PostgreSQL Administration avancée

Présentation de la formation, objectifs pédagogiques et tour de table des participants. Panorama du domaine et positionnement des technologies abordées.

Panorama du domaine : data engineering, data science, analytics, BI. Rôles et responsabilités dans une organisation data-driven.

Concepts fondamentaux du ML : apprentissage supervisé/non supervisé, évaluation de modèles. Introduction au deep learning et au NLP.

Sources de données (bases, API, fichiers, streaming). Pipelines ETL/ELT, orchestration et qualité des données.

Requêtes analytiques, agrégations, fenêtres SQL. Principes de datavisualisation et bonnes pratiques de design de dashboards.

Data warehouses, data lakes, lakehouses. Modélisation dimensionnelle (Kimball), schémas en étoile et en flocon.

Récapitulatif des acquis de la formation. Conseils pour approfondir et prochaines étapes. Préparation à la certification le cas échéant.