Big Data

Objectifs de l’enseignement :

Maîtrise des modèles multidimensionnels et des systèmes décisionnels.

Au cours de la dernière décennie, nous avons assisté à l’émergence d’applications numériques nécessitant de faire face à de gigantesques quantités de données, générées de plus en plus rapidement. Ces applications (surveillance de réseaux, biologie et médecine, applications financières, réseaux sociaux, etc.) nécessitent un besoin grandissant de techniques capables d’analyser et de traiter ces grandes masses d’information, avec précision et efficacité, de nouvelles approches, relatives au Big Data. Les techniques et les modèles doivent prendre en compte le volume pléthorique de ces données, mais également leur génération rapide en continu (vélocité) ainsi que la diversité de leur format (variété) et la qualité de l’information (véracité), appelés communément les 4V du Big Data

Connaissances préalables recommandées:

Notion de base sur les bases de données relationnelles

Contenu de la matière :

• Architectures et modélisation d’entrepôts de données
• Intégration de données hétérogènes.
• Requêtes
• Cubes de données, modèles conceptuels et
• Visualisation, Indexation, Optimisation de requêtes multidimensionnelles
• Big Data : concept et usage
• Les 4 V : Volumétrie, Vélocité, Variété, Véracité
• Bases de données et outils big data
• SQL et NoSQL
• Calculdistribué
• Cloud computing
• Map Reduce et Hadoop
• HIVE/PIG
• Spark

Mode d’évaluation :

60% examen et 40% travail personnel

Références:

J.-M. Franco et al., Piloter l’entreprise grâce au data warehouse, Eyrolles 2001. J.-F. Goglin, La construction du datawarehouse, Hermès 1998.

W.H.InmonBuilding the Data Warehouse, , Wiley 1996.

1997. Kimball Entrepôts de données, guide pratique du concepteur, ,Wiley 1997.
1998. Kimball et al., Concevoir et déployer un data warehouse, Eyrolles 2000. PirminLemberger, Marc Batty, Médéric Morel, Jean-Luc Raffaëlli. Big Data et machine learning – Manuel du data scientist, Dunod, 2015.

Rudi Bruchez. Les bases de données NoSQL et le BigData : Comprendre et mettre en œuvre,Eyrolles (2015)