L’objectif de cette formation est de permettre aux apprenants de maîtriser l’implémentation des principaux services de Big Data d’AWS conformément aux bonnes pratique de base en matière d’architecture. Les apprenants apprendront comment concevoir et gérer le Big Data dans le cloud AWS et comment utiliser des outils permettant d’automatiser l’analyse de données.
Déploiement d’une solution Big Data dans AWS
3 jours II Code CNCP : 2234 II Certif info : 93835
Les objectifs de la formation Mise en place d'une solution AWS dans un écosystème de Big Data
A l’issue de la formation « Mise en place d’une solution AWS dans un écosystème de Big Data », les apprenants auront les capacités de :
- Déterminer les caractéristiques opérationnelles du système de collecte
- Sélectionner un système de collecte qui gère la fréquence, le volume et la source des données
- Sélectionner un système de collecte qui traite des propriétés clés des données, telles que l’ordre, le format et compression
- Déterminer les caractéristiques opérationnelles d’une solution de stockage pour l’analyse
- Déterminer les modèles d’accès et de récupération des données
- Sélectionnez une disposition, un schéma, une structure et un format de données appropriés
- Définir un cycle de vie des données en fonction des modèles d’utilisation et des exigences métier
- Déterminer un système approprié pour cataloguer les données et gérer les métadonnées
- Déterminer les exigences de solution de traitement de données appropriées
- Concevoir une solution pour transformer et préparer les données à analyser
- Automatiser et opérationnaliser une solution de traitement de données
- Déterminer les caractéristiques opérationnelles d’une solution d’analyse et de visualisation
- Sélectionner la solution d’analyse de données appropriée pour un scénario donné
- Sélectionner la solution de visualisation de données appropriée pour un scénario donné
- Identifier l’architecture Big Data dans AWS
- Comprendre la démarche de mise en place et de pilotage d’un projet Big Data dans AWS
Les prérequis de la formation Mise en place d'une solution AWS dans un écosystème de Big Data
Pour assister à ce cours, il est recommandé :
- D’avoir des connaissances de base sur les technologies Big Data, y compris Apache Hadoop et HDFS ; Il peut également être utile d’avoir des connaissances préalables concernant Pig, Hive et MapReduce, mais ce n’est pas une obligation.
- De savoir utiliser les principaux services AWS et l’implémentation de cloud public.
- Les participants doivent avoir suivi le cours “Intégration d’une solution AWS dans un écosystème de Big Data” ou posséder un niveau d’expérience équivalent.
- De comprendre les concepts d’entrepôt de données, de système de base de données relationnelle et de conception de base de données.
- D’avoir des connaissances de base en programmation python.
Vous n’avez pas les prérequis nécessaires pour la formation Mise en place d’une solution AWS dans un écosystème de Big Data? Contactez-nous pour étudier ensemble un parcours sur mesure et garantir ainsi la réussite de votre projet.
