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 viséCe cours s'adresse aux personnes suivantes :Architectes de donnéesScientifiques des donnéesAnalystes de donnéesObjectifs du coursDans 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 nécessaireDéfinir les types de données, comme les données structurées, semi-structurées et non structuréesDéfinir 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 traitementDéfinir la façon dont Amazon Kinesis doit être utilisé pour traiter les données de streamingAnalyser les caractéristiques des différents systèmes de stockage pour les données sourcesAnalyser 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 systèmesAnalyser les différences entre les méthodes de stockage de données sur des lignes et en colonnesDéfinir 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 donnéesAnalyser 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 conformitéExplorer le concept de schémas de données, et comprendre comment ceux-ci définissent les données et comment ces informations sont stockées dans les métastoresAnalyser le concept données par rapport au concept informationsIdentifier 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 AthenaDéterminer comment les services AWS collaborent pour vous permettre de visualiser les donnéesPrérequisPour assister à ce cours, il est recommandé d'avoir les connaissances suivantes :Connaissance pratique des concepts liés aux bases de donnéesCompréhension de base du stockage, du traitement et de l'analytique des donnéesExpérience des systèmes informatiques d'entrepriseMéthode d'apprentissageCe cours combine les méthodes d'apprentissage suivantes :Formation numériqueDurée3,5 heuresDéroulement du coursCe cours aborde les concepts suivants :Leçon 1 : Introduction aux solutions d'analyse de donnéesConcepts d'analytique des données et d'analyse de donnéesIntroduction aux défis liés à l'analytique des donnéesLeçon 2 : Volume – stockage de donnéesIntroduction à Amazon S3Introduction aux lacs de donnéesIntroduction aux méthodes de stockage des donnéesLeçon 3 : Vélocité – traitement des donnéesIntroduction aux méthodes de traitement des donnéesIntroduction au traitement des données par lotsIntroduction au traitement des données de fluxLeçon 4 : Variété – structure et types de donnéesIntroduction au stockage des données sourcesIntroduction aux magasins de données structuréesIntroduction aux magasins de données semi-structurées et non structuréesLeçon 5 : Véracité – nettoyage et transformationComprendre l'intégrité des donnéesComprendre la cohérence des bases de donnéesIntroduction au processus ETLLeçon 6 : Valeur – Rapports et veille stratégiqueIntroduction à l'analyse des donnéesIntroduction à la visualisation des donnéesLeçon 7 : Points clés à retenirRassembler les piècesProchaines étapes