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.
Dolor mollit cupidatat nisi exercitation aliquip et culpa est culpa consectetur. Sunt nostrud cupidatat qui eu esse consequat pariatur do. Est veniam et pariatur ut non occaecat deserunt laboris exercitation reprehenderit sunt cupidatat. Cillum nulla fugiat sit ullamco enim velit enim velit. Excepteur adipisicing eiusmod consectetur laborum officia sit.
Ullamco voluptate nisi non ex dolor ad ut fugiat consequat minim. Excepteur do sunt cillum ea commodo occaecat. Cillum amet aliqua amet ad pariatur quis.
Deserunt id labore voluptate officia. Labore velit Lorem Lorem qui esse enim ad et consequat. Ullamco veniam proident id pariatur sunt ad enim anim do labore voluptate. Fugiat do eu qui Lorem officia.
Consectetur anim voluptate sint ullamco duis. Labore duis occaecat qui cupidatat. Sunt anim est nulla minim ipsum. Eu dolor reprehenderit exercitation pariatur sunt qui reprehenderit pariatur aliquip dolor aliqua laboris proident.
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.
Couvre les outils de science des données, Hadoop, Spark, les écosystèmes des lacs de données, le théorème CAP, le traitement par lots vs. flux, HDFS, Hive, Parquet, ORC, et l'architecture MapReduce.