> Formations > Technologies numériques > Data : Pilotage et Ingénierie de la Donnée > Data Engineering, écosystème du Big Data > Formation Data Engineer, Bootcamp (13 semaines) > Formations > Technologies numériques > Formation Data Engineer, Bootcamp (13 semaines)
Data Engineer, Bootcamp (13 semaines)by DataScientest
Cours pratique - 57j
- 400 h 00 - Réf. 4II
|
 | Élaborer une architecture technique de gestion de données. |
| Déployer une solution d’analyse de données massives intégrant l’intelligence artificielle. |
Public concerné
Personnes ayant une appétence pour la programmation et la manipulation des données.
Méthodes et moyens pédagogiques
Cours et exercices en ligne, masterclass collective, séances de questions/réponses, classes de soutien, accompagnement par mail, projet fil rouge, coaching carrière individualisé, social learning.
Programme de la formation
1 Prochaines dates de sessions
- Avril 2026 : Début au 07/04/26
- Avril 2026 : Début au 24/04/26
- Juin 2026 : Début au 02/06/26
2 Programmation
- Python : variables, types, opérateurs, boucles, fonctions, classes, modules.
- Python : multithreading et multiprocessing sur Python, fonction asynchrone, bibliothèque MyPy.
- Web Scraping : BeautifulSoup, navigation sur un document HTML et identification des données.
3 Outils avancés
- Git : introduction, dépôt Git, branche, tag et merge.
- GitHub : introduction à la plateforme, fork, pull request, issues, pull and push, Github Actions.
- Système Linux et Script Bash : systèmes Linux, utilisation d'un terminal, scripts Bash.
4 Big Data Variété
- SQL : bases de données relationnelles, langage SQL, approfondissement et application.
- ElasticSearch : moteur de recherche, index, Mapping, Ingest node, Text Analyzer.
- MongoDB : présentation, requêtes MongoDB.
- Neo4j : données orientées graph, requête Cypher, chargement de données, client Python pour Neo4J.
- Hbase : bases de données orientées colonne, modification des données par Python et Happybase.
5 Batch & streaming
- PySpark : calcul distribué, APIs RDD et Dataframe, processing de données distribuées, Machine Learning distribué.
- Kafka : architecture et avantages, gestion des paramétrages, paramétrages de Consumers.
- Streaming avec Spark : traitement de données temps réel, mini-batch streaming, Structured Streaming, pipeline.
6 Entreposage pratique des données
- Snowflake : Data Warehousing avec une sécurité robuste, analyse de données SQL pour le cloud, optimisation plateforme.
- Data Warehousing avec DBT (ELT) : transformations, datasets de haute qualité, automatisation de l'exécution.
7 Cloud AWS
- AWS Solution Architect : bonnes pratiques, conception d’architectures, amélioration continue et automatisation.
- AWS Solution Architect : présentation du cloud AWS, les services clés de la plate-forme AWS.
8 Machine Learning
- Statistiques : variables numériques, variables catégorielles, relations entre les variables.
- Data Visualisation : différents types de graphiques avec Matplotlib, création d’applications Dash.
- Machine Learning : pré-traitement, algorithmes de Machine Learning (régression, classification, clustering).
- ML Flow : l’architecture MLFlow, MLFlow Tracking, MLFlow Projects, MLFlow Models, MLFlow Registry, cycle de vie.
9 DevOps - Virtualisation
- APIs : architectures micro services, méthodes HTTP, librairies FastAPI et Flask, spécification OpenAPI, gestion API.
- Docker : concept de conteneurisation, images et des conteneurs, communication, persistance, Dockerhub, docker-compose.
- Sécurisation des API : clés API (API Keys), authentification HTTP Basique, JSON Web Token et HTTPS.
- Kubernetes : déployer et gérer des conteneurs, initialisation et architecture, API avec Kubernetes.
10 CI/CD et Monitoring
- Airflow : concept d'orchestration, graphe orienté acycliques ou DAG, opérateurs, gestion des tâches, monitoring.
- Tests unitaires avec Python : tests unitaires avec Pytest, tests d’intégration, avantages des tests, intégration.
- GitLab : installation, initialisation, ajout et suppression, Git Blame, Tag, statut de dépôt, gestion des conflits.
- Prometheus & Grafana : utilité du monitoring, Prometheus Query Language, Dashboard avec Grafana, intégration.
Solutions de financement
Plusieurs solutions existent pour financer votre formation et dépendent de votre situation professionnelle.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.
PARTICIPANTS
Personnes ayant une appétence pour la programmation et la manipulation des données.
PRÉREQUIS
COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.
MODALITÉS D’ÉVALUATION
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.
MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.
ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.
Personnes ayant une appétence pour la programmation et la manipulation des données.
PRÉREQUIS
COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.
MODALITÉS D’ÉVALUATION
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.
MOYENS PÉDAGOGIQUES ET TECHNIQUES
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.
MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.
ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.