MS CFTL/ISTQB testeur certifié (niveaux fondation/avancé/expert)

Au terme de cette formation, vous serez en mesure :
– Apporter une expertise en Big Data permettant la manipulation des données
– Concevoir les plateformes permettant de traiter des volumes importants données
– Mettre en place des bases de données
– Veiller à ce que les pipelines de données soient sécurisés et clairs pour être analysés et transformés

Présentation du cursus,
des plateformes
pédagogiques et du fil
rouge proposé par CAP
GEMINI (DataViz + GCP)
Ice Breaking, tour de table - Avoir une description du cursus et des choix
d'orientation - Comprendre l'utilisation des différentes plateformes
d'apprentissage du cursus - Découvrir le projet "fil-rouge".
Apprendre à apprendre Comprendre comment fonctionne le cerveau pour mémoriser plus eicacement -
Mettre en place des outils et méthodes d'apprentissage et de mémorisation -
Comprendre l'utilisation des différentes plateformes d'apprentissage du cursus -
Avoir une description du cursus et des choix d'orientation.
Adopter la posture
gagnante du consultant
en ESN
Maîtriser le contexte des ESN - Maîtriser les différents types de prestations -
Comprendre les cycles de ventes - Comprendre le métier de consultant - Adapter
votre posture - Identifier vos axes de progressions.
Algorithmique
et programmation
structurée orientée Python
Disposer des connaissances nécessaires à l'apprentissage d'un langage
de développement - Connaître les structures de base de la programmation
(boucles, conditions) - Savoir quelles sont les grands paradigmes
de programmation (procédural, objet) - Comprendre la notion d'objet
et les concepts associés - Identifier les apports de la modélisation UML - Disposer
d'un premier point de vue sur les approches Python - Découvrir les variables
et le typage des données.
Python et Python Orienté
Objet dans Visual Studio
Code
Identifier les usages courants du langage - Installer la prise en charge de Python
dans Visual Studio - Mettre en pratique le scripting en Python - Structurer votre
code en fonction, classes et modules - Utiliser des modules existants - Décrire
la programmation réseau avec Python - Expérimenter la programmation objet
en Python.
Mises en pratique
et Validation des acquis -
Python
Etudes de cas - Quiz - Exercices - Projet groupé
Linux - les fondamentaux 4 28 Distinguer les logiciels libres et l'Open Source - Identiier les principes
fondamentaux du système d'exploitation - Utiliser interactivement le Shell
et connaître les commandes essentielles - Gérer les ichiers et les dossiers - Editer
un ichier - Reconnaître les métacaractères et les expressions régulières.
Linux - Programmation Shell
Bash
Décrire les notions de bases de Linux, de manière approfondie - Enrichir votre
corpus de commandes - Développer des scripts Shell.
Mises en pratique
et Validation des acquis -
Infrastructure Linux
Etudes de cas - Quiz - Exercices - Projet groupé
Langage SQL :
Fondamentaux
Décrire les principaux concepts des SGDBR (Système de Gestion des Bases
de Données Relationnelles) et d'algèbre relationnelle utilisés dans le langage SQL -
Interroger une base de données avec la clause SQL SELECT - Utiliser
les commandes SQL de mise à jour des données - Identiier les commandes SQL
de début et fin de transaction BEGIN, COMMIT et ROLLBACK - Présenter
les concepts de gestion des privilèges systèmes et objets avec les commandes
SQL GRANT et REVOKE - Créer, modiier et supprimer certaines catégories
d'objets (table, index, vues...) avec CREATE, ALTER et DROP.
Agilité et Pilotage de projets 2 14 Gestion de projet : prédictive vs agile - Pourquoi l'agilité ? - Apprendre
les pratiques agiles - Maîtriser la méthode agile Scrum .
Big Data - Enjeux
et perspectives
Identifier l'ensemble des enjeux et facteurs à prendre en compte pour réussir
l'intégration du Big Data dans la vision large du SI
Evaluer et sélectionner les outils appropriés dans le cadre d'un plan de mise
en oeuvre du Big Data.
Big Data - Concevoir
et piloter un projet
Bien identifier les challenges dans la mise en place d'un projet Big Data
Mesurer l'impact politique et stratégique sur l'entreprise et la pertinence
d'un reporting régulier
Mettre en place une bonne gestion des conlits et de la conduite du changement.
Hadoop - Introduction
à la plateforme
et à l'écosystème
Installer un environnement Hadoop - Utiliser les distributions Hortonworks, MapR
et Cloudera - Réaliser des algorithmes de calcul distribué avec MapReduce -
Comprendre les concepts principaux autour du stockage et du traitement
des données dans Hadoop - Appréhender l'écosystèmes basés sur Hadoop
(HBase, les outils de traitement Pig, Hive et Spark)
Hadoop - Développement 2 14 Présenter les principes du Framework Hadoop - Utiliser la technologie MapReduce
pour paralléliser des calculs sur des volumes importants de données - Identiier
les commandes shell courantes pour HDFS.
