Data Warehousing Cheat Sheet

1. Data Warehouse (Entrepôt de données)

 Un système centralisé pour stocker et gérer des données provenant de
différentes sources pour l'analyse.
2. Modélisation Dimensionnelle
 Schéma en étoile : Une table de faits centrale entourée de tables de
dimensions.
 Schéma en flocon : Des tables de dimensions normalisées.
3. ETL (Extraction, Transformation et Chargement)
 Processus pour extraire, nettoyer, transformer et charger les données dans le
data warehouse.
4. Schéma en Étoile (Star Schema)
 Table de faits centrale entourée de tables de dimensions.
5. Schéma en Flocon (Snowflake Schema)
 Tables de dimensions normalisées pour réduire la redondance des données.
6. Tables de Faits (Fact Tables)
 Contiennent des mesures quantitatives (chiffres de vente, revenus, etc.).
 Clés étrangères vers les tables de dimensions.
7. Tables de Dimensions (Dimension Tables)
 Contiennent des attributs des données (temps, produits, clients, etc.).
 Liées aux tables de faits par des clés.
8. ETL (Extraction, Transformation, Chargement)
 Extraction : Collecte de données à partir de sources diverses.
 Transformation : Nettoyage, filtrage, et enrichissement des données.
 Chargement : Chargement des données transformées dans le data warehouse.
9. Schéma en Étoile (Star Schema)
 Facilite les requêtes d'agrégation.
 Performant pour les opérations de reporting et d'analyse.
10. Schéma en Flocon (Snowflake Schema)
 Normalisation pour économiser de l'espace de stockage.
 Plus complexe à requêter que le schéma en étoile.
11. OLAP (Online Analytical Processing)
 Technologie pour l'analyse interactive des données dans le data warehouse.
12. Data Mart
 Sous-ensemble d'un data warehouse, souvent orienté métier.
13. Métadonnées
 Données qui décrivent les données, utilisées pour la gestion du data
warehouse.
14. Sécurité et Conformité
 Gestion des droits d'accès aux données.
  Conformité aux réglementations sur la confidentialité des données.
15. Cloud Data Warehousing
 Utilisation de services de data warehousing dans le cloud (ex. : AWS Redshift,
Google BigQuery).
16. Big Data Integration
 Intégration de données non structurées ou semi-structurées dans le data
warehouse.
17. Business Intelligence (BI)
 Utilisation d'outils et de rapports pour l'analyse des données du data
warehouse.

Cheat Sheet - Microprocesseur

1. Microprocesseur
 Unité centrale de traitement (CPU) d'un ordinateur.
 Exécute des instructions machine stockées en mémoire.
2. Registres
 Petites mémoires internes au processeur.
 EAX, EBX, ECX, EDX (registres généraux sur les architectures x86).
3. Bus de Données et Bus d'Adresses
 Bus de données : Transfert de données entre le CPU et la mémoire.
 Bus d'adresses : Spécifie l'emplacement mémoire.
4. Cycle d'Instruction
 Fetch (Récupération) : Obtenir l'instruction depuis la mémoire.
 Decode (Décodage) : Interpréter l'instruction.
 Execute (Exécution) : Effectuer l'instruction.
5. Instructions
 Opérations élémentaires exécutées par le processeur.
 Exemples : ADD (addition), SUB (soustraction), MOV (déplacement de
données).
6. Mode Adresse et Mode Registre
 Mode Adresse : Les opérations s'effectuent sur des emplacements mémoire.
 Mode Registre : Les opérations s'effectuent sur des registres.
7. Accès à la Mémoire
 Load (chargement) : Charger des données en mémoire dans un registre.
 Store (stockage) : Écrire des données depuis un registre dans la mémoire.
8. Opérations Logiques
 AND, OR, XOR : Opérations logiques sur les bits.
9. Opérations de Comparaison
 CMP : Comparer deux valeurs.
10. Sauts Conditionnels
 JMP (jump) : Saut inconditionnel.
 JZ (jump if zero), JNZ (jump if not zero) : Sauts conditionnels basés sur les
drapeaux.
11. Drapeaux (Flags)
 Registres spéciaux pour les résultats des opérations.
 Exemples : ZF (Zero Flag), SF (Sign Flag), OF (Overflow Flag).
12. Pile (Stack)
 Structure de données pour stocker temporairement des valeurs.
 PUSH (empiler) : Ajouter une valeur à la pile.
 POP (dépiler) : Retirer une valeur de la pile.
13. Appels de Fonctions
 CALL : Appeler une fonction.
 RET : Retourner d'une fonction.
14. Assembleur
 Langage de bas niveau pour programmer le microprocesseur.
 Conversion entre code assembleur et code machine.
15. Architecture x86
 Famille de microprocesseurs populaires.
 32 bits (x86) et 64 bits (x86-64).
16. Architecture ARM
 Utilisée dans de nombreux appareils mobiles et embarqués.
 RISC (Reduced Instruction Set Computer).

