack Hadoop
- Système de fichier distribué de Hadoop (HDFS)
- Bibliothèques Hadoop et Spark, Mapper, Reducer et manipulation de RDD
Virtualisation et cloud computing :
- Différentes approches de virtualisation
- Modèles économiques
- Avantages techniques (snapshots, déploiement et migration dynamiques, bascule-ment sur incident etc .)
- Création et manipulation d'images virtuelles
Docker :
- Histoire
- Différences fondamentales par rapport à la virtualisation
- Composants de Docker
- Outil
Méthodes pédagogiques utilisées : Alternance d'apports théoriques et pratiques, exercices.
Support remis : Supports de cours, supports de TP (notebook jupyter), bibliographie et exercices complémentaires optionnels.
Points forts
- Multiples intervenants spécialisés
- Atelier de mise en pratique autour de cas concrets