PySpark - Traitement
des données
Décrire le principe de fonctionnement de Spark - Utiliser l'API PySpark pour
interagir avec Spark en Python - Mettre en oeuvre les méthodes de Machine
Learning avec la librairie MLlib de Spark - Traiter les flux de données avec Spark
Streaming - Manipuler les données avec Spark SQL.
Mises en pratique
et Validation des acquis -
Big Data
Etudes de cas - Quiz - Exercices - Projet groupé
Journée immersive
en entreprise ou technique
de recherche d'emploi
Mise en situation en milieu professionnel coachée par un consultant senior
et aide à la recherche d'emploi
Data Visualisation - Rendre
visible l'invisible
Analyser, trier, traiter des données brutes pour les présenter sous forme
de graphiques, de cartes ou d'organigrammes attrayants - Simpliier la lisibilité
et accroître la compréhension.
Power BI -
Les fondamentaux
à l'expertise
Décrire le cycle de création d'un rapport Power BI - Vous connecter à des sources
de données - Transformer, nettoyer et combiner des sources - Structurer
un modèle de données - Créer des indicateurs - Aicher les indicateurs
dans des rapports PBI - Partager des rapports - Mettre en place une solution
de Business Intelligence avec les outils avancés Power BI - Les fonctions avancées
du DAX - Partager en ligne vos tableaux de bords et rapports - Utiliser
des visualisations interactives.
Qlik Sense - Du designer
au développeur
Décrire les avantages et les fonctionnalités de Qlik Sense - Naviguer
dans l'application Qlik Sense - Gérer les feuilles dans une application Qlik Sense -
Manipuler les objets de feuille pour choisir ou restituer des données - Organiser
les objets sur la feuille - Créer un graphique pour mettre en valeur les données -
Charger simplement des données dans Qlik Sense - Exploiter l'outil
de développement - Vous connecter aux sources de données - Nettoyer,
manipuler et transformer des données - Réaliser des modélisations associatives
et des optimisations - Utiliser des fichiers QVD - Réaliser des calculs avancés
(filtres, agrégations, totaux et sous-totaux...) - Utiliser les éléments principaux.
Data Science -
Les fondamentaux
Identifier les enjeux de la Data Science et de l'IA - Schématiser le cycle d'un projet
Data Science - Appliquer les meilleures pratiques en matière de nettoyage
et de préparation de vos données avant l'analyse - Modéliser un problème de Data
Science.
Mises en pratique
et Validation des acquis -
Data Visualisation et Data
Science
Etudes de cas - Quiz - Exercices - Projet groupé
Fondamentaux Devops 2 14 Décrire les principes de la démarche DevOps - Démontrer l'impact de la démarche
DevOps dans les infrastructures et notamment l'Infrastructure as Code -
Reconnaître l'impact de la démarche DevOps, des containeurs et du CaaS -
Entamer une démarche vers une organisation DevOps.
Gérer le versionning avec
GIT et appliquer le TDD
avec PyTest
Découverte de la plateforme Github pour le travail collaboratif sur Git - Décrire
les principes d'un gestionnaire de versions distribué - Identifier par la pratique,
la philosophie de Git et ses apports - Mettre en oeuvre les principes fondamentaux
et les bonnes pratiques du TDD - Installer le framework PyTest - Gérer les tests
logiciels avec PyTest sur un projet Agile.
Mises en pratique
et Validation des acquis -
CI / CD
Etudes de cas - Quiz - Exercices - Projet groupé
Docker pour Linux -
Déploiement de conteneurs
virtuels
Identifier les caractéristiques d'un conteneur Linux - Installer et utiliser Docker -
Décrire la création des images Docker et "Dockerfile" - Interagir avec le Docker
Hub et registry privés - Lister les notions réseaux de Docker (networks, links) -
Expliquer la gestion des données avec Docker (volumes) - Utiliser Docker Swarm,
Docker Compose et Docker Machine - Intégrer Docker au sein de vos projets -
Déployer Docker en production.
Kubernetes - Orchestrer
ses conteneurs
Décrire les principes de l'orchestration de conteneurs Docker - Créer et mettre
en oeuvre Kubernetes - Orchestrer des conteneurs Docker - Déployer
des applications.
