BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Expert Team Tunisie - ECPv6.16.3//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Expert Team Tunisie
X-ORIGINAL-URL:https://www.expertunisie.com
X-WR-CALDESC:Évènements pour Expert Team Tunisie
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Africa/Tunis
BEGIN:STANDARD
TZOFFSETFROM:+0100
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20210101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;VALUE=DATE:20220530
DTEND;VALUE=DATE:20220601
DTSTAMP:20260613T215742
CREATED:20220325T083902Z
LAST-MODIFIED:20220325T083902Z
UID:6932-1653868800-1654041599@www.expertunisie.com
SUMMARY:Communication Interpersonnelle -Tunisie
DESCRIPTION:Objectif :\n\nDéfinition\nNotion de la communication\nLe schéma de communication\nLes composantes de la communication interpersonnelle\nLes obstacles à la communication interpersonnelle\nLes caractéristiques de la communication interpersonnelle\nLe contexte ou l’environnement\nLes significations\nLe Canal\nLes bruits de communication interpersonnelle
URL:https://www.expertunisie.com/voir_formation/communication-interpersonnelle-tunisie/
END:VEVENT
BEGIN:VEVENT
DTSTART;VALUE=DATE:20220530
DTEND;VALUE=DATE:20220601
DTSTAMP:20260613T215742
CREATED:20220517T082431Z
LAST-MODIFIED:20220517T082525Z
UID:8727-1653868800-1654041599@www.expertunisie.com
SUMMARY:Formation Conception et Modélisation d’un Datawarhouse -Tunisie
DESCRIPTION:Prérequis de la formation conception et modélisation d’un datawarhouse  :\nPour entamer la formation conception et modélisation d’un datawarhouse  \,il faut d’avoir une expérience préalable des entrepôts de données est utile sans toutefois être obligatoire \nObjectifs\nÀ l’issue de cette formation Conception et modélisation d’un Datawarhouse\, vous serez capable de valider les objectifs d’apprentissages suivants : \n\nDéployer et gérer un projet de création complète d’un DataWarehouse afin d’améliorer la prise de décisions.\nAppliquer la modélisation dimensionnelle à vos processus métier afin de mieux évaluer les données.\nAnalyser les données pour garantir la qualité des données source .\nExtraire\, transformer et charger des données opérationnelles.\n\nProgrammes :\n1. Les grands principes :\n➤Concepts de bases : data warehouse\, infocentre\, datamart\, datamining.\n➤Fonctions des différentes composantes du SID (Système d’informations décisionnel).\n➤Architectures classiques.\n➤Architecture technique et architecture fonctionnelle. \n2. Composantes de l’architecture d’un data warehouse :\n➤Stratification du data warehouse.\n➤Les solutions ETL en amont du data warehouse et les processus de gestion des flux.\n➤L’Operational Data Store (ODS).\n➤La Data Staging Area et son apport durant le processus d’ETL.\n➤OLAP : moteurs d’analyse relationnel (ROLAP) et multidimensionnel (MOLAP).\n➤L’analyse OLAP : outils coté serveur et coté client.\n➤La nécessité d’un référentiel de données.\n➤Le rôle du Master Data Management (MDM). \n3. La conception du data warehouse :\n➤Les modèles dénormalisés : modèles relationnels et modèles opérationnels.\n➤Les modèles normalisés : modèle en flocon et modèle en étoile.\n➤ L’apport de la normalisation.\n➤Gérer les agrégats.\n➤Conserver la stabilité du périmètre fonctionnel défini en amont .\n➤Bonnes pratiques de modélisation.\n➤Garder une vision transversale du projet : l’interview des métiers. \n4. Les prérequis au projet décisionnel :\n➤Définir le périmètre fonctionnel et la volumétrie du projet.\n➤Identification des besoins utilisateurs.\n➤Planifier un projet Data Warehouse.\n➤Les critères de réussite de la démarche .\n➤Les justifications métiers et financières.\n➤Les acteurs et leur rôle : promoteur\, comité de pilotage\, équipe fonctionnelle\, équipe technique.\n➤Planification du projet\, identification des KPI et tableaux de suivi. \n5. Les méthodes de conduites de projet :\n➤Techniques de base .\n➤Les principales étapes.\n➤Méthodologie Kimball : l’approche bottom-up\n➤Méthodologie Inmonn : l’approche top-down .\n➤Méthodologie Agile et data warehouse.\n➤Approche itérative du projet.\n➤Rôle de la maîtrise d’ouvrage (MOA) et de la maîtrise d’œuvre (MOE).\n➤Administrer et maîtriser la solution opérationnelle. \n6. L’implémentation :\n➤Implémentation de la base de données.\n➤Outils de restitution (reporting) et leur mise en oeuvre.\n➤Les méthodes de datamining : méthodes prédictives et méthodes descriptives.\n➤Les enjeux de la croissance du volume des données : les solutions Big Data.\n➤Les impacts sur la méthodologie d’implémentation. \n7. Maintenir et faire évoluer son SID :\n➤Méthode d’évolution : évolution fonctionnelle ou réglementaire\, nouveau développement.\n➤Maintenance du SID : le cycle de maintenance corrective.