Cheat Sheet - Architecture des Ordinateurs

1. Unité Centrale de Traitement (CPU)

 Le cerveau de l'ordinateur.
 Composée de l'ALU (Arithmetic Logic Unit) et du registre de contrôle.
2. Mémoire
 RAM (Random Access Memory) : Mémoire volatile pour le stockage
temporaire des données et des programmes.
 ROM (Read-Only Memory) : Mémoire non volatile contenant le micrologiciel
du système.
3. Bus de Données et Bus d'Adresses
 Bus de Données : Transfert de données entre CPU et mémoire.
 Bus d'Adresses : Spécifie l'emplacement mémoire.
4. Architecture Von Neumann
  Modèle d'ordinateur classique avec une unité de traitement, une mémoire, un
bus de données et un bus d'adresses.
5. Cycle d'Instruction
 Fetch (Récupération) : Obtenir l'instruction depuis la mémoire.
 Decode (Décodage) : Interpréter l'instruction.
 Execute (Exécution) : Effectuer l'instruction.
6. Registres
 Petites mémoires internes au processeur pour le stockage de données
temporaires.
7. Instructions
 Opérations élémentaires exécutées par le CPU.
 Exemples : ADD (addition), SUB (soustraction), MOV (déplacement de
données).
8. Système d'Exploitation (OS)
 Logiciel qui gère les ressources matérielles de l'ordinateur et fournit une
interface utilisateur.
9. Entrées/Sorties (E/S)
 Mécanisme pour interagir avec des périphériques externes (clavier, écran,
disques).
10. Pile (Stack)
 Structure de données pour gérer les appels de fonctions et le stockage
temporaire de données.
11. Cache
 Mémoire rapide de niveau intermédiaire pour améliorer les performances en
conservant des données fréquemment utilisées.
12. Instructions de Saut
 JMP (jump) : Saut inconditionnel.
 JZ (jump if zero), JNZ (jump if not zero) : Sauts conditionnels basés sur des
drapeaux.
13. Drapeaux (Flags)
 Registres spéciaux pour les résultats des opérations (ZF, SF, OF).
14. Bus de Contrôle
 Gère le flux des signaux de contrôle entre les différents composants de
l'ordinateur.
15. Architecture Harvard vs. Von Neumann
 Harvard : Mémoire séparée pour les données et les instructions.
 Von Neumann : Mémoire commune pour les données et les instructions.
16. Multi-cœur et Multithreading
 Utilisation de plusieurs cœurs de processeur pour exécuter des tâches
simultanément.
17. Architecture 32 bits vs. 64 bits
  La largeur des registres et des bus de données (32 bits vs. 64 bits) affecte la
capacité mémoire et les performances.
18. Microarchitecture
 La conception interne d'un processeur spécifique, y compris le pipeline
d'exécution.
19. Gestion de la Mémoire
 Adressage physique vs. adressage virtuel.
 Mémoire paginée, segmentation, gestion de la mémoire virtuelle.
20. BIOS (Basic Input/Output System)
 Logiciel de bas niveau stocké dans la ROM, responsable du démarrage de
l'ordinateur.

