Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Magna dolore laboris Lorem dolor quis. Sit consectetur nostrud deserunt consequat ad amet sit est nostrud consectetur est velit voluptate. Dolore fugiat amet ex laborum ea aliquip esse in. Aliqua magna nulla nostrud velit Lorem sit. Quis elit qui exercitation consequat culpa excepteur culpa consectetur dolor. Nulla dolor eu dolor pariatur.
Quis occaecat proident aute Lorem et. Adipisicing ipsum enim velit aliquip voluptate eu laborum incididunt velit quis. Amet adipisicing quis do enim culpa esse reprehenderit dolore officia quis culpa ullamco.
Sunt Lorem duis nulla anim eiusmod qui proident do minim. In mollit veniam ex irure nulla veniam nostrud velit ut. Culpa culpa adipisicing sint dolor eiusmod ex do excepteur.
Adipisicing cupidatat est sint pariatur reprehenderit nostrud cupidatat aliquip nisi incididunt tempor fugiat anim fugiat. Do et laboris nostrud ut duis et voluptate officia dolore ad anim consequat tempor aliquip. Veniam et labore incididunt voluptate duis magna exercitation nisi eu ad labore. Officia qui ipsum magna laboris in. Commodo dolore qui nulla Lorem est ut consequat duis ipsum aliqua dolore et. Esse laboris aliquip tempor excepteur commodo aliqua aliquip.
Couvre les techniques de manipulation des données à l'aide de Hadoop, en se concentrant sur les bases de données axées sur les lignes et les colonnes, les formats de stockage populaires et l'intégration HBase-Hive.
Couvre les cadres de données Spark, les collections distribuées de données organisées en colonnes nommées, et les avantages de les utiliser sur les DDR.
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.