v2.11.0 (5674)

Cours scientifiques - ASI322 : Big Data

Domaine > Sciences et technologies de l'information et de la communication.

Descriptif

Ce cours vise à donner les bases théoriques et appliquées du stockage et traitement de grande volumétrie de données. Il convient de commencer par définir ce qu'est le Big Data et comprendre pourquoi ce domaine fait de plus en plus parler de lui. Ce cours se veut transverse sur les trois axes du parcours : il présente des éléments matériels et logiciels liés au Big Data ainsi que des problématiques de sécurité propres aux grands volumes de données. Il apporte une introduction aux architectures applicatives distribuées et de haute disponibilité. Les différentes possibilités de stockage de la donnée sont également étudiées : fichier, BDD, NoSql, DatawareHouse. Côté génie logiciel, une présentation est faite des approches de calcul distribué et des outils les plus utilisés (map-reduce et Spark). Deux à trois exemples d’architecture Big Data dans un environnement Cloud sont présentés avec des mises en pratique.

24.5 heures en présentiel (7 blocs ou créneaux)
réparties en:
  • Modules 3A : 24.5

2 heures de travail personnel estimé pour l’étudiant.

effectifs minimal / maximal:

9/30

Diplôme(s) concerné(s)

Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées

Notions d'architecture des systèmes d'information (ASI321).

Format des notes

Validé / non validé

Pour les étudiants du diplôme Mastère Spécialisé Architecture et Sécurité des systèmes d'information

L'UE est acquise si Note finale >= Validé
  • Crédits ECTS acquis : 3 ECTS

Le coefficient de l'UE est : 1

Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées

Vos modalités d'acquisition :

Examen.

L'UE est acquise si Note finale >= Validé
  • Crédits ECTS acquis : 2.5 ECTS

Le coefficient de l'UE est : 1

L'UE est évaluée par les étudiants.

Programme détaillé

 

Mots clés

Big Data, Analytics, BDD, NoSQl, HDFS, Map Reduce, Spark, Cassandra
Veuillez patienter