0972 311 312 (prix appel local)

Bases de données documentaires et distribuées (NFE204)

Objectifs

Le cours est consacré à le gestion de données massives, non-structurées ou semi-structurées. L'information documentaire constitue une part majoritaire des systèmes d'information d'entreprise, et on la trouve bien entendu de manière proéminente sur le Web où l'essentiel des données est accessible sous forme de "documents" souvent dénués de structure connu...En lire plus

Compétences

Compréhension des défis et des enjeux actuels dans la gestion de l'information, de plus en plus orientée vers l'intégration de ressources documentaires. Maîtrise des techniques de base concernant ces nouvelles technologies. Systèmes NoSQL, techniques de distribution de données, techniques de recherche d'information.

Légende :

  100% Internet - national

Condition d'accès / publics visés

Prérequis: M1 ou niveau Bac+4 informatique

Bonnes connaissances en bases de données, architectures des systèmes informatiques, pratique de la programmation
Public: cycle d'ingénieur CNAM, Master M2

Objectifs pédagogiques

Le cours est consacré à le gestion de données massives, non-structurées ou semi-structurées. L'information documentaire constitue une part majoritaire des systèmes d'information d'entreprise, et on la trouve bien entendu de manière proéminente sur le Web où l'essentiel des données est accessible sous forme de "documents" souvent dénués de structure connu (e., documents images, vidéos, documents Office, etc) ou d'une structure très souple (documents hypertextes).
Dans un tel contexte les notions de modèles de données et de langage d'interrogation sont à revoir. De plus le volume des données considérées implique la mise en place d'infrastructure à grande échelle typique des systèmes de gestion des données du Web.
Le cours couvre les sujets suivants:

Données peu structurées. Représentation de données complexes et/ou dotée d'une structure variable. Application à la représentation de documents textuels par des langages comme XML ou JSON. Notions essentielles sur la navigation dans une structure de document, le typage de documents, et la gestion de documents dans des bases de données.
Systèmes NoSQL. Des systèmes de gestion de données qui renoncent à certaines fonctionnalités fortes (transactions, langage d'interrogation) des bases relationnelles, au profit du passage à l'échelle, émergent à l'heure actuelle. Ces systèmes sont fortement orientés vers la distribution dans des environnements de type cloud, et leur conception varie selon l'objectif visé (accès temps réel, ou traitement analytiques). La structure des données reprend les principes vus dans la première partie du cours. Nous étudions les principes généraux des systèmes NoSQL, et en étudions certains: MongoDB, CouchDB, Cassandra, etc. Les problèmes de passage à l'échelle, de fiabilité, de sécurité, de reprise sur panne et de cohérence seront évoqués.


La Recherche d'Information (RI) consiste à effectuer des recherches sur des ensembles de données peu structurées, en effectuant un classement par pertinence. Avec l'avènement de gros moteurs d'indexation tels que Google ou Amazon, les technologies de recherche textuelle devient incontournable et donne un véritable intérêt à toutes ses techniques de stockage et d'index orienté texte.


Stockage distribué. Le volume des données manipulées par les moteurs de recherche, les sites de commerce électronique ou les sites communautaires rassemblant des millions d'utilisateurs, a atteint des niveaux inédits: le téraoctets est un ordre de grandeur courant, bientôt ce sera le pétaoctets. De nouvelles techniques de gestion de ces données massives ont émergé récemment, sous l'impulsion notamment des entreprises (Google, Amazon) directement confrontées aux problèmes liés à ces volumes inédits. L'exposé sera consacré à ces nouvelles techniques, en mettant l'accent sur les solutions s'appuyant sur la distribution du stockage et des traitements dans des parcs de machines extensibles appelés "Cloud Computing". Le cours présente les principales problématiques et méthodes de stockage distribué: réplication, partitionnement, tolérance aux pannes, illustrées par quelques solutions-phares (ElasticSearch, Hadoop, Cassandra, etc).

Calcul distribué. Le stockage distribué est associé à des systèmes permettant de paralléliser les calculs pour traiter en temps raisonnable de très grandes masses de données, notamment à des fins analytiques. Le calcul parallèle à grande échelle est introduit et illustré avec des principes phrares comme MapReduce, et des systèmes comme Spark, Hadoop et Flink.

Compétences visées

Compréhension des défis et des enjeux actuels dans la gestion de l'information, de plus en plus orientée vers l'intégration de ressources documentaires. Maîtrise des techniques de base concernant ces nouvelles technologies. Systèmes NoSQL, techniques de distribution de données, techniques de recherche d'information.

Niveau

Niveau 7 (Bac+5)

Contenu de la formation

Modélisation de données peu structurées
- Documents structurés, JSON, XML
- Données web, Open data, services REST

- Bases documentaires: MongoD, CouchDB, Cassandra


Recherche d'information
- introduction à la recherche textuelle dans les documents, indexation textuelle et Recherche d'Information (ie. Google, Amazon, ...)

- moteur de recherches: ElasticSearch, Solr


Distribution et partage d'information sur le Web

- systèmes distribués, équilibrage, partitionnement, réplication

- cloud, performances, architectures, scalabilité
- illustration concrète avec quelques systèmes NoSQL: MongoDB, Cassandra, ElasticSearch, Spark et Flink



Modalités de validation

examen, projet, travaux pratiques

Accompagnement et suivi

Sous l’autorité pédagogique du certificateur Cnam, les équipes du Cnam Bretagne vous offrent un accompagnement pendant votre parcours de formation à la fois sur les aspects administratifs, financiers, pédagogiques et techniques.

ECTS : 6

Modalité Volume horaire Employeur Pôle Emploi Auto-financement
 
45 heures 900 € 225 € 225 €
Indexation officielle
FORMACODES

[M0A2B7A0] Data Warehouse - [M0A2B7] informatique décisionnelle - [M0A2] informatique - [M0] information, communication, [M0A2A7] audit informatique - [M0A2] informatique - [M0] information, communication, [M0A2A0] administration base de données - [M0A2] informatique - [M0] information, communication

INFOS
PRATIQUES

Durée

45 heures

Modalité

100% Internet - national  

Date de début des cours

22/02/2021

Date de fin des cours

26/06/2021