Introduction (2H)

• Les origines du Big Data : un monde de données numériques, l’e-santé, chronologie
• Une définition par les quatre V : la provenance des données
• Une rupture : changements de quantité, de qualité, d’habitudes
• La valeur de la donnée : un changement d’importance
• La donnée en tant que matière première
• Le quatrième paradigme de la découverte scientifique

Big Data : traitements depuis l’acquisition jusqu’au résultat (1H30)

• L’enchaînement des opérations
• L’acquisition
• Le recueil des données : crawling, scraping
• La gestion de flux événementiels (Complex Event Processing, CEP)
• L’indexation du flux entrant
• L’intégration avec les anciennes données
• La qualité des données : un cinquième V ?
• Les différents types de traitement : recherche, apprentissage (Machine Learning, transactionnel, data mining)
• D’autres modèles d’enchaînement : Amazon, e-Santé
• Un ou plusieurs gisements de données ? De Hadoop à l’in-memory
• De l’analyse de tonalité à la découverte de connaissances

Relations entre Cloud et Big Data (1H30)

• Le modèle d’architecture des Clouds publics et privés
• Les services XaaS
• Les objectifs et avantages des architectures Cloud
• Les infrastructures
• Les égalités et les différences entre Cloud et Big Data
• Les Clouds de stockage
• Classification, sécurité et confidentialité des données
• La structure comme critère de classification : non structurée, structurée, semi-structurée
• Classification selon le cycle de vie : données temporaires ou permanentes, archives actives
• Difficultés en matière de sécurité : augmentation des volumétries, la distribution

Introduction à l’Open Data (0H30)

• La philosophie des données ouvertes et les objectifs
• La libération des données publiques
• Les difficultés de la mise en œuvre
• Les caractéristiques essentielles des données ouvertes
• Les domaines d’application
• Les bénéfices escomptés

Matériel pour les architectures de stockage (0H30)

• Les serveurs, disques, réseaux et l’usage des disques SSD, l’importance de l’infrastructure réseau
• Les architectures Cloud et les architectures plus traditionnelles
• Les avantages et les difficultés
• Le TCO
  La consommation électrique : serveurs (IPNM), disques (MAID)
• Le stockage objet : principe et avantages
• Le stockage objet par rapport aux stockages traditionnels NAS et SAN
• L’architecture logicielle
• Niveaux d’implantation de la gestion du stockage
• Le « Software Defined Storage »
• Architecture centralisée (Hadoop File System)
• L’architecture Peer-to-Peer et l’architecture mixte
• Les interfaces et connecteurs : S3, CDMI, FUSE, et avenir des autres stockages (NAS, SAN) par rapport au stockage objet

Protection des données (1H)

• La conservation dans le temps face aux accroissements de volumétrie
• La sauvegarde, en ligne ou locale ?
• L’archive traditionnelle et l’archive active
• Les liens avec la gestion de hiérarchie de stockage : avenir des bandes magnétiques
• La réplication multisites
• La dégradation des supports de stockage

Méthodes de traitement et champs d’application (1H)

• Classification des méthodes d’analyse selon le volume des données et la puissance des traitements
• Hadoop : le modèle de traitement Map Reduce
• L’écosystème Hadoop : Hive, Pig. Les difficultés d’Hadoop
• OpenStack et le gestionnaire de données Ceph
• Le Complex Event Processing : un exemple ? Storm
• Le décisionnel et le transactionnel renouvelés : les bases de données NoSQL.Typologie
• L’ingestion de données et l’indexation
• Les crawlers Open Source
• Recherche et analyse : Elasticsearch
• L’apprentissage : Mahout. In-memory
• Visualisation : temps réel ou non, sur le Cloud (Bime), comparaison QlikView, Tibco Spotfire, Tableau
• Une architecture générale du data mining via le Big Data

Exemples et conclusions durant la journée