DevenezDataAnalyst

Module

Durée

(Jours)

Durée

(Heures)

Présentation

Présentation du cursus, des plateformes pédagogiques et du projet fil rouge - Présentation du métier - Activités brise-glace pour mettre en confiance les apprenants.

0,5

3h30

Revoir les bases de l'algorithmie :

Introduction - Algorithme - Variables et types de données - La "grammaire" d'un langage - Structurer son programme.

1,5

10h30

Avoir une vue d'ensemble du Big Data :

Identifier l'ensemble des enjeux et facteurs à prendre en compte pour réussir l'intégration du Big Data dans la vision large du SI - Evaluer et sélectionner les outils appropriés dans le cadre d'un plan de mise en œuvre du Big Data.

2

14

Interroger et manipuler les objets de bases de données avec le langage SQL :

Présenter une vue d'ensemble du SGDBR PostgreSQL, de ses fonctionnalités et des différentes sources d'informations utiles - Décrire les concepts de l'algèbre relationnelle utilisés dans le langage SQL - Interroger une base de données avec la clause SQL SELECT - Utiliser les commandes SQL de mise àj des données - Identifier les commandes SQL de début et fin de transaction BEGIN, COMMIT et ROLLBACK - Présenter les concepts de gestion des privilèges systèmes et objets avec les commandes SQL GRANT et REVOKE - Créer, modifier et supprimer certaines catégories d'objets (table, index, vues...) avec CREATE, ALTER et DROP.

3

21

Travaux pratiques :

Interroger la base de données support du projet fil rouge.

1

7

Technique de Recherche d'emploi - Concevoir son CV et sa lettre de motivation :

Aborder de manière sereine les outils de candidatures - Savoir rédiger et construire de manière personnalisée et impactante des outils de candidature (CV et lettre de motivation) - Avoir une posture d'offreur de services et non de demandeur d'emploi.

1

7

Maitriser le langage Python pour gérer des données :

Connaître les usages courants du langage - Maîtriser les fondamentaux du langage - Structurer son code en fonction, classes et modules - Utiliser des modules existants – Manipuler et gérer des tableaux de données – Interroger, manipuler et ordonner des jeux de données- Maîtriser la programmation objet en Python – Gérer la persistance des données

6

42

Extraire et gérer des données (scraping) :

Introduction à HTML/CSS – Comprendre l’architecture d’un site Web - Réaliser du scraping de données à partir du web – Appliquer le scraping sur google - Faire les actions d'ingestion nécessaires pour alimenter un Data Lake.

3

21

Analyser des données avec Python :

Créer et manipuler des tableaux avec Numpy – Explorer des données avec Pandas – Créer des graphiques avec Matpotlib et pandas plot -

3

21

Travaux pratiques :

Extraire les données du projet « fil rouge » depuis le Web et les analyser

2

14

Rendre visible l'invisible avec la Data Visualisation :

Maitriser et personnaliser des rendus graphiques variés –Maitriser les bonnes pratiques de la data visualisation – Utiliser les bibliothèques Python Matplotlib et Seaborn. - Produire des graphiques interactifs et les intégrer dans une page Web avec Bokeh

3

21

Traiter les données avec l'écosystème Spark :

Les bases de Spark – Spark et Hadoop - Manipulation des dataframes et des schémas - Analyser des données avec des requêtes sur dataframes - Les RDD : Structure fondamentale de Spark - Transformer les données avec des RDD - Agrégation de données avec les RDD de paires - Requêtage de tables et de vues avec Spark SQL - Travailler avec les Datasets Spark en Scala - Ecrire, configurer et lancer des applications Spark - Le traitement distribué avec Spark - Persistance de la donnée distribuée - Introduction à Spark Structured Streaming.

3

21

Travaux pratiques :

Manipulation des données du projet fil rouge.