Mises en pratique
et Validation des acquis -
Kubernetes avec Minikube
Etudes de cas - Quiz - Exercices - Projet groupé
Google Cloud Platform -
Core infrastructure -
Les fondamentaux
Démontrer l'utilité et les atouts des produits et services Google Cloud Platform -
Interagir avec les services Google Cloud Platform - Décrire les manières dont
les clients utilisent Google Cloud Platform - Choisir et utiliser des environnements
de déploiement applicatif sur Google Cloud Platform : Google App Engine, Google
Kubernetes et Google Compute Engine - Gérer les options de stockage Google
Cloud Platform : Google Cloud Storage, Google Cloud Filestore, Google Cloud
SQL, Google Cloud BigTable et Google Cloud Data Store - Décrire les principes
de base d'utilisation de BigQuery, l'entrepôt de données géré par Google
et destiné à l'analyse - Présenter les principes de base d'utilisation de Cloud
Deployment Manager, l'outil de Google permettant de créer et gérer
des ressources Cloud à l'aide de modèles - Identiier les principes de base
d'utilisation de Google Stackdriver, le système de surveillance, de journalisation
et de diagnostic de Google.
Google Kubernetes Engine -
Architecting
Décrire le déploiement et la gestion d'applications conteneurisées sur Google
Kubernetes Engine (GKE) et les autres services fournis par Google Cloud
Platform (GCP) - Explorer et déployer des éléments de solution, notamment
des composants d'infrastructure tels que des pods, des conteneurs,
des déploiements et des services (ainsi que des réseaux et des services
d'application) - Déployer des solutions, notamment la gestion de la sécurité
et des accès, la gestion des ressources et la surveillance des ressources - Décrire
le fonctionnement des conteneurs de logiciels - Justifier les choix GCP pour
les services de stockage managés - Surveiller les applications exécutées
dans Kubernetes Engine - Illustrer l'architecture de Kubernetes - Concevoir
l'architecture de GCP - Expliquer le fonctionnement de la mise en réseau des pods
dans Kubernetes Engine - Créer et gérer des clusters de Kubernetes Engine à l'aide
de la console GCP et des commandes gcloud / kubectl - Lancer, annuler
et exposer des jobs dans Kubernetes - Gérer le contrôle d'accès à l'aide
de Kubernetes RBAC et Google Cloud IAM - Gérer les stratégies de sécurité
des pods et des réseaux - Utiliser des "secrets" et des "ConfigMaps" pour isoler
les informations d'identification de sécurité et les artefacts de coniguration.
Big Data and Machine
Learning Fundamentals on
Google Cloud Platform
Connaissance des produits et services de GCP notamment ceux liés aux
traitements des données et au machine learning - Connaissance des produits
et services fondamentaux concernant le calcul et le stockage - Connaissance
de Cloud SQL et de Dataproc - Connaissance de Datalab et BigQuery -
Connaissance de TensorFlow et des APIs machine learning (ML) - Connaissance
de Pub/Sub et de Dataflow.
Langage SQL avancé avec
BigQuery
Décrire de manière approfondie les techniques du langage SQL afin de mieux tirer
profit des possibilités du langage dans la consultation et la manipulation
des données.
Data Engineering on Google
Cloud Platform
Concevoir et développer des systèmes de traitement des données sur Google
Cloud - Traiter des données par lot ou par flux en mettant en oeuvre des pipelines
de données d'autoscaling sur Dataflow - Orchestrer le travail entre les services
GCP avec Cloud Composer / Apache Airflow - Obtenir des insights métier à partir
d'ensembles de données extrêmement volumineux à l'aide de BigQuery - Exploiter
des données non structurées à l'aide de Spark et des interfaces de programmation
de ML sur Dataproc - Obtenir des insights immédiats à partir de flux de données -
Découvrir les API de machine learning (ML) et BigQuery ML, et apprendre à utiliser
Cloud AutoML
Analyse et visualisation
des données dans Looker
Définir Looker et les fonctionnalités qu'il fournit pour travailler avec des données -
Expliquer les quatre concepts analytiques de base dans Looker (dimensions,
mesures, filtres, pivots) - Utilisez des dimensions, des mesures, des filtres
et des pivots pour analyser et visualiser les données - Créez instantanément
des métriques avancées avec des calculs de table - Créer des tableaux de bord
pour combiner et partager des visualisations - Utilisez des dossiers et des tableaux
dans Looker pour organiser le contenu pour la navigabilité et la découvrabilité.
Sauvegarde quotidienne
d'un GCP Cloud Storage
Bucket
Présentation générale des services de backup fournis par GCP - Création
du Bucket de sauvegarde - Création de la Cloud Function - Création du Cloud
Scheduler - Les différentes méthodes de restauration.
Présentation des choix
techniques et des solutions
proposées en binome