DESCRIPTIF DU MODULE

Big Data avancé

N° d’ordre du module M15

Intitulé du module Big Data avancé

Nature du module
Majeur
(Majeur / Complémentaire/ Outil)

Semestre d’appartenance du module S3

Département d’attache

Etablissement dont relève le module Faculté Polydisciplinaire Sidi Bennour

1.SYLLABUS DU MODULE

1.1. OBJECTIFS DU MODULE

 Apprendre comment utiliser les technologies Big Data dans le développement des applications
grâce au vaste écosystème d'outils Hadoop.
 Apprendre à créer des environnements Big Data.
 Traiter des ensembles de données volumineux avec Hadoop pour faciliter la prise de décisions
techniques et métier.
 Apprendre à traiter les Big Data en utilisant les langages de requêtes.
 Traiter les Big Data dans les différents modes : Batch processing, Streaming, interactif.
 Maîtriser l'outil Apache Spark (Spark Core, Spark SQL, Spark Streaming, Spark GraphX,
Spark ML).

1.2. PRE-REQUIS PEDAGOGIQUES

(Indiquer le ou les module(s) requis pour suivre ce module et le semestre correspondant.)

1.3. VOLUME HORAIRE (Les travaux dirigés sont obligatoires dans les modules majeurs)
Volume horaire (VH)

Activités Pratiques
(Travaux de terrain,
Projets, Stages, …), VH
Composante(s) du module Travail Evaluation des
Cours TD TP global
Autres /préciser) personnel connaissances

Big Data avancé 15 10 12 3 40

VH global du module 15 10 12 3 40
% VH 37,5% 25% 30% 7,5% 100%

1.4.DESCRIPTION DU CONTENU DU MODULE

Fournir une description détaillée des enseignements et/ou activités pour le module (Cours, TD, TP, Activités
Pratiques,…)

Cours
1. Introduction au BigData
2. Le calcul distribué / Historique Hadoop
3. Le modèle Map/reduce ; Le système de fichiers HDFS
4. L’architecture Hadoop ; Utilisation de Hadoop
5. Mise en place des clusters Hadoop
6. MapReduce et Hadoop
7. Environnement de développement Hadoop, MapReduce
 8. Administration Hadoop
9. Data WareHousing avec Hadoop
10. Apache Pig ; Hive.
11. Introduction à MongoDB
12. MongoDB et Map/Reduce
13. Apache Spark Architecture et comptosants
14. Apache Spark : RDD Transformations et Actions
15. Apache Spark SQL : DataFrame/DataSet pour traiter les données structurées et semi-
structurées.
16. Apache Streaming et Machine Learning.
Travaux dirigés
17. Big Data et Hadoop.
18. Paradigme de programmation MapReduce.
19. Système de stockage HDFS.
20. Apache Pig et Hive.
21. Apache Spark (Spark Core, Spark SQL, Spark Streaming, Spark GraphX, Spark ML).
Travaux pratiques
22. Mise en place de l’environnement de développement
23. Méthodologie Map/Reduce - programmation Hadoop
24. Méthodologie Map/Reduce - programmation Hadoop plus avancée
25. Apache Pig – Pig Latin
26. Apche Hive – Hive QL
27. Apache Spark (Manipuler les RDD’s, DataFrame et DataSet)
28. Utilisation de Spark Streming pour traiter un flux de données en temps réel.
29. Etudes de cas :
a) Plate-forme e-commerce : système de recommandations, analyse ad hoc et
commentaire sur les produits,
b) Analyse des données réseaux sociaux
c) Applications text-mining

1.5. MODALITES D’ORGANISATION DES ACTIVITES PRATIQUES

 Les activités pratiques correspondent aux ateliers du cours officiel.

 Les étudiants devront réaliser un mini projet pour pouvoir mettre en œuvre toutes les notions
acquises.
×
1.6.DESCRIPTION DU TRAVAIL PERSONNEL, LE CAS ECHEANT
 2.EVALUATION

2.1. Modes d’évaluation

Examen de fin de semestre

n Contrôles continus

2.2.Note du module

(Préciser les coefficients de pondération attribués aux différentes évaluations pour obtenir la
note du module)

Note du module = (60% Note Examen + 40% Note de contrôles continus)

2.3.Modalités de Validation du module

Le Module est validé pour une moyenne générale supérieure ou égale à 10/20.
Un module dont la moyenne est supérieure ou égale à 7 sur 20 peut être validé par compensation, si
l’année dont fait partie ce module est validée.
Les étudiants n’ayant pas validé le module, auront droit au rattrapage sous réserve d’avoir une
moyenne supérieure ou égale à 05/20.

3.COORDONNATEUR ET EQUIPE PEDAGOGIQUE DU MODULE(Le coordonnateur du module

est un PES ou PH, appartenant au département d’attache du module)
Nature

d’intervention(Enseignements
Grade Spécialité Département Etablissement ou activités : Cours, TD, TP,
encadrement de stage, de

projets, ...)
Coordonnateur :
PA Informatique FPSB Cours, TD, TP,
Allae Erraissi

Intervenants :
PA Informatique FPSB Cours, TD, TP,
Allae Erraissi
4. AUTRES ELEMENTS PERTINENTS