SlideShare une entreprise Scribd logo
Big Data & Open Data
Master 2 ISF
PRÉSENTATION DU MODULE
Sommaire
 Qui suis-je ?
 Qu’allons nous faire ensemble
 Déroulement pas tout à fait type d’une séance
 Ce dont nous ne parlerons pas
2
Qui suis-je ?
 Dr Patrick Bury (patrick.bury@laposte.net, [ASSAS] dans le sujet svp)
 Initialement un traiteur de données scientifiques, adepte du HPC (High
Power Computing)
 A relativiser, un super Calculateur des années 90 a environ la puissance de
calcul d’un Iphone 4
 20 ans dans l’informatique, de la maintenance au développement puis à la
Data
 Actuellement Lead Data (engineer + science) dans une entreprise Data
centrée
 Un peu de R&D avec l’université de Lille 1 pour m’amuser et apprendre à
communiquer sur des sujets scientifiques avec des non scientifiques
3
Qu’allons nous faire
 Découvrir ce qu’est le Big Data (à mon point de vue)
 En découvrir les principaux outils
 Découvrir les méthodes de travail adaptées
 Jouer avec des données
 Open Data
 Définition
 Utilité
 Quelques sources de données
 RGPD
 Pas le sujet, mais … quand même
4
Déroulement pas tout à fait type d’une
séance
 Séances de 3 heures
 Environ 1h à 1h30 de cours interactif (les questions sont les bienvenues)
 ½ heure de questions diverses (en gros, relatives à ce que vous pouvez
rencontrer en entreprise), attention, les réponses ne seront pas forcément
immédiates, je n’ai pas la science infuse
 1h de travaux sur les machines à notre disposition
5
Nous ne parlerons pas de …
 Intrication forte entre les outils Big Data (l’objet de ce module)
 Et les moyens de traiter de gros volumes de données (Machine Learning,
Deep Learning)
 C’est l’objet d’un autre module pour ceux qui l‘ont choisi
6

Contenu connexe

Plus de Patrick Bury

100 évaluation
100 évaluation100 évaluation
100 évaluation
Patrick Bury
 
16 graph databases
16 graph databases16 graph databases
16 graph databases
Patrick Bury
 
15 map reduce on azure
15 map reduce on azure15 map reduce on azure
15 map reduce on azure
Patrick Bury
 
11 big data aws
11 big data aws11 big data aws
11 big data aws
Patrick Bury
 
14 big data gitlab
14 big data gitlab14 big data gitlab
14 big data gitlab
Patrick Bury
 
13 big data docker
13 big data docker13 big data docker
13 big data docker
Patrick Bury
 
10 big data hadoop
10 big data hadoop10 big data hadoop
10 big data hadoop
Patrick Bury
 
08 big data dataviz
08 big data dataviz08 big data dataviz
08 big data dataviz
Patrick Bury
 
12 big data azure
12 big data azure12 big data azure
12 big data azure
Patrick Bury
 
09 big data mapreduce
09 big data mapreduce09 big data mapreduce
09 big data mapreduce
Patrick Bury
 
07 big data sgbd
07 big data sgbd07 big data sgbd
07 big data sgbd
Patrick Bury
 
06 cloud souverain
06 cloud souverain06 cloud souverain
06 cloud souverain
Patrick Bury
 
05 creation instance ovh
05 creation instance ovh05 creation instance ovh
05 creation instance ovh
Patrick Bury
 
04 big data fournisseurs
04 big data fournisseurs04 big data fournisseurs
04 big data fournisseurs
Patrick Bury
 
03 big data stockage
03 big data stockage03 big data stockage
03 big data stockage
Patrick Bury
 
03 big data échelle
03 big data échelle03 big data échelle
03 big data échelle
Patrick Bury
 
02 big data definition
02 big data definition02 big data definition
02 big data definition
Patrick Bury
 
01 open data
01 open data01 open data
01 open data
Patrick Bury
 
01 big data introduction
01 big data introduction01 big data introduction
01 big data introduction
Patrick Bury
 
16 graph databases
16 graph databases16 graph databases
16 graph databases
Patrick Bury
 

Plus de Patrick Bury (20)

100 évaluation
100 évaluation100 évaluation
100 évaluation
 
16 graph databases
16 graph databases16 graph databases
16 graph databases
 
15 map reduce on azure
15 map reduce on azure15 map reduce on azure
15 map reduce on azure
 
