Formation POEI Data Analyst - PHILIANCE

Module 1 : Introduction au métier de Data Analyst

• Les différentes responsabilités d’un Data Analyst
• Les compétences clés d’un Data Analyst
• Les différents types de données et leur utilisation

Module 2 : Langages Python

• Introduction à Python
• Les bases de Python (syntaxe, variables, opérateurs, fonctions)
• Les librairies courantes pour le traitement de données en Python (NumPy, Pandas, Matplotlib)

Module 3 : Base de données NoSQL Cassandra

• Introduction aux bases de données NoSQL
• Introduction à Cassandra
• Modélisation de données en Cassandra
• Opérations CRUD (Create, Read, Update, Delete) avec Cassandra

Module 4 : Écosystème Hadoop

• Introduction à Hadoop et à son architecture
• HDFS (Hadoop Distributed File System)
• MapReduce
• Hive
• Pig

Module 5 : Écosystème Spark

• Introduction à Spark
• RDD (Resilient Distributed Datasets)
• Spark SQL
• Spark Streaming

Module 6 : Ingestion de données

• Introduction à l’ingestion de données
• Les outils courants pour l’ingestion de données (Flume, Kafka, NiFi)
• Les concepts clés pour l’ingestion de données (sources, canaux, processus)

Module 7: Machine Learning avec Spark MLlib

• Introduction à l’apprentissage automatique
• Préparation des données pour l’apprentissage automatique
• Les algorithmes courants pour l’apprentissage automatique (régression linéaire, régression logistique, k-means, etc.)
• Évaluation des modèles d’apprentissage automatique

Module 8 : Streaming avec Kafka

• Introduction au streaming de données
• Kafka pour le streaming de données
• Les concepts clés pour le streaming de données (producteurs, consommateurs, groupes de consommateurs)

Module 9 : Indexation des données avec Elastic / Elassandra / Kibana

• Introduction à l’indexation de données
• Elasticsearch et Elassandra pour l’indexation de données
• Kibana pour la visualisation de données

Module 10 : Visualisation de données

• Introduction à la visualisation de données
• Les outils courants pour la visualisation de données (Tableau, PowerBI, Matplotlib)
• Les concepts clés pour la visualisation de données (graphiques, tableaux de bord)

Module 11 : Scrapping de données avec Python

• Introduction au scrapping de données
• Les outils courants pour le scrapping de données en Python (BeautifulSoup, Scrapy)
• Les concepts clés pour le scrapping de données (analyse de HTML, CSS, Xpath)

Module 12 : Base de données NoSQL Hive / Mongo DB / HBase

• Introduction à Hive, Mongo DB et HBase
• Modélisation de données en Hive, Mongo DB et HBase
• Opérations CRUD avec Hive, Mongo DB et HBase

Module 13 : Écosystème Hadoop NiFi

• Introduction à NiFi
• Configuration et utilisation de NiFi
• Flux de données avec NiFi

Module 14 : RGPD dans les projets Big Data

• • Apprendre à analyser les données et estimer le risque de non-conformité de l’usage des données

Notre Approche Éducative et Nos Ressources Technologiques

• Équilibre entre Connaissance et Application : Nous maintenons une balance optimale entre l’apprentissage théorique, l’application concrète et les moments d’échanges avec le formateur.
• Support Complet : Chaque participant est doté d’un guide détaillé pour faciliter l’utilisation quotidienne du logiciel.
• Infrastructures Avant-gardistes et Environnements Virtuels Efficaces : Nous fournissons des salles de formation technologiquement aménagées ainsi que des espaces virtuels équipés des dernières innovations technologiques.
• Communication Ininterrompue : L’accès ininterrompu à notre service de messagerie instantanée est garanti.

L’excellence de Nos Formateurs

• Expertise Pointue : Nos formateurs brillent par leur spécialisation poussée dans leurs domaines respectifs.
• Compétence Pédagogique Polyvalente : Ils maîtrisent adroitement des stratégies éducatives qui s’adaptent à une variété de publics.
• Pédagogie Centrée sur le Projet : Ils démontrent une habileté marquée à mener efficacement des projets éducatifs.
• Leadership Éminent : Dotés d’un leadership affirmé, ils savent écouter et infuser une dynamique stimulante au sein du groupe.