Compétences visées À la fin de ce cours, vous serez capable de: Pourquoi les bas es de données relationnelles ne sont pas toujours adaptées aux systèmes de données massives qui sont déployées dans les contextes big data. Pourquoi le lan gage Python est un langage très utilisé dans le domaine du traitement des masses de données. Ce cours vous initie à la programmation avec ce langage, particulièrement en utilisant la bibliothèque Numpy. Quelles analyses statistiques nécessitent le traitement des données massives et la prédiction. Cette formation vous fournit les concepts élémentaires en statistiques tels que: les variables aléatoires, le calcul différentiel, les fonctions convexes, les problèmes d'optimisation, les modèles de régression. Ces bases sont appliquées sur un algorithme de classification le Perceptron. Description Le MOOC «Fondamentaux pour le big data» permet d'acquérir efficacement le niveau prérequis en informatique et en statistiques pour suivre des formations dans le domaine du big data et data science.
Le Big Data est la collecte et l'analyse systématique de toute donnée porteuse d'informations sur une activité.
Le Big Data apparaît aujourd'hui comme une continuité logique et une évolution naturelle du décisionnel. Cet article se propose de faire un retour sur les fondamentaux de la Business Intelligence et ce qui a fait son succès. C'est le premier article d'une série de trois sur le thème « De la BI au Big Data ». Les principes de la Business Intelligence Le décisionnel est basé sur un principe simple: la nécessité de construire une architecture dédiée avec une modélisation adaptée. En effet, l'utilisation directe des bases de production pour l'analyse de données pose trois problèmes principaux: Une dégradation du fonctionnement des applications opérationnelles et de la qualité de service requise (SLA) du fait de la non prévisibilité du nombre et de la nature des requêtes Des temps de réponses aux requêtes insatisfaisants du fait d'un modèle en troisième forme normale (3FN) non adapté à des requêtes d'évolution ou de tendances s'appuyant sur un nombre important de lignes dans les tables (plusieurs millions à plusieurs milliards).
Evaluation et Certification Chaque partie se termine par un quiz validant les acquis des différentes sessions vidéos. Un quiz final faisant suite à un projet validera l'ensemble du MOOC. Vous pouvez passer vos quiz et travailler sur votre mini-projet quand vous le souhaitez. Néanmoins, il faudra patienter un peu pour obtenir votre attestation: il y aura 3 sessions d'évaluation dans l'année: le 16 mars, le 20 juillet et le 22 novembre 2018. Plan de cours Semaine 0: Introduction - Les enjeux du Big Data et de ce MOOC Semaine 1: Python Partie 1 / Algèbre Partie 1 Semaine 2: Limites des bases de données relationnelles / Python Partie 2/ Algèbre Partie 2 Semaine 3: Probabilités Partie 1 / Analyse Partie 1 Semaine 4: Probabilités Partie 2 / Analyse Partie 2 Semaine 5: Statistique Semaine 6: Le classifieur Perceptron
Stéphan Clémençon Professeur au département Traitement du Signal et de l'Image de Télécom ParisTech. Ses recherches portent sur la théorie statistique de l'apprentissage. Il a récemment encadré des projets de recherche nationaux théoriques et appliqués sur ce thème. Il est responsable du Mastère Spécialisé «Big data: Gestion et analyse des données massives» et du Certificat d'Etudes Spécialisées «Data Scientist». Pierre Senellart Professeur à l'École normale supérieure et responsable de l'équipe Valda d'Inria Paris, anciennement professeur à Télécom ParisTech. Ses intérêts de recherche portent sur les aspects pratiques et théoriques de la gestion de données du Web, en particulier le crawl et l'archivage du Web, l'extraction d'informations depuis le Web, la gestion de l'incertitude, la fouille du Web, et la gestion de données intensionnelles. Anne Sabourin Enseignant-chercheur au département Traitement du Signal et de l'Image de Télécom ParisTech. Ses recherches portent sur l'apprentissage statistique et les méthodes bayésiennes, en particulier pour l'analyse des valeurs extrêmes et la détection d'anomalies.
Un modèle complexe qui nécessite le plus souvent une expertise pour construire les requêtes et qui va à l'encontre de l'autonomie souhaitée par les métiers pour interroger les données. La difficulté ou l'impossibilité de prendre en compte dans les bases opérationnelles les évolutions de structure (catalogue produits, réseau commercial, etc. ) ou l'augmentation de la profondeur d'historique, ce qui constitue pourtant une demande forte des utilisateurs pour suivre et analyser les impacts de certains changements. Les principales avancées Les travaux de Bill Inmon sur l'entrepôt de données et ceux de Ralph Kimball sur la modélisation constituent les fondations du décisionnel que nous connaissons aujourd'hui. Les principales avancées portent principalement sur trois éléments: Une architecture technique dédiée pour le décisionnel constituée d'une base de données pour le stockage, d'un outil de type ETL (Extraction Transformation Loading) pour alimenter la base à partir des systèmes sources et de différents outils pour restituer les informations aux utilisateurs (reporting, analyse, outil statistique, etc. ).
Toutes les écoles membres du Collège de Paris partagent sans réserve trois valeurs fondatrices: > Excellence pédagogique: toutes nos formations conduisent à des diplômes professionnels reconnus par l'État, les cours que nous mettons en ligne sur Udemy permettent de préparer, partiellement ou entièrement, ces certifications. > Ouverture internationale: le Collège de Paris dispose d'un réseau de bureaux et de partenaires à l'étranger dont nous pouvons faire bénéficier nos élèves inscrits via Udemy qui souhaitent bénéficier d'une mobilité internationale. > Accompagnement individualisé des étudiants vers l'emploi: tous nos programmes correspondent à des besoins réels du marché de l'emploi et débouchent sur des métiers concrets. Un conseiller formation est à votre disposition pour répondre à vos question et vous aider à tirer le meilleur parti de nos cours en ligne! Commentaires des participants Avis Alexandre Safdari 17-08-2020 Très clair, mais trop court pour le prix... Très théorique. J'aurais souhaité quelques exemples.
skytimetravel.net, 2024