Cloud Data Engineering

Objectifs

À l'issue de cette formation, le stagiaire sera capable de :

• Définir les concepts clés du Cloud Computing et ses modèles de déploiement


• Différencier les modèles de service IaaS, PaaS, SaaS et donner des exemples


• Expliquer le rôle de la virtualisation dans le Cloud


• Identifier les avantages, défis et enjeux liés à l'adoption du Cloud


• Reconnaître les principaux acteurs du marché Cloud


• Comparer les offres et services phares des 3 grands fournisseurs Cloud


• Identifier les services de calcul, stockage et réseau sur chaque plateforme


• Choisir le fournisseur Cloud adapté selon les besoins et contraintes


• Comprendre les modèles de tarification et critères de sélection


• Maîtriser les services de stockage et de traitement de données AWS


• Concevoir des architectures data sur AWS (S3, RDS, Redshift, EMR)


• Implémenter des pipelines de données avec AWS Glue et Lambda


• Superviser et optimiser les performances des infrastructures data AWS


• Appliquer les bonnes pratiques de sécurité des données sur AWS


• Maîtriser les solutions de stockage Azure (Cosmos DB, Data Lake, Blob)


• Implémenter des traitements par lots et temps réel avec Azure Data Factory et Databricks


• Sécuriser les données sur Azure (chiffrement, masquage, endpoints)


• Optimiser les performances et la haute disponibilité des solutions data Azure

Description

Introduction au Cloud Computing

Modèles de service Cloud 

Modèles de déploiement et architecture Cloud 

AWS — Services fondamentaux 

Azure & GCP — Services fondamentaux et comparatif 

Stockage de données sur AWS 

Traitement et analyse de données AWS 

 Pipelines de données et streaming AWS 

Sécurité, monitoring et optimisation data AWS 

Stockage de données sur Azure 

Traitement de données avec Azure Data Factory et Databricks

Sécurité, performance et gouvernance des données Azure 








 

Conditions d'accès

Connaissances de base en bases de donnees et SQL, notions de Cloud appreciees