Formation Azure Data Lake Storage Gen2

Cette formation en direct, dirigée par un formateur, à France (en ligne ou sur site) s'adresse aux professionnels de niveau intermédiaire et avancé qui souhaitent construire et déployer des applications cloud alimentées par l'intelligence artificielle en utilisant Microsoft Azure.

À la fin de cette formation, les participants seront capables de :

• Développer des applications basées sur les événements et sans serveur à l'aide d'Azure Functions.
• Gérer les solutions de stockage Azure et les machines virtuelles.
• Déployer et échelonner les applications web en utilisant Azure App Service et des conteneurs Docker.
• Intégrer l'IA, l'apprentissage automatique et le traitement du langage naturel à l'aide d'Azure AI Services.
• Utiliser GitHub Copilot pour aider au développement d'applications cloud pilotées par l'IA.

Cette formation en direct animée par un formateur dans France (en ligne ou en présentiel) s'adresse aux développeurs et aux professionnels techniques de niveau débutant, intermédiaire ou avancé souhaitant utiliser Microsoft Azure pour développer, tester et déployer des agents IA dans le cadre d'applications professionnelles.

À l'issue de cette formation, les participants seront en mesure de : comprendre l'architecture des agents IA sur Azure, créer et configurer un agent fonctionnel, connecter les agents aux sources de connaissances de l'entreprise, évaluer et préparer les agents pour le déploiement.

Cette formation dirigée par un instructeur, en ligne ou sur site (en France), est destinée aux ingénieurs DevOps, développeurs et gestionnaires de projet qui souhaitent utiliser Azure DevOps pour construire et déployer des applications d'entreprise optimisées plus rapidement que les approches traditionnelles de développement.

À la fin de cette formation, les participants seront capables de :

• Comprendre le vocabulaire et les principes fondamentaux de DevOps.
• Installer et configurer les outils Azure DevOps nécessaires pour le développement de logiciels.
• Utiliser les outils et services Azure DevOps pour s'adapter continuellement au marché.
• Construire des applications d'entreprise et évaluer les processus actuels de développement sur les solutions Azure DevOps.
• Gérer les équipes plus efficacement et accélérer le temps de déploiement du logiciel.
• Adopter les pratiques de développement DevOps au sein de l'organisation.

Ce formation en direct (en ligne ou sur site) est destinée aux scientifiques des données et ingénieurs de niveau intermédiaire qui souhaitent utiliser Google Colab et Apache Spark pour le traitement et l'analyse de grandes masses de données.

À la fin de cette formation, les participants seront capables de :

• Configurer un environnement big data en utilisant Google Colab et Spark.
• Traiter et analyser des jeux de données volumineux efficacement avec Apache Spark.
• Visualiser les grands ensembles de données dans un environnement collaboratif.
• Intégrer Apache Spark avec des outils basés sur le cloud.

Cette formation en direct, animée par un formateur (en ligne ou sur place), s'adresse aux développeurs Java de niveau intermédiaire, aux ingénieurs logiciels et aux passionnés du cloud qui souhaitent utiliser le potentiel d'Azure OpenAI pour créer des applications intelligentes.

À la fin de cette formation, les participants seront capables de :

• Comprendre les principes de l'IA générative et ses applications.
• Configurer et gérer un service Azure OpenAI.
• Intégrer les modèles d'OpenAI dans des applications Java.
• Déployer des fonctionnalités alimentées par l'IA au sein des applications web.

Dans cette formation dirigée par un instructeur, en direct dans France (en ligne ou sur place), les participants apprendront à mettre en place et à gérer un environnement de conteneurs à l'échelle de la production en utilisant Kubernetes sur AKS.

A la fin de cette formation, les participants seront capables de :

• Configurer et gérer Kubernetes sur AKS.
• Déployer, gérer et mettre à l'échelle un cluster Kubernetes.
• Déployer des applications conteneurisées (Docker) sur Azure.
• Migrer un environnement Kubernetes existant sur site vers le cloud AKS.
• Intégrer Kubernetes avec un logiciel d'intégration continue (CI) tiers.
• Assurer la haute disponibilité et la reprise après sinistre dans Kubernetes.

Apache NiFi est une plateforme open-source, basée sur le flux de données, pour l'intégration et le traitement d'événements. Elle permet un routage, une transformation et une médiation en temps réel entre des systèmes disparates, avec une interface utilisateur web et un contrôle granulaire.

Cette formation dirigée par un instructeur (sur site ou à distance) est destinée aux administrateurs et ingénieurs de niveau intermédiaire qui souhaitent déployer, gérer, sécuriser et optimiser les flux de données NiFi dans des environnements de production.

À la fin de cette formation, les participants seront en mesure de :

• Installer, configurer et maintenir des clusters Apache NiFi.
• Concevoir et gérer des flux de données provenant de sources et de récepteurs variés.
• Mettre en œuvre l'automatisation du flux, le routage et la logique de transformation.
• Optimiser les performances, surveiller les opérations et dépanner les problèmes.