11 big data aws
11 big data aws11 big data aws
11 big data aws
 
14 big data gitlab
14 big data gitlab14 big data gitlab
14 big data gitlab
 
13 big data docker
13 big data docker13 big data docker
13 big data docker
 
10 big data hadoop
10 big data hadoop10 big data hadoop
10 big data hadoop
 
08 big data dataviz
08 big data dataviz08 big data dataviz
08 big data dataviz
 
12 big data azure
12 big data azure12 big data azure
12 big data azure
 
09 big data mapreduce
09 big data mapreduce09 big data mapreduce
09 big data mapreduce
 
07 big data sgbd
07 big data sgbd07 big data sgbd
07 big data sgbd
 
06 cloud souverain
06 cloud souverain06 cloud souverain
06 cloud souverain
 
05 creation instance ovh
05 creation instance ovh05 creation instance ovh
05 creation instance ovh
 
04 big data fournisseurs
04 big data fournisseurs04 big data fournisseurs
04 big data fournisseurs
 
03 big data stockage
03 big data stockage03 big data stockage
03 big data stockage
 
03 big data échelle
03 big data échelle03 big data échelle
03 big data échelle
 
02 big data definition
02 big data definition02 big data definition
02 big data definition
 
01 open data
01 open data01 open data
01 open data
 
01 big data introduction
01 big data introduction01 big data introduction
01 big data introduction
 
16 graph databases
16 graph databases16 graph databases
16 graph databases
 

Dernier

Cycle de Formation Théâtrale 2024 / 2025
Cycle de Formation Théâtrale 2024 / 2025Cycle de Formation Théâtrale 2024 / 2025
Cycle de Formation Théâtrale 2024 / 2025
Billy DEYLORD
 
Iris van Herpen. pptx
Iris         van        Herpen.      pptxIris         van        Herpen.      pptx
Iris van Herpen. pptx
Txaruka
 
Formation Intelligence Artificielle pour dirigeants- IT6-DIGITALIX 24_opt OK_...
Formation Intelligence Artificielle pour dirigeants- IT6-DIGITALIX 24_opt OK_...Formation Intelligence Artificielle pour dirigeants- IT6-DIGITALIX 24_opt OK_...
Formation Intelligence Artificielle pour dirigeants- IT6-DIGITALIX 24_opt OK_...
cristionobedi
 
Procédure consignation Lock Out Tag Out.pptx
Procédure consignation  Lock Out Tag Out.pptxProcédure consignation  Lock Out Tag Out.pptx
Procédure consignation Lock Out Tag Out.pptx
caggoune66
 
Iris van Herpen. pptx
Iris         van         Herpen.      pptxIris         van         Herpen.      pptx
Iris van Herpen. pptx
Txaruka
 
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
BenotGeorges3
 
Impact des Critères Environnementaux, Sociaux et de Gouvernance (ESG) sur les...
Impact des Critères Environnementaux, Sociaux et de Gouvernance (ESG) sur les...Impact des Critères Environnementaux, Sociaux et de Gouvernance (ESG) sur les...
Impact des Critères Environnementaux, Sociaux et de Gouvernance (ESG) sur les...
mrelmejri
 
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
M2i Formation
 
Edito-B1-francais Manuel to learning.pdf
Edito-B1-francais Manuel to learning.pdfEdito-B1-francais Manuel to learning.pdf
Edito-B1-francais Manuel to learning.pdf
WarlockeTamagafk
 
Burkina Faso library newsletter May 2024
Burkina Faso library newsletter May 2024Burkina Faso library newsletter May 2024
Burkina Faso library newsletter May 2024
Friends of African Village Libraries
 
Iris van Herpen. pptx
Iris            van        Herpen.     pptxIris            van        Herpen.     pptx
Iris van Herpen. pptx
Txaruka
 
Conseils pour Les Jeunes | Conseils de La Vie| Conseil de La Jeunesse
Conseils pour Les Jeunes | Conseils de La Vie| Conseil de La JeunesseConseils pour Les Jeunes | Conseils de La Vie| Conseil de La Jeunesse
Conseils pour Les Jeunes | Conseils de La Vie| Conseil de La Jeunesse
Oscar Smith
 

Dernier (12)