URL:https://www.expertunisie.com/voir_formation/formation-conception-et-modelisation-dun-datawarhouse-tunisie/
ATTACH;FMTTYPE=image/webp:https://www.expertunisie.com/wp-content/uploads/2022/05/data-warehouse-architecture-e1652775920151.webp
END:VEVENT
BEGIN:VEVENT
DTSTART;VALUE=DATE:20220530
DTEND;VALUE=DATE:20220602
DTSTAMP:20260613T215742
CREATED:20220516T154827Z
LAST-MODIFIED:20220523T140437Z
UID:8708-1653868800-1654127999@www.expertunisie.com
SUMMARY:Formation TOGAF For Practitioners Level 2 -Tunisie
DESCRIPTION:Prérequis de formation TOGAF For Practitioners Level 2 :\nPour suivre ce cours togaf for practitioners level 2 \, il faut d’avoir : \n➤ Des connaissances et de l’expérience dans la gestion des systèmes d’information.\n➤ Être certifié TOGAF ® for Practitioners – Level 1 Fondation. \nObjectifs de formation TOGAF For Practitioners Level 2 :\nÀ la fin de la formation TOGAF® for practitioners Level 2\, vous serez capable de valider les objectifs d’apprentissages suivants : \n\nAcquérir une démarche d’analyse et de compréhension du référentiel TOGAF®9.2\nApprendre les meilleures pratiques d’architecture d’entreprise\n\nProgrammes :\n1. Création d’applications Web Azure App Service.\n2. Appliquer une démarche de gouvernance d’architecture d’entreprise.\n3. Appliquer le TOGAF Architecture Content Framework.\n4. Appliquer les concepts de building block.\n5 Gérer les parties prenantes et les différents acteurs d’une démarche dans un projet d’architecture.\n6. Appliquer les techniques et outils recommandés lors du développement d’une démarche architecture d’entreprise.\n7. Mettre en place le modèle de référence technique TOGAF® et le personnaliser en fonction des besoins de l’entreprise.\n8. Mettre en place le modèle de référence Integrated Information Infrastructure.\n9. Concevoir\, rédiger et gérer le contenu des principaux livrables du cycleADM.\n10. Partitionner la démarche d’architecture pour répondre aux besoins spécifiques d’une entreprise.\n11. Gérer les itérations à différents niveaux de l’ADM.\n12. Gérer la sécurité et les SOA.\n13. Comprendre le rôle du Framework Architecture Skills et l’appliquer au sein d’une entreprise.
