Data Engineer | Sup2tech

Construisez l'infrastructure Data de demain en devenant

Data Engineer

Python

Numpy

Pandas

MySQL

SQL

Hadoop

Airflow

Kafka

Spark

Scikit-learn

Data Engineering Professional Certificate

3 mois – 100% Pratique – Prérequis :Bases en Python

Les Data Engineers construisent les systèmes qui permettent d'analyser les données. Sans bases de données bien conçues, sans pipelines fiables et sans modèles qui tournent en production — les données restent brutes, peu importe combien elles sont nombreuses.

Compétences clés : Python · SQL · PostgreSQL · MySQL · IBM Db2 · MongoDB · Data Warehouse · Apache Airflow · Apache Kafka · Hadoop · Apache Spark · SparkSQL · Scikit-learn · Machine Learning

A la fin de ce programme, vous serez capables de :

Concevoir et administrer des bases de données relationnelles (MySQL, PostgreSQL, IBM Db2) et NoSQL (MongoDB, Cassandra), et écrire des requêtes SQL avancées avec procédures stockées et transactions.
Modéliser et peupler des entrepôts de données avec des schémas en étoile et en flocon, et produire des rapports et dashboards BI avec IBM Cognos Analytics.
Construire des pipelines ETL/ELT automatisés avec Python, Apache Airflow et Apache Kafka pour l'ingestion de données en batch et en streaming temps réel.
Traiter des volumes massifs de données avec Apache Hadoop et Apache Spark — SparkSQL, Spark Streaming et pipelines ML distribués.
Construire, évaluer et déployer des modèles de Machine Learning avec Python et Scikit-learn sur des données d'entreprise réelles

Parlez à un de nos conseillers

Widget Didn’t Load

Check your internet and refresh this page.

If that doesn’t work, contact us.

Mentoring personnalisé

Agenda flexible

Formation Certifiante

En groupe ou individuel

Apprendre par projets

En ligne et/ou en Présentiel

3 blocs de compétences

pour maîtriser l'Ingénierie des données

SQL Avancé & Data Warehousing

La Data d'entreprise doit vivre dans des bases de données centralisées et structurées.

Ce bloc vous apprend à les concevoir, les administrer et les interroger — des bases relationnelles classiques jusqu'aux systèmes NoSQL à grande échelle. Vous allez ensuite plus loin : vous construisez un entrepôt de données centralisé avec des schémas en étoile et en flocon, vous l'alimentez depuis des sources multiples, et vous le connectez à un outil d'analytics pour produire des rapports décisionnels prêts à présenter à une direction.

Pipelines ETL & Big Data

Même les Big Data ne servent à rien si elles ne sont pas traitées et livrées au bon endroit/moment.

Ce bloc vous apprend à construire des pipelines ETL/ELT automatisés avec Python et Apache Airflow, à ingérer des flux de données en temps réel avec Apache Kafka, et à traiter des volumes massifs avec Hadoop et Apache Spark — SQL distribué, streaming et pipelines ML. C'est la compétence qui distingue un Data Engineer d'un développeur qui manipule des données.

Machine Learning for Data Engineers

Un Data Engineer qui maîtrise le Machine Learning est un profil rare et très recherché.

Ce bloc vous apprend à construire des modèles prédictifs avec Scikit-learn, à les entraîner à grande échelle avec Spark ML, à industrialiser les pipelines ML avec un feature store et des étapes de preprocessing automatisées, et à déployer des modèles en production via des APIs. Il se conclut par le Capstone Project IBM officiel qui valide l'ensemble des compétences Data Engineering du programme.

A qui s'adresse ce programme?

Data Analysts qui veulent passer au niveau supérieur

Vous savez analyser des données mais vous dépendez d'autres équipes pour y accéder. Ce programme vous apprend à construire vos propres pipelines SQL, ETL et ML — pour ne plus attendre que quelqu'un d'autre prépare les données à votre place.

Développeurs en transition vers la Data Engineering

Vous avez des bases en Python ou en SQL et vous voulez vous spécialiser en Data Engineering. Ce programme vous apprend les architectures, les outils et les bonnes pratiques qui distinguent un Data Engineer d'un développeur généraliste.

Étudiants & jeunes diplômés en informatique

Vous avez des bases techniques mais vous n'avez jamais construit de pipeline ETL ni travaillé avec Hadoop ou Spark. Ce programme vous donne les outils concrets qui vous positionnent sur l'un des métiers les plus demandés du marché.

Professionnels IT en montée en compétences

Vous travaillez en administration de bases de données, en développement ou en système et vous voulez ajouter la Data Engineering et le Machine Learning à votre profil. Ce programme complète ce qui manque aux profils IT.

Notre méthode pour développer vos compétences en Data Engineering

1. Vous ne lisez pas des slides — Vous pratiquez.

Développer un entrepôt de données

Vous construisez de vraies infrastructures de données. Vous apprenez à concevoir un schéma relationnel optimisé, à écrire des requêtes SQL complexes avec procédures stockées et vues analytiques, à travailler avec MongoDB et Cassandra pour les données non structurées, et à modéliser un entrepôt de données en schéma étoile connecté à un outil de Data Analytics.

Construire des flux de données

Vous construisez de vrais pipelines de données.

Vous apprenez à orchestrer un workflow ETL complet avec Apache Airflow, à ingérer des flux en temps réel avec Kafka, à traiter des millions de lignes avec Spark et SparkSQL, et à construire un pipeline de données hybride batch et streaming selon les mêmes architectures exigées des grandes entreprises.

Du Big Data brut au modèle en production

Vous construisez de vrais systèmes de Machine Learning de bout en bout.

Vous apprenez à entraîner des modèles prédictifs avec Scikit-learn, à les passer à l'échelle avec Spark ML, à industrialiser les pipelines ML avec des étapes de preprocessing automatisées, et à déployer un modèle en API, à l'instar des Data Engineers Senior.

2. Boostez votre carrière avec notre double Certification

Ce programme vous permet aussi de préparer la certification IBM Data Engineering Professional Certificate — reconnue dans 180 pays avec recommandation ACE et 4 crédits ECTS.