Nos formations pour vos projets

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

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

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

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

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

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

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

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

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

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

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

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

Approfondir le développement Kafka (Streams, schémas, exactly-once) et préparer l'examen CCDAK.

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

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

Administrer MongoDB : réplication, sharding, sauvegardes, sécurité.

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.

Construire des pipelines lakehouse (Delta Lake, workflows, Unity Catalog) et préparer l'examen officiel.

Maîtriser l'architecture et les objets Snowflake (virtual warehouses, data sharing) et préparer l'examen SnowPro Core.

Ingénierie de données sur Microsoft Fabric : ingestion, transformation, orchestration.

Ingénierie de données sur Azure Databricks : Spark, Delta Lake, pipelines.