L'ESILV (École Supérieure d'Ingénieurs Léonard de Vinci) est l'une des 1ère écoles françaises d'ingénieurs à avoir donné dès 2010, des cours sur le Big Data et le Cloud, pour déployer ses données sur des machines virtuelles, et définir des stratégies de passage à l'échelle avec des architectures multiserveurs. En effet, avec l'accroissement exponentiel de la quantité de données, les entreprises doivent concevoir des systèmes capables de faire face aux problèmes liés à l'échelle du Web.
Les entreprises qui cherchent à passer le cap du Big Data considèrent que l'ESILV est l'établissement de formation privilégié de leurs futures recrues Data Architect et Data Scientist.
Le stockage et la gestion d'énormes volumes de données requièrent une connaissance extrêmement précise des méthodes de structuration de la donnée, stratégies de placement des données, choix des solutions logicielles en fonction des besoins, etc.
L'écosystème du Big Data est si grand qu'il devient impossible pour les entreprises de faire un choix pertinent de restructuration de sa base de données.
Nicolas Travers enseignant-chercheur à l'ESILV est spécialiste des bases de données et du Big Data en France. Il intervient en 4ème année et 5ème année, ainsi que dans le double diplôme M2 Data Science avec l'École Polytechnique. Il est également responsable du « groupe digital », équipe de recherche pluridisciplinaire entre informatique et Digital Marketing du DVRC (De Vinci Research Center).
Son nouveau cours « Développement en environnement Cloud » étoffe les connaissances techniques et pratiques des futurs ingénieurs afin de définir une stratégie pertinente de gestion de données sur le Cloud ; ils apprennent ainsi à :
Découvrir les stratégies de placement de données dans un cluster,
Identifier la problématique de passage à l'échelle dans leur base de données,
Maîtriser les méthodes de structuration des données pour le Cloud computing,
Concevoir une application intégrant une solution Big data,
Maîtriser la manipulation de données distribuées à large échelle avec différents langages de requêtes et le framework MapReduce,
Devenir spécialistes des solutions NoSQL phares sur le marché : MongoDB, Cassandra, Spark, Elastiscsearch, Neo4j, Hadoop, etc.
Déployer et tester leur solution sur le cloud Azure avec plus de 120 machines virtuelles (un record pour une école d'ingénieurs !).
À ce jour, près de 180 futurs ingénieurs ont été formés à la conception d'application sur le Cloud au sein de la Majeure Informatique, Objets connectés et Sécurité de l'école. Après l'ESILV, la plupart intègrent de grands groupes dans des projets Big Data.
« Le module « Développement d'applications Cloud » suivi en dernière année à l'ESILV nous a permis d'appréhender les enjeux techniques auxquels, en tant qu'ingénieurs de demain, nous serons amenés à répondre. En effet, nous avons notamment pu mesurer l'importance des choix de structuration des données que l'on manipule à travers la réalisation d'un projet de bout en bout, plus parlant que la théorie seule. Le + du cours : la familiarisation avec le Cloud Azure, atout m'ayant aidé pour l'obtention de mon stage de fin d'études. » témoigne Céline Carlier, étudiante en stage Technical Account Manager chez Microsoft France.
Informations complémentaires sur simple demande
Les entreprises qui cherchent à passer le cap du Big Data considèrent que l'ESILV est l'établissement de formation privilégié de leurs futures recrues Data Architect et Data Scientist.
Le stockage et la gestion d'énormes volumes de données requièrent une connaissance extrêmement précise des méthodes de structuration de la donnée, stratégies de placement des données, choix des solutions logicielles en fonction des besoins, etc.
L'écosystème du Big Data est si grand qu'il devient impossible pour les entreprises de faire un choix pertinent de restructuration de sa base de données.
Nicolas Travers enseignant-chercheur à l'ESILV est spécialiste des bases de données et du Big Data en France. Il intervient en 4ème année et 5ème année, ainsi que dans le double diplôme M2 Data Science avec l'École Polytechnique. Il est également responsable du « groupe digital », équipe de recherche pluridisciplinaire entre informatique et Digital Marketing du DVRC (De Vinci Research Center).
Son nouveau cours « Développement en environnement Cloud » étoffe les connaissances techniques et pratiques des futurs ingénieurs afin de définir une stratégie pertinente de gestion de données sur le Cloud ; ils apprennent ainsi à :
Découvrir les stratégies de placement de données dans un cluster,
Identifier la problématique de passage à l'échelle dans leur base de données,
Maîtriser les méthodes de structuration des données pour le Cloud computing,
Concevoir une application intégrant une solution Big data,
Maîtriser la manipulation de données distribuées à large échelle avec différents langages de requêtes et le framework MapReduce,
Devenir spécialistes des solutions NoSQL phares sur le marché : MongoDB, Cassandra, Spark, Elastiscsearch, Neo4j, Hadoop, etc.
Déployer et tester leur solution sur le cloud Azure avec plus de 120 machines virtuelles (un record pour une école d'ingénieurs !).
À ce jour, près de 180 futurs ingénieurs ont été formés à la conception d'application sur le Cloud au sein de la Majeure Informatique, Objets connectés et Sécurité de l'école. Après l'ESILV, la plupart intègrent de grands groupes dans des projets Big Data.
« Le module « Développement d'applications Cloud » suivi en dernière année à l'ESILV nous a permis d'appréhender les enjeux techniques auxquels, en tant qu'ingénieurs de demain, nous serons amenés à répondre. En effet, nous avons notamment pu mesurer l'importance des choix de structuration des données que l'on manipule à travers la réalisation d'un projet de bout en bout, plus parlant que la théorie seule. Le + du cours : la familiarisation avec le Cloud Azure, atout m'ayant aidé pour l'obtention de mon stage de fin d'études. » témoigne Céline Carlier, étudiante en stage Technical Account Manager chez Microsoft France.
Informations complémentaires sur simple demande
Autres articles
-
Gouverner l’intelligence artificielle : les données, leur qualité, leur conformité (4ème partie)
-
Gouverner l’intelligence artificielle : cadres réglementaires et normatifs (3ème partie)
-
Gouverner l’intelligence artificielle : cartographier les risques (2ème partie)
-
Gouverner l’intelligence artificielle : un passage obligé afin d’en sécuriser les bénéfices pour l’entreprise (1ère partie)
-
Le GENES se mobilise pour lutter contre la pénurie d’experts en data science