Analyse des données au repos et des données en mouvement

Cette séance de cours couvre l'importance de combiner des données au repos (lot) avec des données en mouvement (streaming) dans diverses applications telles que les transactions financières et l'analyse Web. Il explique l'architecture Lambda, qui permet de traiter simultanément les traitements par lots et par flux. La séance de cours explore également les complexités et les alternatives de l'architecture Lambda, en soulignant les défis de maintenir deux bases de code synchronisées et d'assurer une qualité de données cohérente. En outre, il discute de l'évaluation de la qualité des flux et des lots, fournissant des informations sur le processus de traitement continu des données et l'apprentissage périodique de nouveaux modèles. La séance de cours se termine par un aperçu détaillé des exigences finales du projet, y compris la construction d'un planificateur d'itinéraires de transport public robuste à l'aide de l'ensemble de données CFF.