Cycle de Formation Théâtrale 2024 / 2025
Cycle de Formation Théâtrale 2024 / 2025Cycle de Formation Théâtrale 2024 / 2025
Cycle de Formation Théâtrale 2024 / 2025
 
Iris van Herpen. pptx
Iris         van        Herpen.      pptxIris         van        Herpen.      pptx
Iris van Herpen. pptx
 
Formation Intelligence Artificielle pour dirigeants- IT6-DIGITALIX 24_opt OK_...
Formation Intelligence Artificielle pour dirigeants- IT6-DIGITALIX 24_opt OK_...Formation Intelligence Artificielle pour dirigeants- IT6-DIGITALIX 24_opt OK_...
Formation Intelligence Artificielle pour dirigeants- IT6-DIGITALIX 24_opt OK_...
 
Procédure consignation Lock Out Tag Out.pptx
Procédure consignation  Lock Out Tag Out.pptxProcédure consignation  Lock Out Tag Out.pptx
Procédure consignation Lock Out Tag Out.pptx
 
Iris van Herpen. pptx
Iris         van         Herpen.      pptxIris         van         Herpen.      pptx
Iris van Herpen. pptx
 
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
 
Impact des Critères Environnementaux, Sociaux et de Gouvernance (ESG) sur les...
Impact des Critères Environnementaux, Sociaux et de Gouvernance (ESG) sur les...Impact des Critères Environnementaux, Sociaux et de Gouvernance (ESG) sur les...
Impact des Critères Environnementaux, Sociaux et de Gouvernance (ESG) sur les...
 
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
 
Edito-B1-francais Manuel to learning.pdf
Edito-B1-francais Manuel to learning.pdfEdito-B1-francais Manuel to learning.pdf
Edito-B1-francais Manuel to learning.pdf
 
Burkina Faso library newsletter May 2024
Burkina Faso library newsletter May 2024Burkina Faso library newsletter May 2024
Burkina Faso library newsletter May 2024
 
Iris van Herpen. pptx
Iris            van        Herpen.     pptxIris            van        Herpen.     pptx
Iris van Herpen. pptx
 
Conseils pour Les Jeunes | Conseils de La Vie| Conseil de La Jeunesse
Conseils pour Les Jeunes | Conseils de La Vie| Conseil de La JeunesseConseils pour Les Jeunes | Conseils de La Vie| Conseil de La Jeunesse
Conseils pour Les Jeunes | Conseils de La Vie| Conseil de La Jeunesse
 

01 big data introduction

  • 1. Big Data & Open Data Master 2 ISF PRÉSENTATION DU MODULE
  • 2. Sommaire  Qui suis-je ?  Qu’allons nous faire ensemble  Déroulement pas tout à fait type d’une séance  Ce dont nous ne parlerons pas 2
  • 3. Qui suis-je ?  Dr Patrick Bury (patrick.bury@laposte.net, [ASSAS] dans le sujet svp)  Initialement un traiteur de données scientifiques, adepte du HPC (High Power Computing)  A relativiser, un super Calculateur des années 90 a environ la puissance de calcul d’un Iphone 4  20 ans dans l’informatique, de la maintenance au développement puis à la Data  Actuellement Lead Data (engineer + science) dans une entreprise Data centrée  Un peu de R&D avec l’université de Lille 1 pour m’amuser et apprendre à communiquer sur des sujets scientifiques avec des non scientifiques 3
  • 4. Qu’allons nous faire  Découvrir ce qu’est le Big Data (à mon point de vue)  En découvrir les principaux outils  Découvrir les méthodes de travail adaptées  Jouer avec des données  Open Data  Définition  Utilité  Quelques sources de données  RGPD  Pas le sujet, mais … quand même 4
  • 5. Déroulement pas tout à fait type d’une séance  Séances de 3 heures  Environ 1h à 1h30 de cours interactif (les questions sont les bienvenues)  ½ heure de questions diverses (en gros, relatives à ce que vous pouvez rencontrer en entreprise), attention, les réponses ne seront pas forcément immédiates, je n’ai pas la science infuse  1h de travaux sur les machines à notre disposition 5
  • 6. Nous ne parlerons pas de …  Intrication forte entre les outils Big Data (l’objet de ce module)  Et les moyens de traiter de gros volumes de données (Machine Learning, Deep Learning)  C’est l’objet d’un autre module pour ceux qui l‘ont choisi 6