Data Analytics Fundamentals (French)

Ce cours d’autoformation porte sur le processus de planification des solutions d’analyse de données et sur les processus d’analytique des données connexes. Il couvre les cinq facteurs clés qui vous permettront de déterminer si vous avez besoin de services AWS spécifiques pour la collecte, le traitement, l’analyse et la présentation de vos données. Il couvre également les architectures de base, les propositions de valeur et les cas d’utilisation potentiels. Le cours présente les services et solutions AWS qui vous permettront de créer des solutions d’analyse de données et de les améliorer. Remarque : ce cours comporte des transcriptions ou des sous-titres localisés. La narration est en anglais. Pour afficher les sous-titres, cliquez sur le bouton CC dans le coin inférieur droit du joueur. Public visé: Ce cours s’adresse aux personnes suivantes : • Architectes de données • Scientifiques des données • Analystes de données Objectifs du cours: Dans ce cours, vous apprendrez à : • Identifier les caractéristiques des solutions d’analyse de données ainsi que les caractéristiques qui indiquent qu’une solution de ce type peut être nécessaire • Définir les types de données, comme les données structurées, semi-structurées et non structurées • Définir les types de stockage de données tels que les lacs de données, AWS Lake Formation, les entrepôts de données et Amazon Simple Storage Service (Amazon S3) • Analyser les caractéristiques du traitement par lots et du traitement des flux, ainsi que les différences entre ces deux types de traitement • Définir la façon dont Amazon Kinesis doit être utilisé pour traiter les données de streaming • Analyser les caractéristiques des différents systèmes de stockage pour les données sources • Analyser les caractéristiques des systèmes de traitement transactionnel en ligne (OLTP) et de traitement analytique en ligne (OLAP), ainsi que leur impact sur l’organisation des données au sein de ces systèmes • Analyser les différences entre les méthodes de stockage de données sur des lignes et en colonnes • Définir la façon dont Amazon EMR, AWS Glue et Amazon Redshift permettent de traiter, nettoyer et transformer les données au sein d’une solution d’analyse de données • Analyser les concepts de conformité ACID (atomicité, cohérence, isolation et durabilité) et BASE (disponibilité de base, état souple, cohérence éventuelle), ainsi que la façon dont un processus d’extraction/transformation/chargement (ETL) peut contribuer à assurer la conformité • Explorer le concept de schémas de données, et comprendre comment ceux-ci définissent les données et comment ces informations sont stockées dans les métastores • Analyser le concept données par rapport au concept informations • Identifier les méthodes d’analyse de données permettant de produire des informations pour les rapports à l’aide d’outils tels qu’Amazon QuickSight et Amazon Athena • Déterminer comment les services AWS collaborent pour vous permettre de visualiser les données Prérequis: Pour assister à ce cours, il est recommandé d’avoir les connaissances suivantes : • Connaissance pratique des concepts liés aux bases de données • Compréhension de base du stockage, du traitement et de l’analytique des données • Expérience des systèmes informatiques d’entreprise Méthode d’apprentissage: Ce cours combine les méthodes d’apprentissage suivantes : • Formation numérique Durée: •3,5 heures Déroulement du cours: Ce cours aborde les concepts suivants : Leçon 1 : Introduction aux solutions d’analyse de données • Concepts d’analytique des données et d’analyse de données • Introduction aux défis liés à l’analytique des données Leçon 2 : Volume – stockage de données • Introduction à Amazon S3 • Introduction aux lacs de données • Introduction aux méthodes de stockage des données Leçon 3 : Vélocité – traitement des données • Introduction aux méthodes de traitement des données • Introduction au traitement des données par lots • Introduction au traitement des données de flux Leçon 4 : Variété – structure et types de données • Introduction au stockage des données sources • Introduction aux magasins de données structurées • Introduction aux magasins de données semi-structurées et non structurées Leçon 5 : Véracité – nettoyage et transformation • Comprendre l’intégrité des données • Comprendre la cohérence des bases de données • Introduction au processus ETL Leçon 6 : Valeur – Rapports et veille stratégique • Introduction à l’analyse des données • Introduction à la visualisation des données Leçon 7 : Points clés à retenir • Rassembler les pièces • Prochaines étapes