Nos formations pour vos projets

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

Manager avec exigence et bienveillance pour engager durablement son équipe.

Adapter sa communication à ses interlocuteurs pour gagner en impact.

Prioriser, planifier et se protéger des sollicitations pour gagner en efficacité.

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

Animer des démarches d'innovation collaborative avec le Design Thinking.

Développer des relations de travail constructives et coopératives.

Préparer et réussir ses entretiens de recrutement.

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

Développer confiance et coopération au sein de son équipe.

Rédiger des écrits professionnels clairs, structurés et efficaces.

Méthodes d'apprentissage continu, veille personnelle, identification de ses compétences transférables et construction d'un plan de développement.

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

Prévenir et résoudre les conflits interpersonnels au travail.

Mobiliser posture, gestuelle et voix au service de son message.

Reconnaître et réguler ses émotions pour mieux coopérer et décider.

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

Structurer un recadrage constructif avec la méthode DESC.

Pratiquer l'écoute active : reformulation, questionnement, empathie.

Identifier ses facteurs de stress et mettre en place des stratégies durables de prévention.

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

Comprendre ses réactions face au changement et développer son adaptabilité.

S'affirmer sans agressivité : dire non, formuler une demande, recadrer.

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

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

Piloter une démarche de conduite du changement : impacts, adhésion, ancrage.

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

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

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

Utiliser les mécaniques de jeu pour engager les équipes dans le changement.

Appliquer le processus OSBD pour des échanges apaisés et constructifs.

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

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

Mettre en place une démarche GPEC alignée sur la stratégie.

Utiliser les outils de la PNL pour mieux comprendre et se faire comprendre.

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.

Animer, réguler et faire coopérer une équipe dispersée ou en télétravail.

Structurer et délivrer une intervention orale avec aisance.

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

Administrer MongoDB : réplication, sharding, sauvegardes, sécurité.

Optimiser les performances MongoDB : index, agrégations, profiling.

Apprivoiser son trac et transformer le stress en énergie positive.

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

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

Communiquer efficacement dans un projet : instances, supports, parties prenantes.

Indexer et rechercher des contenus à grande échelle avec Elasticsearch.

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

Découvrir son profil PCM et adapter sa communication aux types de personnalité.

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

Approfondir la PCM : gestion du stress et des mécommunications.

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

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

Faire du feedback un levier de progression : méthode, posture, cas difficiles.