Cloud et Big Data

Get Started. It's Free
or sign up with your email address
Rocket clouds
Cloud et Big Data by Mind Map: Cloud et Big Data

1. Cloud

1.1. service

1.1.1. IAAS

1.1.1.1. c'est l'infrastructure. ex: vm temporaire

1.1.1.2. population cible: exploitants informatiques

1.1.2. PAAS

1.1.2.1. plateforme: IAAS+middleware applicatifs: ex:windows azure

1.1.2.2. population cible: développeurs

1.1.3. SAAS

1.1.3.1. software: PAAS+applications. ex: office 365

1.1.3.2. population cible: utilisateurs finaux

1.2. types

1.2.1. public

1.2.1.1. infrastructure hébergé chez un fournisseur tiers

1.2.2. privé

1.2.2.1. l'ensemble des ressources sont réservées à l'usage d'une entreprise

1.2.3. hybride

1.2.3.1. c'est quand quand les ressources sont hébergées chez un fournisseur et réservées à l'usage d'une entreprise

1.3. caractéristique

1.3.1. service à la demande

1.3.2. service mesurable

1.3.3. mutualisation des ressources

1.3.4. élasticité des ressources

1.4. outils

1.4.1. openstack

1.4.2. cloud stack

1.4.3. nimbus

2. Big Data

2.1. volume conséquent de donnée et leurs types et leur traitement

2.1.1. type de données

2.1.1.1. structurées

2.1.1.2. non structurées

2.1.1.3. semi-structurées

2.1.2. volume

2.1.3. source

2.1.3.1. IOT

2.1.3.2. phone, media

2.1.4. traitement

2.1.4.1. outil intelligence d'affaire ou analytique avancé

2.1.4.1.1. lac de données: données brutes

2.1.4.1.2. analyse de lac de données

2.1.4.1.3. analyse de données personnelles et vie privée

2.1.5. data lake

2.1.5.1. contenu

2.1.5.1.1. fichiers de logs

2.1.5.1.2. des images

2.1.5.1.3. fichiers binaires

2.1.5.2. master dataset

2.1.5.2.1. caractéristique

2.1.5.2.2. système de fichier

2.2. métier

2.2.1. data scientiste

2.2.1.1. construire les algorithemes

2.2.1.1.1. machine learning

2.2.1.1.2. deep learning

2.2.2. data analyste

2.2.2.1. nettoie et analyse les données

2.2.3. data architecte

2.2.3.1. créer et propose les architectures de données aux data scientistes

2.3. caractéristique

2.3.1. volume

2.3.2. variété

2.3.3. vélocité

2.3.4. variété

2.3.5. véracité

3. confrontation big data et cloud

3.1. DSS(data science studio)

3.1.1. contruire des modeles

3.1.1.1. répresentation

3.1.1.2. interprétation

3.1.2. technologies

3.1.2.1. spark

3.1.2.2. map reduce

3.1.2.3. skitlearn de python

3.1.3. créer des solutions

3.1.4. standard

3.1.4.1. big data

3.1.4.1.1. model de machine learning

3.2. MS Azure

3.2.1. permet de

3.2.1.1. créer des application

3.2.1.2. gérer les applications

3.2.1.3. déployer les applications

3.2.2. technologies

3.2.2.1. virtualisation

3.2.2.2. hipperviseur

3.2.2.2.1. permet de créer

3.3. AWS

3.3.1. permet de

3.3.1.1. stocker toutes nos données

3.3.1.2. haute disponibilité

3.3.1.3. évolutivité

3.3.1.4. accessibilité

3.3.2. gestion des données

3.3.3. assure la sécurité

3.3.3.1. des donnée