Crédits ECTS
4
Volume horaire
48 h
Programme d'études
| Programme | Bloc | Caractère |
|---|---|---|
| IE-Bachelier en informatique, orientation intelligence artificielle | 3 | Obligatoire |
Prérequis
Co-requis
Implantation
Département technique de Namur
Directeur de département du domaine
Benoît Dujardin
Responsable de l'UE
Laurent PHILIPPE
Enseignants intervenants
- Analyser un problème informatique donné sous ses aspects techniques et scientifiques, puis déterminer et proposer de possibles innovations applicatives et matérielles, qui tiennent compte des contraintes (AAT4)
- Argumenter et motiver des recommandations, prototypes de solution et d’application, en utilisant les termes adéquats et les méthodes de communication appropriées (AAT5)
- Assurer l’interopérabilité des composants systèmes, logiciels, réseaux et matériels, en implémentant des solutions et en proposant des mesures correctives (AAT6)
- Participer à l’analyse, la conception, la programmation, le test et la maintenance d’applications informatiques en s’inscrivant dans une démarche de formation permanente, notamment en exploitant toute source documentaire y compris en anglais (AAT8)
- Concevoir, gérer (administrer) et utiliser des bases de données à des fins opérationnelles et décisionnelles (AAT9)
- Rédiger des rapports documentés sur les applications qu’il crée et présenter oralement ses démarches informatiques, et ce, éventuellement en anglais (AAT11)
- Exploiter des données en provenance du système d’informations de l’entreprise, des réseaux sociaux, des objets connectés ou toute autre source de données via des technologies issues de la data intelligence en vue d'aider l’entreprise à la décision (AAT12)
L'étudiant sera capable au terme de l'activité d'apprentissage de :
- Définir les concepts et l'apport du Big Data par rapport aux enjeux métiers
- Décrire l'écosystème technologique nécessaire pour réaliser un projet Big Data
- Exploiter des flux de données complexes, non structurés et massifs
- Implémenter des modèles d'analyses statistiques pour répondre aux besoins métiers
- Utiliser un outil de data visualisation pour restituer des analyses dynamiques
Document annexe à la fiche UE accessible via un lien explicitant en quoi le programme d’études s’inscrit dans une politique de développement durable. Une ou plusieurs UE spécifique(s) pourraient être ciblée(s) dans cette annexe.
À définir
- Partie 1 : Installation, configuration et prise en main d'une plateforme Big Data :
- Installation d'une plateforme Hadoop
- Description de l'architecture et des composants de la plateforme Hadoop
- Les modes de stockage (NoSQL, HDFS)
- Principes de fonctionnement de MapReduce, Spark, Storm...
- Partie 2 : Gestion de données structurées et non structurées :
- Principes de fonctionnement de Hadoop Distributed File System (HDFS)
- Import des données externes vers HDFS
- Réalisation de requêtes SQL avec HIVE
- Traitement de données avec PIG
- Gestion de streaming de données massive avec Spark
- Partie 3 : Data visualisation :
- Définition des besoins de la Data Visualisation
- Présentation des technologies spécifiques pour le Big Data
- Analyse et visualisation des données via un outil de visualisation
À définir
| Activité d'apprentissage | Support |
|---|---|
| AINN3004 — Big Data | |
| Activité d'apprentissage | Heures | Langue d'enseignement | Langue d'évaluation |
|---|---|---|---|
| AINN3004 — Big Data | 48 h | français | français |
| Activité d'apprentissage | Méthodes d'enseignement et d'apprentissage |
|---|---|
| AINN3004 — Big Data | |
À définir
À définir
À définir
Au sein du programme d'études, lors du calcul de la moyenne, la pondération de l'évaluation de l'unité d'enseignement est effectuée sur base des crédits affectés à cette unité d'enseignement et évalués
| Activité d'apprentissage | Modalités d'évaluation |
|---|---|
| AINN3004 — Big Data | |
Une mention sur la fiche informera les étudiants du fait que les précisions sur les épreuves seront disponibles sur Moodle au plus tard 6 semaines avant l'évaluation.