Cheat Sheet - Développement Web

1. Langages de Balisage
 HTML (HyperText Markup Language) : Structure et contenu de la page web.
 XML (eXtensible Markup Language) : Langage de balisage extensible.
2. Langages de Style
 CSS (Cascading Style Sheets) : Stylisation et mise en page des éléments HTML.
3. Langages de Script
 JavaScript : Langage de programmation côté client pour l'interactivité web.
4. Architecture Client-Serveur
 Navigateur (Client) : Affiche le contenu web.
 Serveur Web : Héberge le site et répond aux requêtes du client.
5. Modèle de Conception MVC
 Modèle (Model) : Gestion des données et de la logique métier.
 Vue (View) : Présentation de l'interface utilisateur.
 Contrôleur (Controller) : Gestion des interactions et du flux de données.
6. Frameworks Front-End
 Angular, React, Vue.js : Bibliothèques JavaScript pour le développement
d'applications web interactives.
7. Frameworks Back-End
 Node.js, Django, Ruby on Rails : Plateformes pour le développement côté
serveur.
8. API (Application Programming Interface)
 Interfaces permettant aux applications de communiquer entre elles.
9. HTTP (Hypertext Transfer Protocol)
 Protocole de communication pour le transfert de données sur le web.
 Méthodes HTTP : GET, POST, PUT, DELETE.
10. HTML5
 Version récente d'HTML avec de nouvelles fonctionnalités multimédias.
11. CSS3
 Version récente de CSS avec des fonctionnalités de mise en page avancées et
d'animations.
12. Responsive Web Design
 Conception de sites web qui s'adaptent à différentes tailles d'écran (mobiles,
tablettes, ordinateurs de bureau).
13. Bases de Données
 Stockage de données pour les applications web (MySQL, PostgreSQL,
MongoDB).
14. Sécurité Web
 Protection contre les attaques XSS, CSRF, injection SQL, etc.
15. Hébergement Web
 Services d'hébergement (hébergement partagé, VPS, cloud) et domaines.
16. Débogage et Outils
 Utilisation de consoles de débogage dans les navigateurs.
 Utilisation d'outils de développement (ex. : Chrome DevTools).
17. Gestionnaires de Versions
 Git : Suivi des modifications de code et collaboration entre développeurs.
18. Déploiement
 Mise en production d'un site web (déploiement sur un serveur).
19. Performance Web
 Optimisation de la vitesse de chargement, de l'optimisation des images, de la
mise en cache, etc.
20. Normes d'Accessibilité
 Conception web accessible pour les personnes handicapées.
21. Frameworks CSS
 Bootstrap, Foundation : Frameworks pour la création de mises en page
réactives.
22. CMS (Content Management System)
 WordPress, Drupal, Joomla : Plates-formes pour la gestion de contenu web.

TCP/IP, qui signifie Transmission Control Protocol/Internet Protocol, est un ensemble

de protocoles de communication largement utilisé pour la transmission de données
sur les réseaux informatiques, en particulier sur Internet. Il s'agit d'un modèle de
référence qui définit la manière dont les données doivent être empaquetées,
transmises, acheminées et reçues sur un réseau.

Le modèle TCP/IP est divisé en plusieurs couches, chaque couche ayant des fonctions
spécifiques. Voici un aperçu des principales couches du modèle TCP/IP :

1. Couche Application :
  Cette couche est responsable des applications de communication, telles que
les navigateurs web, les clients de messagerie électronique, etc. Elle utilise des
protocoles de haut niveau tels que HTTP, FTP, SMTP, POP3, et bien d'autres
pour permettre la communication entre les applications sur différents
ordinateurs.
2. Couche Transport :
 Cette couche gère la communication de bout en bout entre les ordinateurs. Le
protocole TCP (Transmission Control Protocol) est utilisé pour garantir une
transmission fiable des données, tandis que le protocole UDP (User Datagram
Protocol) est utilisé pour des transmissions plus légères et rapides.
3. Couche Internet :
 Cette couche est responsable du routage des paquets de données sur le
réseau. Le protocole IP (Internet Protocol) fait partie de cette couche et
attribue des adresses IP uniques à chaque appareil sur le réseau. Cette couche
est également chargée de déterminer le meilleur chemin pour les paquets de
données à travers le réseau.
4. Couche Liaison de Données :
 Cette couche gère la communication sur un segment de réseau spécifique, tel
qu'un réseau local (LAN). Elle s'occupe de l'encapsulation des paquets IP dans
des trames pour le transport sur un support physique (comme Ethernet). Elle
gère également la détection et la correction d'erreurs de transmission.
5. Couche Physique :
 Cette couche concerne le support physique réel utilisé pour la transmission
des données, comme les câbles, les fibres optiques, les ondes radio, etc.

Titre du Cours : Introduction au Big Data

Objectifs du Cours :

 Comprendre les concepts de base du Big Data.

