Formation Formation visuelle et scientifique des données : maîtriser le Big Data

01.Introduction au Big Data et écosystème

• —Définition et enjeux du Big Data (3V, 5V)
• —Historique et évolution des données massives
• —Aperçu des frameworks et outils (Hadoop, Spark)

02.Principes fondamentaux du stockage distribué

• —Comprendre HDFS (Hadoop Distributed File System)
• —Gestion des blocs et réplication des données
• —Introduction aux bases de données NoSQL (Cassandra, MongoDB)

03.Traitement et analyse de données avec Spark Core

• —Introduction à Apache Spark et ses composants
• —Concepts de RDD (Resilient Distributed Datasets)
• —Opérations de transformation et d'action sur les données

04.Spark SQL et manipulation de données structurées

• —Utilisation de Spark SQL pour les données structurées
• —Création et manipulation de DataFrames
• —Jointures, filtres et agrégations complexes

05.Introduction à la Data Science

• —Définition et méthodologie de la Data Science
• —Cycle de vie d'un projet data
• —Concepts clés : population, échantillon, variable

06.Statistiques descriptives pour la Data Science

• —Mesures de tendance centrale (moyenne, médiane, mode)
• —Mesures de dispersion (variance, écart-type)
• —Distributions de probabilité courantes

07.Introduction au Machine Learning

• —Définition et types de Machine Learning (supervisé, non supervisé)
• —Algorithmes de régression linéaire
• —Évaluation de modèles de régression

08.Classification avec Machine Learning

• —Algorithmes de classification : régression logistique, arbres de décision
• —Métriques d'évaluation de classification (précision, rappel, F1-score)
• —Gestion du surapprentissage et du sous-apprentissage

09.Concepts fondamentaux de Data Visualisation

10.Outils de Data Visualisation : Introduction à Tableau/Power BI

• —Prise en main d'un outil de Data Visualisation (ex: Tableau Public ou Power BI Desktop)
• —Connexion aux sources de données
• —Création de graphiques basiques (histogrammes, diagrammes à barres)

11.Visualisation avancée et tableaux de bord interactifs

• —Création de graphiques complexes (nuages de points, cartes choroplèthes)
• —Conception de tableaux de bord interactifs
• —Publication et partage des visualisations

12.Cas d'étude et applications pratiques

• —Résolution d'un problème métier avec le Big Data
• —Étude de cas sur l'analyse de données réelles
• —Présentation de projets réussis de Data Science et Visualisation