Big Data : Informatique pour les données et calculs massifs

2ème année du cursus Supélec - Campus de Metz

Stéphane Vialle 

Supports de cours (slides et polycopié)

Chapitre 1 : Définitions et objectifs du cours		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
		Poly : chapitre 1

Partie I - Notions de base d'informatique distribuée

Chapitre 2 : Terminologie d'architecture		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
		Poly : chapitre 2
Chapitre 3 : Métriques de performance		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
		Poly : chapitre 3

Partie II - Distribution et parallélisation de traitements de données    

Chapitre 4 : Schémas de parallélisation		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
		Poly : chapitre 4
Chapitre 5 : Technologie d'Hadoop		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
		Poly : chapitre 5
Chapitre 6 : Algorithmique Map-Reduce		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
		Poly : chapitre 6
Chapitre 7 : Technologie de Spark		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp

Partie III - Bases de données NoSQL                                                              

Chapitre 8 : Emergence et principes du NoSQL		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
		Poly : chapitre 8
Chapitre 9 : Technologies des moteurs NoSQL		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
		Poly : chapitre 9
Chapitre 10 : Utilisation de MongoDB (chapitre technique - préparation du TD sur machine)		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp

Partie IV - Introduction au Machine Learning   

Chapitre 11 : Exploration et préparation des données		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
Chapitre 12 : Objectifs et principes du Machine Learning		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
Chapitre 13 : Algorithmes de clustering		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp
Chapitre 13 : Algorithmes d'arbres de décision et de forêts aléatoires		Notes de cours 2spp		Notes de cours 3spp		Notes de cours 6spp

TD 1 : Analyse de passage à l'échelle et bases d'algorithmique Map-Reduce		Enoncé
TD 2 : Algorithmique Map-Reduce		Enoncé
TD 3-4 : MongoDB		Enoncé

Bibliographie

Big Data & Data Science (ouvrages généraux) :

• Pirmin Lemberger, Marc Batty, Médéric Morel et Jean-Luc Raffaëlli. Big Data et Machine Learning. Dunod. 2015.

• Eric Biernat et Michel Lutz. Data Science : Fondamentaux et études de cas. Eyrolles. 2015.

• Bahaaldine Azarmi. Scalable Big Data Architecture. Apress. 2016.

• Kristina Chorodorw. MongoDB. The Definitive Guide. 2nd edition. O'Reilly. 2013.

• Rudi Bruchez. Les bases de données NoSQL et le Big Data. 2ème édition. Eyrolles. 2016.

• Tom White. Hadoop. The definitive Guide. 3rd edition. O'Reilly. 2013.

• Donald Miner and Adam Shook. MapReduce Design Patterns. O'Reilly. 2013.

• Matthew Kirk. Thoughtful Machine Learning with Python. O'Reilly. 2017.

• Barbara Chapman, Gabriele Jost, Ruud Van Der Pas and David Kuck. Using OpenMP. The MIT Press. 2008.

• William Gropp, Ewing Lusk and Anthony Skjellum. Using MPI. The MIT Press. 1999.

• Kevin Dowd and Charles Severance. High Performance Computing. 2nd edition. O'Reilly. 2008.

• BOURDA Yolaine. Bases de Données Relationnelles et Systèmes de Gestion de Bases de Données Relationnels - le langage SQL. Polycopié de Supélec. Mars 2002.