1

7

Mettre en œuvre l'ingestion de données avec NiFi :

Introduction NiFi - Différence entre données froides et données chaudes - Présentation des outils et technologies Big Data - Hadoop (HDFS et MapReduce) - Installation et configuration de NiFi - Vue d'ensemble de l'architecture NiFi - Approches de développement - Outils de développement d'applications et état d'esprit - Extraction, transformation et chargement (ETL) des outils et de la mentalité 

2

14

Travaux pratiques :

Mise en œuvre d’un processus d’ingestion de données.

1

7

Découvrir les bases de données NoSQL :

Caractéristiques NoSQL - Principaux acteurs - Mise en œuvre - Introduction au Big Data et à Cassandra · - Installation, configuration et mise en œuvre locale de Cassandra - Introduction aux différents outils proposés par Cassandra - Architecture interne de Cassandra - Découvrir MongoDB - Découvrir HBASE.

2

14

Prendre en main et développer avec Elasticsearch :

Situer Elasticsearch dans un écosystème Big Data - Identifier les enjeux et les cas d'utilisation d'un moteur de recherche - Indexer des données - Faire des recherches simples et complexes - Manipuler les agrégations et des recherches évoluées.

2

14

Technique de Recherche d'emploi - Faire une simulation d’entretien d’embauche pendant un job dating :

Préparer et réussir un entretien d'embauche - Vous positionner et avoir l'état d'esprit de réussite d'un entretien ou d'un job dating - Préparer les étapes d'un entretien (avant, pendant et après) - Savoir anticiper et pouvoir répondre à tous types de questions - Connaitre un cadrage de réponses pour des questions d’entretiens.

1

7

Comprendre la Data Science et le Machine Learning : Identifier les enjeux de la Data Science et de l'IA - Schématiser le cycle d'un projet Data Science - Appliquer les meilleures pratiques en matière de nettoyage et de préparation de vos données avant l'analyse - Modéliser un problème de Data Science.

2

14

Traiter des données avec PySpark :

Utiliser l'API PySpark pour interagir avec Spark en Python - Mettre en œuvre les méthodes de Machine Learning avec la librairie MLlib de Spark - Traiter les flux de données avec Spark Streaming - Manipuler les données avec Spark SQL.

3

21

Utiliser les technologies de fouilles de texte (Text Mining) :

Comprendre comment fonctionne le text mining - Se repérer dans le périmètre technologique – Mettre en œuvre l’extraction des caractéristiques de données textuelles – Choisir un algorithme de classification

2

14

Concevoir et piloter un projet Big Data :

Bien identifier les challenges dans la mise en place d'un projet Big Data - Mesurer l'impact politique et stratégique sur l'entreprise et la pertinence d'un reporting régulier - Mettre en place une bonne gestion des conflits et de la conduite du changement.

2

14

Développer ses compétences comportementales :

Les nouveaux contextes de travail - Faire le point sur sa cartographie de compétences - Communication - Intelligence émotionnelle - Se placer dans une dynamique positive - mieux gérer son temps - Gérer la pression.

2

14

Modéliser, analyser et visualiser des données avec Power BI :

Décrire le cycle de création d'un rapport Power BI - Vous connecter à des sources de données - Transformer, nettoyer et combiner des sources - Structurer un modèle de données - Créer des indicateurs - Afficher les indicateurs dans des rapports PBI - Utiliser les options avancées du langage DAX - Partager en ligne vos tableaux de bords et rapports - Utiliser des visualisations interactives.

4

28

Travaux pratiques :

Travaux pratiques de synthèse : Finalisation du projet fil rouge

3

21

Révisions et préparation de la certification TOSA Python :

Obtenir des informations, des astuces et des conseils relatifs au déroulement de l’examen - Analyser des exemples d’études de cas - Passer en revue chaque section de l’examen et leurs principaux concepts - Renforcer les connaissances et identifier les lacunes/domaines d’approfondissement - Passage de la certification.

1

7