 Explorer les technologies clés du Big Data.
 Apprendre à gérer et à analyser de grandes quantités de données.

Semaine 1 : Introduction au Big Data

 Définition du Big Data.

 Importance et avantages du Big Data.
 Évolution de l'analyse de données.
 Semaine 2 : Technologies de Stockage de Données

 Bases de données relationnelles vs. bases de données NoSQL.

 Systèmes de fichiers distribués (HDFS, Amazon S3).
 Stockage de données non structurées.

Semaine 3 : Technologies de Traitement de Données

 Introduction à Hadoop et MapReduce.

 Frameworks de traitement de données en temps réel (Apache Spark).
 Comparaison des technologies de traitement.

Semaine 4 : Collecte de Données

 Sources de données (capteurs, réseaux sociaux, IoT).

 Outils de collecte de données (Flume, Kafka).
 Nettoyage et prétraitement des données.

Semaine 5 : Gestion de Données en Streaming

 Traitement de flux de données en temps réel.

 Architectures de streaming (Apache Kafka).
 Cas pratiques de gestion de données en streaming.

Semaine 6 : Bases de Données NoSQL

 Modèles de données NoSQL (documents, colonnes, graphes).

 Exemples de bases de données NoSQL (MongoDB, Cassandra, Neo4j).

Semaine 7 : Traitement Avancé de Données

 Analyse de données avancée avec Apache Spark.

 Traitement de données graphiques.
 Machine Learning sur de grandes quantités de données.

Semaine 8 : Infrastructure et Évolutivité

 Conception d'architectures Big Data.

 Évolutivité horizontale et gestion de clusters.
 Solutions cloud pour le Big Data.

Semaine 9 : Sécurité et Confidentialité

 Défis de sécurité liés au Big Data.

 Mesures de sécurité et conformité (GDPR).
 Gestion des accès et des autorisations.

Semaine 10 : Études de Cas et Projets Pratiques

 Analyse de cas d'utilisation du Big Data dans différents secteurs.

 Réalisation de projets pratiques liés au Big Data.

Semaine 11 : Tendances et Évolutions du Big Data

 Edge Computing et traitement en périphérie.

 Intelligence artificielle et Big Data.
 Éthique dans le Big Data.

Semaine 12 : Examen Final et Révision

Cheat Sheet - Big Data

1. Big Data
 Volume : Grande quantité de données.
 Variété : Diversité des formats de données.
 Vélocité : Vitesse à laquelle les données sont générées et traitées.
 Valeur : L'objectif est d'extraire de la valeur des données.
2. Stockage de Données
 HDFS : Hadoop Distributed File System pour le stockage distribué.
 NoSQL : Bases de données non relationnelles pour la variété des données.
3. Traitement de Données
 MapReduce : Modèle de traitement distribué.
 Apache Spark : Framework de traitement de données en mémoire.
4. Collecte de Données
 Apache Kafka : Plateforme de streaming de données.
 Flume : Outil d'ingestion de logs et de données.
5. Streaming de Données
 Traitement en temps réel des flux de données.
 Apache Kafka Streams, Apache Flink.
6. Bases de Données NoSQL
 MongoDB (documents), Cassandra (colonnes), Neo4j (graphes).
7. Analyse de Données
 SQL : Langage pour l'interrogation des données.
 Machine Learning : Modélisation prédictive et classification.
8. Infrastructure et Évolutivité
 Cluster : Groupement de serveurs pour la puissance de calcul.
 Cloud Computing : Évolutivité flexible sur le cloud.
9. Sécurité et Conformité
 Gestion des accès et des autorisations.
 Conformité aux réglementations (GDPR, HIPAA).
10. Outils de Visualisation
 Tableau, Power BI, D3.js : Création de visualisations de données.
11. Études de Cas
 Secteurs d'application : Santé, finance, marketing, etc.
 Réalisation de projets Big Data.
12. Tendances
 Edge Computing : Traitement à la périphérie.
 IA et apprentissage automatique appliqués au Big Data.
13. Gestion de Projet
 Planification, collecte, traitement, analyse, visualisation.
 Évaluation des performances et optimisation.
14. Éthique
 Respect de la vie privée et de la sécurité des données.
 Équité et biais dans l'IA et l'analyse de données.
15. Ressources
 Sites web, blogs, livres, forums de la communauté Big Data.