Formation Applications Java Prêtes Pour La Production

Big Data : enjeux et opportunités / Evolution des données

Le Big Data et ses 4 grands défis : volume, variété, vélocité, véracité.

Données massives : Web, réseaux sociaux, Open Data, capteurs, données industrielles.

Ouverture des données publiques : le mouvement Open Data.

Variété, distribution, mobilité des données sur Internet.

Vélocité et flux continus de données.

Le Edge Computing, vers une informatique de flux

Les enjeux pour les entreprises

Le processus de création de valeur grâce au Big Data

Véracité des données provenant de sources variées pour la prise de décision.

Analyses complexes sur Big Data, Big Analytics.

Production d'informations en temps réel à partir de Big Data.

Réactivité : traitement de flux de données en temps réel, Complex Event Processing (CEP).

Définir sa stratégie de déploiement : Cloud, "on-premise" ou hybride

Opportunités offertes par les progrès matériels

Le stockage : Disques durs HDD vs SSD "on premise" et stockage objet ou bloc dans le Cloud.

L'impact de la baisse du coût de la mémoire : l'avènement du traitement de données in-memory

Couplage CPU/GPU pour une meilleure optimisation du calcul parallèle.

Les stratégies de stockage disque en réseau NAS/SAN/Isilon (stockage élastique) : Quels impacts sur les architectures de gestion de données ?

Les architectures massivement parallèles (MPP) vs Hadoop

Les appliances.

Compréhension des technologies utilisées / Motivations

Le théorème CAP (Consistency, Availability, Partition tolerance) : analyse et impact.

La pile logicielle Big Data (la "stack Hadoop")

Les fondamentaux des Big Data

L'organisation fonctionnelle et les principaux composants : stockage, organisation, traitement, intégration, outils d'analyse.

La gestion de clusters.

Les "design pattern" d'Hadoop (architectures Lambda, Kappa, Omega, etc.), pour répondre à quels usages

Comparaison avec les SGBD relationnels.

Les différentes méthodologies adaptées au Big Data

La gouvernance des projets Big Data

Qu'est-ce que la gouvernance Gouvernance des données

Gouvernance des projets

Organisation et rôles

Les grands principes des méthodes agiles

Le design thinking pourquoi est-il adapté aux enjeux du Big data ?

Les principes de base du design thinking

Les méthodes de développement

Les impacts sur l'organisation d'une DSI (privilégier la conception collaborative)

Intégrer les métiers dès la phase de conception

Définir les différents ateliers (modeling, intercation design, prototypage)

La sécurité du Big Data

Les 5 cercles de défense du Big Data

Protection de la donnée

Sécurité périmétrique

Gestion des authentifications

Gestion des autorisations

Sécurité du système d'exploitation

Utilisation de la cryptographie

Comprendre les fondamentaux (cryptographie, cryptanalyse, kleptographie, etc.).

Les trois approches de gestion des clés de chiffrement dans une architecture Big Data.

Les enjeux du chiffrement homomorphe.

Les outils de data management de la donnée

Le chiffrement à la volée avec préservation de format.

Les bonnes pratiques en matière de chiffrement et les recommandations de l'ANSSI et de l'ENISA.

Autres techniques de protection des données

Comprendre le cycle de vie des données dans une architecture Big Data.

Les outils en charge de la gouvernance et du cycle de vie des données

La classification des données. L'importance de la classification dans les projets Big Data.

L'anonymisation et la pseudonymisation des données.

Éthique et enjeux juridiques / principes généraux de conformité et de responsabilités

Responsabilités sur le plan Informatique et Libertés

Responsabilités sur le plan identités

Responsabilités sur le plan régulation

Responsabilités sur le plan économique

Responsabilités sur le plan sécurité

Responsabilités sur le plan patrimoine

Responsabilités sur le plan de l'archivage

Responsabilités sur le plan ressources humaines

Cas d'usage, retours d'expériences Micropole

Cas banque

Utilisation de la méthodologie Design Thinking pour aider l'entreprise à devenir Data Centric, c'est-à-dire en partant de zéro, comment se former, se transformer, choisir sa distribution Hadoop, l'installer, la paramétrer, préparer la gouvernance et préparer les premiers usages

• Admission sans disposition particulière

Les stagiaires aborderont les questions suivantes :

Quels sont les qualités qu'un exploitant attend d'une procédure de déploiement d'application Java ?

Comment rendre une application Web Java robuste, tolérante aux pannes et capable de supporter des pics de trafic sans effondrer ses backends ?

Comment exposer à une équipe de supervision les indicateurs de bon fonctionnement d'une application Java ?

Comment améliorer la qualité des logs ?