Frameworks Big Data - Cours, Exercices Corrigés & Ateliers Pratiques - Khaldi Abir

. .

Le livre Frameworks Big Data propose une exploration structurée et pédagogique des principaux outils et technologies de l'écosystème Big Data. Il s'adresse aux étudiants, ingénieurs, formateurs et professionnels souhaitant comprendre et maîtriser les briques fondamentales du traitement de données massives. À travers onze chapitres progressifs, l'ouvrage couvre les plateformes de stockage et de calcul distribué (Hadoop, YARN, HDFS), les moteurs de traitement en mémoire (Spark), les langages de script pour le traitement de données (Pig, Impala), ainsi que les outils d'ingestion, de streaming et d'orchestration des flux de données (Kafka, NiFi). - Une attention particulière est accordée à la visualisation et à l'analyse avec Elasticsearch et la stack ELK (Logstash, Kibana), permettant une exploitation avancée des données en temps réel. Chaque technologie est présentée avec son architecture, ses cas d'usage et ses avantages, puis illustrée par des ateliers pratiques, des exemples concrets et des exercices corrigés. - Conçu comme un manuel technique accessible, ce livre permet au lecteur d'acquérir une vision complète et opérationnelle du Big Data, en alternant théorie et pratique. Il constitue une ressource précieuse pour tout projet d'analyse, de valorisation ou d'ingénierie des données à grande échelle.

Résumé :
Le livre Frameworks Big Data propose une exploration structurée et pédagogique des principaux outils et technologies de l'écosystème Big Data. Il s'adresse aux étudiants, ingénieurs, formateurs et professionnels souhaitant comprendre et maîtriser les briques fondamentales du traitement de données massives. A travers onze chapitres progressifs, l'ouvrage couvre les plateformes de stockage et de calcul distribué (Hadoop, YARN, HDFS), les moteurs de traitement en mémoire (Spark), les langages de script pour le traitement de données (Pig, Impala), ainsi que les outils d'ingestion, de streaming et d'orchestration des flux de données (Kafka, NiFi). Une attention particulière est accordée à la visualisation et à l'analyse avec Elasticsearch et la stack ELK (Logstash, Kibana), permettant une exploitation avancée des données en temps réel. Chaque technologie est présentée avec son architecture, ses cas d'usage et ses avantages, puis illustrée par des ateliers pratiques, des exemples concrets et des exercices corrigés. Conçu comme un manuel technique accessible, ce livre permet au lecteur d'acquérir une vision complète et opérationnelle du Big Data, en alternant théorie et pratique. Il constitue une ressource précieuse pour tout projet d'analyse, de valorisation ou d'ingénierie des données à grande échelle.

Biographie:
Abir Khaldi est enseignante universitaire, formatrice et responsable pédagogique spécialisée en ingénierie des données, DevOps et systèmes distribués. Forte d'une expérience dans l'enseignement supérieur et l'accompagnement de projets technologiques, elle développe des contenus académiques alliant rigueur théorique et pratique professionnelle.