Savoir installer, configurer, Dataiku DSS, l'utiliser depuis l'interface web ou des API.
Connaissance des principes de la manipulation de données et du machine learning.
|
| Présentation, concepts DSS |
Durée : 3h
Méthodes pédagogiques : exposé/échanges
Matériels et moyens : video-projecteur en présentiel, tableau partagé en classe virtuelle | Fonctionnalités :
Mise à disposition des méthodes et outils de data-sciences à partir d'une interface graphique ou de langages de requêtage ou de programmation (Python, SQL, R), principe de "Self Service Analytics"
Cluster DSS : Design, Deployer, Api, Automation et Govern Nodes
Notions de projet, data, dataset, recipes
Outils collaboratif : Wiki, tags, discussions...
Premiers pas avec Dataiku DSS : exemples
|
|
| Connexion aux données |
Durée : 3h
Méthodes pédagogiques : exposé/échanges
Matériels et moyens : video-projecteur en présentiel, tableau partagé en classe virtuelle | Connecteurs disponibles, formats de fichiers, formats spécifiques Hadoop/Spark
Chargement des fichiers, emplacement des fichiers,
Système de fichiers, HDFS, Amazon S3, stockage Google Cloud, etc ...
FTP, connexion ssh, connexion aux bases de données SQL
Autres stockages : Cassandra, MongoDB, Elasticsearch, ...
|
|
| Préparation des données |
Durée : 3h
Méthodes pédagogiques : exposé/échanges
Matériels et moyens : video-projecteur en présentiel, tableau partagé en classe virtuelle | Scripts de préparation, échantillonnage, exécution,
les différents moteurs d'exécution: DSS, Spark, base de données SQL
|
|
| Graphiques et statistiques |
Durée : 3h
Méthodes pédagogiques : exposé/échanges
Matériels et moyens : video-projecteur en présentiel, tableau partagé en classe virtuelle | Présentation des types de graphiques disponibles et configuration
Echantillonnage et exécution,
graphiques de base, tables, nuages de points,
visualisation cartographique, etc ...
Réalisation d'exercices pratiques.
Fonctionnalités statistiques disponibles,
démonstrations
|
|
| Machine learning |
Durée : 3h
Méthodes pédagogiques : exposé/échanges
Matériels et moyens : video-projecteur en présentiel, tableau partagé en classe virtuelle | Le laboratoire
Fonctionnalités disponibles:
apprentissage supervisé et non supervisé,
algorithmes utilisés, scoring, deep learning...
Evaluation, optimisation, compréhension du modèle
Déploiement et cycle de vie du modèle
|
|
| Flow/Recipes |
Durée : 3h
Méthodes pédagogiques : exposé/échanges
Matériels et moyens : video-projecteur en présentiel, tableau partagé en classe virtuelle | Interface graphique de gestion des cycles de traitement,des datasets,
des traitements,paramètrage de l'exécution en parallèle,
des données géographiques,
export en format pdf ou images, etc ...
Travaux pratiques
|
|
| Interfaces de programmation |
Durée : 3h
Méthodes pédagogiques : exposé/échanges
Matériels et moyens : video-projecteur en présentiel, tableau partagé en classe virtuelle | Présentation des différentes interfaces : SQL, Python, R
Exemples d'interrogations SQL et Python
Interfaçage avec Spark
|
