v2.11.0 (5687)

Cours scientifiques - CSC_5CY07_TA : Big Data

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

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

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Inside ENSTA Paris

Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)
    L'UE est acquise si Note finale >= 10
    • Crédits ECTS acquis : 2.5 ECTS

    Le coefficient de l'UE est : 1

    La note obtenue rentre dans le calcul de votre GPA.

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

    Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)
      L'UE est acquise si Note finale >= 10
      • Crédits ECTS acquis : 2.5 ECTS

      Le coefficient de l'UE est : 1

      La note obtenue rentre dans le calcul de votre GPA.

      L'UE est évaluée par les étudiants.

      Programme détaillé

       

      Mots clés

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