Nos formations pour vos projets

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

Concevoir une architecture microservices : découpage, communication, observabilité.

Développer avec Vue.js 3 : Composition API, composants, réactivité, écosystème.

Évaluer les enjeux d'une stratégie de conteneurisation : cas d'usage, sécurité, organisation.

Administrer MariaDB : réplication, sauvegardes, supervision.

Mettre en œuvre VLAN, trunking et routage inter-VLAN avancé.

Comprendre les modèles data-driven des fintechs et grandes plateformes.

Mettre en œuvre les principaux design patterns en Java.

Synthétiser et analyser ses données avec les TCD.

Écrire des scripts shell robustes pour automatiser les tâches.

Posture et outils du coach agile pour accompagner équipes et organisations.

Approfondir la théorie : rétropropagation, optimisation, régularisation, architectures.

Premiers pas avec Talend : environnement, jobs simples et bonnes pratiques.

Décrire son infrastructure en HCL et provisionner des ressources multi-cloud avec Terraform.

Mettre en pratique les principes d'IA responsable dans ses projets.

Priorisation, arbitrage et pilotage d'un portefeuille de projets alignés sur la stratégie.

Développer des applications PHP avec Symfony : contrôleurs, Doctrine, formulaires.

Mettre en place la collecte de métriques, PromQL, alerting et tableaux de bord Grafana.

Fondamentaux du développement sécurisé, principales vulnérabilités et sensibilisation des équipes aux réflexes de codage sécurisé.

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

Renforcer la confiance en soi et l'affirmation dans ses relations professionnelles.

Comprendre le traitement du langage et les architectures des modèles génératifs.

Structurer un recadrage constructif avec la méthode DESC.

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

Intégrer l'IA générative dans ses tâches quotidiennes : rédaction, synthèse, recherche, préparation de réunions. Ateliers pratiques sur cas réels et règles d'usage en entreprise.

Durcir images, runtime et cluster : scan d'images, RBAC, network policies, secrets.

Personnalisation des apprentissages et outils pédagogiques dopés à l'IA.

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

Concevoir, entraîner et déployer des réseaux profonds avec TensorFlow et Keras.

Concevoir des interfaces cohérentes avec les principes Material Design.

Installer, configurer et administrer Jenkins ; concevoir des pipelines déclaratifs.

Techniques avancées de scripting : fonctions, signaux, industrialisation.

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

Analyser et restituer des données massives avec des visualisations et un récit percutants.

Installer et administrer PostgreSQL : rôles, sauvegardes, maintenance.

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

Différences entre hyperviseurs bare-metal (Type 1) et hébergés (Type 2) et cas d'usage.

Approfondir Symfony : services, événements, sécurité, performance.

Automatiser Excel avec ses premières macros VBA.

Maîtrisez les fondamentaux de n8n et entrez dans l’univers de l’automatisation. Apprenez à créer des workflows, connecter vos outils et automatiser les tâches répétitives pour gagner en efficacité et optimiser vos processus métier.

Développer des modèles profonds avec PyTorch : tenseurs, autograd, entraînement et transfert learning.

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

Principes du Data Mesh : domaines propriétaires, données comme produit, plateforme en libre-service et gouvernance fédérée. Conditions de réussite et pièges.

Panorama pratique des méthodes d'analyse à grande échelle : outils, démarches, cas concrets.

Virtualisation open source basée sur Xen ; administration et migration via Xen Orchestra.

Mettre en œuvre le contrôle d'accès obligatoire sous Linux.

Maîtriser C# et l'écosystème .NET pour développer tout type d'application.

Intégrer l'IA tout au long des étapes d'un projet

Écrire un code lisible et maintenable : nommage, fonctions, refactoring.

Organisation, exercices et communication de crise cyber (exigences NIS2).

Techniques de sécurisation des applications : tests, revue de code et durcissement face aux attaques.

Comprendre la logique algorithmique qui sous-tend les systèmes d'IA.

Anticiper les transformations métiers induites par l'IA.

S'approprier les fondamentaux UX/UI pour concevoir des interfaces utiles et utilisables.

Réglage des performances, capacity planning et optimisation compute/stockage/réseau.

Appliquer le processus OSBD pour des échanges apaisés et constructifs.

Développer avec PostgreSQL : types avancés, fonctions, performance.

Approfondir le langage HCL : modules, variables, state, workspaces et bonnes pratiques d'industrialisation.

Fonctionnement d'une équipe Scrum : rôles, événements et artefacts.

Cadrer et piloter un projet data science : cycle de vie, rôles, industrialisation.