Nos formations pour vos projets

Panorama du cloud : modèles de services (IaaS/PaaS/SaaS), de gouvernance, enjeux clés et grands principes d'architecture.

Concevoir une architecture Big Data : ingestion, stockage distribué, traitement, restitution.

Découverte des services GCP et des concepts d'architecture cloud.

Découverte d'OpenStack et de ses composants pour le cloud privé / souverain.

Tour d'horizon des services fondamentaux : compute, stockage, réseau et bases de données.

Déployer des plateformes data sur le cloud : services managés AWS, Azure et GCP.

Passerelle GCP à destination des praticiens AWS : équivalences de services.

Prise en main technique des principaux services AWS (compute, stockage, réseau, IAM).

Principes de la virtualisation et articulation avec les environnements cloud.

Cadrer, organiser et livrer un projet Big Data : équipe, méthode, risques.

Provisionnement d'infrastructure Azure en Infrastructure as Code avec Terraform.

Passerelle GCP à destination des praticiens Azure : équivalences de services.

Concepts du cloud native : microservices, conteneurs, orchestration et CI/CD.

Comprendre et mettre en œuvre le lakehouse : formats de tables ouverts, ACID, time travel, gouvernance.

Installation, configuration et administration d'une plateforme OpenStack.

Méthodologie de conception d'architectures sur Google Cloud.

Conception et déploiement d'applications sans serveur (FaaS, architectures event-driven).

Développer des traitements sur l'écosystème Hadoop : HDFS, YARN, MapReduce, Hive.

Exploitation, supervision et maintenance d'un cloud OpenStack en production.

Déploiement et gestion des machines virtuelles et du réseau sur Compute Engine.

Stratégies et méthodes de migration (les 6R), trajectoire et gestion des risques.

Mettre en œuvre la distribution Cloudera : outils, sécurité et développement.

Méthodes et outils de migration d'infrastructures et d'applications vers AWS.

Développement d'applications cloud-native sur GCP (Professional Cloud Developer).

Enjeux de sécurité, modèle de responsabilité partagée, IAM, chiffrement, journalisation et posture (CSPM).

Découvrir Apache Spark : RDD, DataFrames, Spark SQL et exécution distribuée.

Provisionnement d'une infrastructure OpenStack en Infrastructure as Code avec Terraform.

Conception et gestion du réseau sur Google Cloud (VPC, interconnexion, sécurité).

Architecture physique et logique d'un data center : énergie, réseau, résilience.

Développer des applications Spark performantes en Python/Scala : jobs, optimisation, streaming.

Provisionnement d'infrastructure AWS en Infrastructure as Code avec Terraform.

Prise en main de BigQuery : requêtage, modélisation et cas d'usage analytiques.

Écosystème monétique, flux de paiement et normes associées. Hors périmètre cloud, à déplacer vers un domaine Paiement / PCI DSS.

Développer des traitements Spark en Java : API, jobs batch et streaming.

Stratégies de sauvegarde/restauration des workloads conteneurisés avec Kasten by Veeam.

Conception d'un entrepôt de données BigQuery : performance, coûts et administration.

Choix d'architecture entre fournisseurs, interopérabilité et pilotage d'un environnement hybride.

Entraîner des modèles à l'échelle avec Spark MLlib : pipelines, features, évaluation.

Mettre en œuvre Kafka : topics, producteurs/consommateurs, Kafka Connect, bonnes pratiques.

Introduction aux services Big Data et ML de Google Cloud.

Conception d'une Landing Zone, cadres Well-Architected, gouvernance, tagging et conformité.

Concevoir des architectures de streaming : ingestion, fenêtrage, exactly-once, cas d'usage.

Orchestrer ses pipelines avec Airflow : DAGs, scheduling, capteurs, supervision et bonnes pratiques.

Industrialisation des modèles ML sur GCP. Syllabus mis à jour : transition Vertex AI vers Gemini Enterprise Agent Platform.

Enjeux de souveraineté, qualification SecNumCloud (ANSSI) et offres de confiance. Fort intérêt secteur public.

Modéliser, déployer et administrer un cluster Cassandra : réplication, compaction, tuning.

Administrer MongoDB : réplication, sharding, sauvegardes, sécurité.

Mise en place de pipelines CI/CD sur Google Cloud.

Optimiser les performances MongoDB : index, agrégations, profiling.

Déployer et exploiter HBase pour le stockage colonne à large échelle.

Développer avec la base graphe Neo4j : modélisation, Cypher, requêtes.

Indexer et rechercher des contenus à grande échelle avec Elasticsearch.