M2 DataScience Polytechnique – Infrastructure de données

Dans le cadre du double diplôme co-habilité avec Polytechnique : M2 DataScience
Cette page contient l’ensemble du matériel de cours Infrastructure de Données dédié à la conception de bases de données NoSQL et de systèmes d’information pour le BigData. Bien que ces termes soient très à la mode et attractifs, je précise que nous allons nous focaliser sur :

• L’univers du NoSQL : pourquoi ? comment ? quels sont les contraintes ? quelles sont les solutions ? Quelles sont les problématiques
• Comprendre les techniques de sharding : Cluster (Hadoop, Spark), Indexation (MongoDB), Hachage (Cassandra)
• Savoir modéliser les données pour le NoSQL et dénormaliser un schéma relationnel
• Pratique du NoSQL d’un point de vue interrogation (requêtes) : MongoDB

Transparents de cours

• Introduction au NoSQL, la problématique du choix d’optimisation
• JSON, Jointures et dénormalisation
• MongoDB
• Le hachage dynamique et la DHT
• Les indexes distribués et Hadoop
• Cassandra

Exercices et Travaux Pratiques

• Exercices: JSON, Dénormalisation et jointures
• Projet d’Infrastructure de données
• Hachage linéaire, DHT
• TP MongoDB : Interrogation

Matériel supplémentaire

• Mon cours sur OpenClassrooms
• DynamoDB (Amazon)
• Spark (b3d.bdpedia.fr)
• Pig Latin (b3d.bdpedia.fr) et TP
• Le framework Map/Reduce (source b3d.bdpedia.fr conjointement avec Philippe Rigaux)
• TP MongoDB : Réplication & Distribution
• Jeux de données au format JSon pour les projets
• TP Cassandra : Modélisation & Interrogation
• TP Elasticsearch : Interrogation