Format du cours permettant d'évaluer les participants

• Cours interactif avec discussion sur l'architecture réelle.
• Laboratoires pratiques : construction, déploiement et gestion des flux.
• Exercices basés sur des scénarios dans un environnement de laboratoire en direct.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.

Cette formation offre une introduction pratique à la construction de workflows évolutifs de traitement de données et de Machine Learning utilisant PySpark. Les participants découvrent le fonctionnement d'Apache Spark au sein des écosystèmes modernes de Big Data et apprennent à traiter efficacement de grands volumes de données grâce aux principes du calcul distribué.

Cette formation en direct (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent mettre en place et déployer un système Apache Spark de traitement de très grandes quantités de données.

A l'issue de cette formation, les participants seront capables de :

• Installer et configurer Apache Spark.
• Traiter et analyser rapidement de très grands ensembles de données.
• Comprendre la différence entre Apache Spark et Hadoop MapReduce et savoir quand utiliser l'un ou l'autre.
• Intégrer Apache Spark avec d'autres outils d'apprentissage automatique.

Cette formation en direct avec instructeur à France (en ligne ou sur site) s'adresse aux administrateurs système de niveau débutant à intermédiaire qui souhaitent déployer, maintenir et optimiser les clusters Spark.

A l'issue de cette formation, les participants seront capables de :

• Installer et configurer Apache Spark dans différents environnements.
• Gérer les ressources du cluster et surveiller les applications Spark.
• Optimiser les performances des clusters Spark.
• Mettre en place des mesures de sécurité et assurer la haute disponibilité.
• Déboguer et résoudre les problèmes courants liés à Spark.

L'apprentissage d'Apache Spark présente une courbe d'apprentissage qui s'accélère lentement au début, nécessitant beaucoup d'efforts pour obtenir les premiers résultats. Ce cours vise à franchir la première partie difficile. Après avoir suivi ce cours, les participants comprendront les bases d'Apache Spark, distingueront clairement RDD de DataFrame, apprendront l'API Python et Scala, comprendront les exécuteurs et les tâches, etc. En suivant les meilleures pratiques, ce cours se concentre fortement sur le déploiement dans le cloud, Databricks et AWS. Les étudiants comprendront également les différences entre AWS EMR et AWS Glue, l'un des derniers services Spark d'AWS.

PUBLIC :

Data Engineer, DevOps, Data Scientist

Au cours de cette formation en direct avec instructeur à France, les participants apprendront à utiliser Python et Spark ensemble pour analyser les données volumineuses (big data) en travaillant sur des exercices pratiques.

A la fin de cette formation, les participants seront capables de :

• Apprendre à utiliser Spark avec Python pour analyser Big Data.
• Travailler sur des exercices qui imitent des cas réels.
• Utiliser différents outils et techniques pour l'analyse des big data en utilisant PySpark.

Cette formation en France (en ligne ou sur site) est destinée aux développeurs qui souhaitent utiliser et intégrer Spark, Hadoop et Python pour traiter, analyser et transformer des ensembles de données complexes et volumineux.

A l'issue de cette formation, les participants seront capables de :

• Mettre en place l'environnement nécessaire pour commencer à traiter les big data avec Spark, Hadoop et Python.
• Comprendre les fonctionnalités, les composants de base et l'architecture de Spark et Hadoop.
• Apprendre à intégrer Spark, Hadoop et Python pour le traitement des big data.
• Explorer les outils de l'écosystème Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka et Flume).
• Construire des systèmes de recommandation par filtrage collaboratif similaires à Netflix, YouTube, Amazon, Spotify et Google.
• Utiliser Apache Mahout pour mettre à l'échelle des algorithmes d'apprentissage automatique.

Stratio est une plateforme axée sur les données qui intègre le big data, l'IA et la gouvernance dans une seule solution. Ses modules Rocket et Intelligence permettent des explorations de données rapides, des transformations et des analyses avancées dans des environnements d'entreprise.

Cette formation dirigée par un instructeur (en ligne ou sur site) est destinée aux professionnels des données de niveau intermédiaire qui souhaitent utiliser efficacement les modules Rocket et Intelligence de Stratio avec PySpark, en se concentrant sur les structures de boucle, les fonctions définies par l'utilisateur et la logique de données avancée.

À la fin de cette formation, les participants seront capables de :

• Naviguer et travailler dans la plateforme Stratio en utilisant les modules Rocket et Intelligence.
• Appliquer PySpark dans le contexte de l'ingestion, de la transformation et de l'analyse des données.
• Utiliser les boucles et la logique conditionnelle pour contrôler les flux de travail de données et les tâches d'ingénierie des caractéristiques.
• Créer et gérer des fonctions définies par l'utilisateur (UDFs) pour des opérations de données réutilisables en PySpark.

Format du cours permettant d'évaluer les participants

• Cours interactif avec discussion.
• Nombreux exercices et pratiques.
• Mise en œuvre pratique dans un environnement de laboratoire en direct.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.