Ce cours s'adresse aux programmeurs débutants ou aux professionnels qui souhaitent comprendre les principaux outils utilisés pour traiter et analyser les données volumineuses (big data). Sans expérience préalable, vous aurez l'opportunité de travailler sur des exemples pratiques avec les frameworks Hadoop et Spark, deux des plus répandus dans l'industrie. Vous serez à l'aise pour expliquer les composants spécifiques et les processus de base de l'architecture Hadoop, de la pile logicielle et de l'environnement d'exécution. Dans les missions, vous serez guidé dans la façon dont les scientifiques de données appliquent les concepts importants et les techniques telles que Map-Reduce qui sont utilisés pour résoudre les problèmes fondamentaux dans le big data. Vous vous sentirez capable d'avoir des conversations sur le big data et le processus d'analyse des données.
Plate-forme Hadoop et cadre applicatif
Instructeurs : Natasha Balac, Ph.D.
149 929 déjà inscrits
Inclus avec 
(3,322 avis)
Compétences que vous acquerrez
- Catégorie : Programmation en Python
- Catégorie : Apache Hadoop
- Catégorie : Mapreduce
- Catégorie : Apache Spark
Détails à connaître
Ajouter à votre profil LinkedIn
11 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 5 modules dans ce cours
Bienvenue dans le premier module du cours Big Data Platform. Ce premier module vous donnera un aperçu de l'engouement pour le Big Data, de ses technologies, de ses opportunités et de ses défis. Nous approfondirons la pile Hadoop et les outils et technologies associés aux solutions Big Data.
Inclus
7 vidéos4 lectures1 devoir
Dans ce module, nous examinerons en détail la pile Hadoop, depuis les composants de base HDFS jusqu'aux cadres d'exécution des applications, en passant par les langages et les services.
Inclus
10 vidéos6 lectures3 devoirs
Dans ce module, nous allons examiner en détail le système de fichiers distribués Hadoop (HDFS). Nous couvrirons les principaux objectifs de conception de HDFS, comprendrons le processus de lecture/écriture sur HDFS, les principaux paramètres de configuration qui peuvent être réglés pour contrôler la performance et la robustesse de HDFS, et nous aurons un aperçu des différentes façons dont vous pouvez accéder aux données sur HDFS.
Inclus
9 vidéos5 lectures3 devoirs
Ce module présente les concepts et la pratique de Map/Reduce. Vous découvrirez l'idée générale de Map/Reduce et vous apprendrez à concevoir, implémenter et exécuter des tâches dans le cadre de Map/Reduce. Vous apprendrez également les compromis dans map/reduce et comment cela motive d'autres outils.
Inclus
9 vidéos3 lectures1 devoir2 devoirs de programmation
Bienvenue au module 5, Introduction à Spark, cette semaine nous allons nous concentrer sur le cadre de calcul en cluster Apache Spark, un concurrent important de Hadoop MapReduce dans l'arène du Big Data. Spark offre de grands avantages en termes de performances par rapport à Hadoop MapReduce, en particulier pour les algorithmes itératifs, grâce à la mise en cache en mémoire. De plus, Spark permet aux scientifiques de données d'écrire plus facilement leur pipeline d'analyse en Python et Scala, et fournit même des shells interactifs pour jouer en direct avec les données.
Inclus
10 vidéos4 lectures3 devoirs2 devoirs de programmation
Instructeurs
Offert par
Recommandé si vous êtes intéressé(e) par Analyse des Données
University of California San Diego
Alibaba Cloud Academy
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
3 322 avis
- 5 stars
45,28 %
- 4 stars
28,11 %
- 3 stars
12,38 %
- 2 stars
6,77 %
- 1 star
7,44 %
Affichage de 3 sur 3322
Révisé le 31 janv. 2016
I'm forced to give 5 stars. I don't want to have a certification on a poor quality course (another coursera mistake). This material needs tremendous amount of work to get finished and revised.
Révisé le 1 mars 2016
Very good overview, but not extremely in-depth. It's a great course to get an understanding of the concepts and you can investigate deeper later into the topics that interest you.
Révisé le 26 oct. 2017
A
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.