Catégories
Types de contenu
Talend Products
Tout savoir sur l’exploration de données, ses avantages et sa mise en place
Le data mining n’est pas née lors de l’ère numérique. Ce concept existe depuis plus d’un siècle mais il est devenu réellement connu dans les années 1980. Depuis, un long chemin a été parcouru. Les entreprises utilisent désormais le data mining et le machine learning pour accomplir de nombreuses tâches, de l’amélioration du processus de vente à l’interprétation des données financières pour l’investissement.
En savoir plus
Différences entre lac de données et entrepôt de données
Les termes « data lake » et « data warehouse » sont utilisés très couramment pour parler du stockage des big data, mais ils ne sont pas interchangeables (et noter qu’il n’est pas d’usage de rendre ces termes par un équivalent français). Un data lake est un vaste gisement (pool) de données brutes dont le but n’a pas été précisé. Un data warehouse est un référentiel de données structurées et filtrées qui ont déjà été transformées dans un but spécifique.
En savoir plus
Tout savoir sur le big data et son avenir
Le concept de big data existe au moins depuis la Seconde Guerre mondiale. Cependant, ce terme n’a fait son apparition dans les glossaires et dictionnaires qu’au cours de la dernière décennie. C’est l’arrivée de la Wi-Fi, de l’Internet 2.0 et d’autres technologies connectées utilisant l’intelligence artificielle (IA) qui ont fait de la gestion et de l’analyse d’ensemble de données massifs une réalité et une nécessité pour tous.
En savoir plus
Guide du traitement en batch à l’intention des débutants
Le traitement en batch permet d’exécuter des jobs de données lorsque les ressources le permettent avec peu ou pas d’intervention de l’utilisateur, afin d’améliorer l’efficacité et d’automatiser les processus.
En savoir plus
Pourquoi l’Institut National de l’Audiovisuel fait confiance à Talend
Ce webinar à la demande presenté par Talend démontre comment l’INA orchestre son SI.
Regarder
ELT ou ETL : Définir la différence
La différence entre l’ETL et l’ELT réside dans le fait que les données sont transformées en informations décisionnelles et dans la quantité de données conservée dans les entrepôts. Découvrez ce que signifie ces différences pour les données décisionnelles, la meilleure approche pour votre entreprise et pourquoi le Cloud est un élément décisif.
En savoir plus
Guide complet sur les entrepôts de données cloud et les data lakes cloud
Téléchargez le Guide pour savoir ce que vous devez rechercher lorsque vous commencez la création de votre entrepôt de données ou data lake dans le cloud.
TÉLÉCHARGER
Guide pour lire et écrire les données HDFS
Dans ce tutoriel, apprenez à générer des données aléatoires et à les écrire dans HDFS. Puis lisez les données depuis HDFS, triez-les et affichez-les dans la console.
Regarder
Définition de la transformation des données
La transformation des données consiste à convertir des données d’un format à un autre, en général du format d’un système source vers le format requis par un système cible.
En savoir plus
Pourquoi les outils ELT bouleversent le marché des ETL
Plus de 50 % des données d’entreprise se trouvent dans le Cloud. C’est pourquoi de plus en plus d’organisations choisissent des outils ELT pour leurs besoins de traitement. Découvrez comment les outils ELT vont changer le futur de l’intégration des données.
En savoir plus
Cinq bonnes pratiques éprouvées en matière de data lake
Vous avez décidé que le data lake était fait pour vous. Il est temps désormais de découvrir les bonnes pratiques de configuration d’un data lake, pour une réussite durable.
En savoir plus
Hadoop – Présentation générale
Hadoop est un framework Java open source utilisé pour le stockage et traitement des big data. Les données sont stockées sur des serveurs standard peu coûteux configurés en clusters. Le système de fichiers distribué Hadoop supporte des fonctionnalités de traitement concurrent et de tolérance aux incidents.
En savoir plus
MapReduce – Présentation générale
MapReduce est un modèle de programmation disponible dans les environnements Hadoop qui est utilisé pour accéder aux big data stockées dans le Hadoop File System (HDFS). La fonction map analyse les entrées, les paires et les processus et elle produit un autre ensemble de paires intermédiaires en sortie.
En savoir plus
Tests ETL – Présentation générale
Les tests ETL sont appliqués tout au long du processus ETL pour valider, vérifier et garantir la qualité des données tout en évitant la duplication des enregistrements et la perte de données. Ce document vous propose de découvrir les huit étapes des tests ETL, les neuf types de tests ETL, les défis les plus courants, comment identifier les outils les mieux adaptés à vos besoins, etc.
En savoir plus
Qu’est-ce qu’un data lake ?
Un data lake est un emplacement de stockage centralisé qui contient des big data sous un format brut provenant d’un grand nombre de sources. Les avantages du format data lake incitent de nombreuses entreprises à abandonner leurs data warehouses. Découvrez les avantages spécifiques des data lakes, pourquoi ils sont de plus en plus populaires et comment faire vos premiers pas pour en créer un.
En savoir plus
Qu’est-ce que le machine learning ?
Le machine learning est une technique qui utilise des probabilités statistiques pour donner aux ordinateurs la capacité d’apprendre par eux-mêmes grâce à leur exposition à différents types de données en entrée. On parle également, mais plus rarement d’« apprentissage automatique [par les machines] ».
En savoir plus
Qu’est-ce qu’un data pipeline et comment cela fonctionne ?
L’intégration des données passe par les quatre principales actions survenant dans les pipelines de données. Tout commence avec des données brutes, pour aboutir à des informations exploitables.
En savoir plus
Utiliser le machine learning pour la qualité des données
Découvrez comment les big data modifient la méthodologie de qualité des données. Les big data ont démocratisé le machine learning et tout comme la qualité des données a transformé le machine learning, ce dernier transforme également la méthodologie de mise en œuvre de la qualité des données.
En savoir plus
Exécuter un Job sur Spark
Apprenez à créer un Job Big Data Batch à l’aide du framework Spark, ainsi qu’à lire des données depuis HDFS, à les trier et à les afficher dans la console.
Regarder
Créer des métadonnées de connexion à un cluster
Apprenez à créer automatiquement des métadonnées de cluster Hadoop en vous connectant à Cloudera Manager.
Regarder
Déployer un data lake gouverné dans le cloud
L’objectif principal du « data lake » est d’offrir un accès direct et sans restriction à des données organisationnelles brutes (non filtrées) en lieu et place d’un stockage de datasets divergents et parfois limités dans des silos de données épars et disparates.
En savoir plus
Sqoop
Talend, leader des solutions d'intégration de données open source, étend les possibilités de Sqoop en l'insérant dans une solution d'intégration big data unifiée, polyvalente et facile à utiliser.
En savoir plus
Un traitement moderne des données, à grande échelle, dans le cloud avec Databricks et Talend
Ce livre blanc de Databricks et Talend explique comment s’appuyer sur des outils cloud intelligents et automatisés pour tirer parti des big data et déployer le machine learning. Ainsi, vous pouvez traiter plus rapidement un plus grand volume de données pour en extraire des informations plus pertinentes en conservant le même budget et les mêmes compétences.
TÉLÉCHARGER
Surmontez les complexités du Machine Learning grâce à la nouvelle Sandbox Talend
Ce webinar à la demande est presenté par Talend pour vous faire découvrir la Sandbox Machine Learning.
Regarder