Le public de la formation Mise en place d'une solution AWS dans un écosystème de Big Data
La formation certifiante « Mise en place d’une solution AWS dans un écosystème de Big Data », s’adresse à tout public salarié, demandeur d’emploi ou en reconversion professionnelle et souhaitant acquérir des compétences en BIG Big Data Cloud avec AWS, notamment:
-
- Architectes de solutions d’entreprise
- Architectes de solutions Big Data
- Experts en science des données
- Analystes de données
0
Certif Info
0
Code CNCP
0
Jours
0
Heures
Contenu de la formation
Mise en place d’une solution AWS dans un écosystème de Big Data
Big Data avec AWS
- Besoin croissant des pipelines de données
- Les données dans le pipeline
- Aws Data Pipeline
- Étapes de déploiement d’une solution Big data AWS
Atelier pratique
Collecte des données avec AWS
Introduction à la collecte des données
- Outils de collect dans AWS
- Amazon SQS
- AWS IOT
- AWS Data Pipeline
- Kinesis
- Comparaison entre les Outils
- Présentation d’Amazon Kinesis
Amazon Kinesis Data Stream
- Avantages d’Amazon Kinesis Stream
- Chargement de données dans Kinesis Stream
- Architecture de haut niveau de Kinesis Data Stream
- Concepts de base de Kinesis Stream
- Producteurs de données (Data producers)
- Consommateurs de données (Data consumers)
- Bibliothèques de connecteurs kinesis (Kinesis Connector Library KCL)
Amazon kinesis Firehose
- Concepts clés
- Le transfert de données à l’aide de Lambda
- Présentation des transformations de données Firehose
Démo 1: Exécution d’opérations de flux de données Kinesis
Démo 2: Traitement en temps réel des données avec KCL
Démo 3: Flux de livraison de Kinesis Data Firehose
Atelier pratique
Stockage des données avec AWS
Introduction
Amazon Glacier
- Présentation de Amazon Glacier
- Glacier et Big Data
DynamoDB
- Présentation de DynamoDB
- L’architecture de la table DynamoDB
- DynamoDB dans AWS Eco-System
- Partitions DynamoDB
- Distribution des données
- Concepts clés
- DynamoDB GSI / LSI
- Indice secondaire local (LSI)
- Indice secondaire mondial (GSI)
- Flux et réplication DynamoDB
- DynamoDB Stream
- Réplication entre régions
- Sélection de la clé de partition
Démo : Créer et interroger une table NoSQL avec Amazon DynamoDB
Atelier pratique
Traitement des données avec Aws
Introduction
Amazon Elastic MapReduce (EMR)
- Présentation d’Amazon Elastic MapReduce (EMR)
- Cas d’utilisation
- Apache Hadoop
- Modules d’architecture
- Architecture Hadoop
- Architecture EMR
- Noeud maître
- Nœud central
- Noeud de tâche
HDFS (système de fichiers distribué Hadoop)
- Options de stockage
- Concepts
- Opérations EMR
Lancement d’un cluster EMR
- Option de réglage rapide et avancée
- Cluster de longue durée
- Cluster transitoire
- Choix du type d’instance
- Nombre d’instances
- Surveillance EMR
Utilisation de Hue avec EMR
- Hue sur EMR
- Cas d’utilisation
- Architecture
HBase avec EMR
- Cas d’utilisation
- Où utiliser HBase
- Où ne pas utiliser HBase
- HBase vs DynamoDB
- HBase vs Redshift
- Architecture HBase
Spark avec EMR
- Cas d’utilisatio
- Composants Spark
- Intégration Spark avec EMR
- Spark streaming et stream
Atelier pratique
Analyse des données avec Aws
- Introduction
- Présentation RedShift
- Cas d’utilisation de RedShift
- Architecture RedShift
- RedShift dans l’écosystème AWS
- Bases de données en colonnes
- avantages des bases de données en colonnes
- Où ne pas utiliser les bases de données en colonnes
- Conception de table et architecture RedShift
- Conception de table RedShift – Introduction
- Conception de table RedShift – Styles de distribution
- Conception de table RedShift – Clés de tri
- Conception de table RedShift – Types de données
- Conception de table RedShift – Compression
- Conception de table RedShift – Contraintes
- Gestion de la charge de travail RedShift
Atelier pratique
Visualisation des données avec AWS
- Introduction
- Définition de la data visualisation
- Introduction à Amazon QuickSight
- Visualisation avec QuickSight
- Types de visuels
- Autres outils de visualisation
Atelier pratique
Une attestation d’assiduité sera délivrée après la validation de toutes les compétences du module Mise en place d’une solution AWS dans un écosystème de Big Data.
Modalités De Formations
MISE EN PLACE D’UNE SOLUTION AWS DANS UN ÉCOSYSTÈME DE BIG DATA
Le module Mise en place d’une solution AWS dans un écosystème de Big Data est disponible en 3 modalités :
E-learning tutoré, Blended Learning et en présentiel.