URL:https://www.expertunisie.com/voir_formation/togaf-for-practitioners-level-2/
ATTACH;FMTTYPE=image/jpeg:https://www.expertunisie.com/wp-content/uploads/2022/05/togaf-lavel2.jpg
END:VEVENT
BEGIN:VEVENT
DTSTART;VALUE=DATE:20220530
DTEND;VALUE=DATE:20220604
DTSTAMP:20260613T215742
CREATED:20220516T162633Z
LAST-MODIFIED:20220530T143325Z
UID:8714-1653868800-1654300799@www.expertunisie.com
SUMMARY:Formation MCSA: Data Engineering With Azure -Tunisie
DESCRIPTION:Prérequis de la formation MCSA Data Engineering with Azure :\nPour suivre cette formation mcsa data engineering with azure il est préférable d’avoir une connaissance du cloud computing et des concepts de données de base et une expérience professionnelle des solutions de données.. \nObjectifs\nÀ la fin de la formation MCSA Data Engineering with Azure \, vous serez capable de valider les objectifs d’apprentissages suivants : \n\nExplorer les options de calcul et de stockage pour les charges de travail d’ingénierie des données dans Azure.\nConcevoir et mettre en œuvre la couche de service.\nComprendre les considérations relatives à l’ingénierie des données.\nExécuter des requêtes interactives à l’aide de pools SQL sans serveur.\nExplorer\, transformer et charger des données dans l’entrepôt de données à l’aide d’Apache Spark.\nEffectuer l’exploration et la transformation des données dans Azure Databricks.\nIngérer et charger des données dans l’entrepôt de données.\nTransformer les données avec Azure Data Factory ou Azure Synapse Pipelines.\nIntégrer les données des ordinateurs portables avec Azure Data Factory ou Azure Synapse Pipelines.\n\nProgrammes :\n1. Explorer les options de calcul et de stockage pour les charges de travail d’ingénierie des données :\n➤Introduction à Azure Synapse Analytics .\n➤Décrire Azure Databricks.\n➤Introduction au stockage Azure Data Lake .\n➤Décrire l’architecture Delta Lake.\n➤Travailler avec des flux de données à l’aide d’Azure Stream Analytics. \n2. Concevoir et mettre en oeuvre la couche de service :\n➤Concevoir un schéma multidimensionnel pour optimiser les charges de travail analytiques.\n➤Transformation sans code à grande échelle avec Azure Data Factory .\n➤Remplir les dimensions à évolution lente dans les pipelines Azure Synapse Analytics. \n3. Considérations d’ingénierie des données pour les fichiers source :\n➤Concevoir un entrepôt de données moderne à l’aide d’Azure Synapse Analytics.\n➤Sécuriser un entrepôt de données dans Azure Synapse Analytics. \n4. Exécuter des requêtes interactives à l’aide de pools SQL sans serveur Azure Synapse Analytics :\n➤Découvrir les fonctionnalités des pools SQL sans serveur Azure Synapse.\n➤Interroger des données dans le lac à l’aide de pools SQL sans serveur Azure Synapse.\n➤Créer des objets de métadonnées dans des pools SQL sans serveur Azure Synapse.\n➤Sécuriser les données et gérer les utilisateurs dans les pools SQL sans serveur Azure Synapse. \n5. Explorer\, transformer et charger des données dans l’entrepôt de données à l’aide d’Apache Spark :\n➤Comprendre l’ingénierie du Big Data avec Apache Spark dans Azure Synapse Analytics.\n➤Ingérer des données avec des blocs-notes Apache Spark dans Azure Synapse Analytics.\n➤Transformer les données avec DataFrames dans Apache Spark Pools dans Azure Synapse Analytics.\n➤Intégrer les pools SQL et Apache Spark dans Azure Synapse Analytics. \n6. Exploration et transformation des données dans Azure Databrick :\n➤Décrire Azure Databricks.\n➤Lire et écrire des données dans Azure Databricks .\n➤Utiliser des DataFrames dans Azure Databricks.\n➤Utiliser les méthodes avancées DataFrames dans Azure Databricks. \n7. Ingérer et charger des données dans l’entrepôt de données :\n➤Utiliser les meilleures pratiques de chargement de données dans Azure Synapse Analytics.\n➤Ingestion à l’échelle du pétaoctet avec Azure Data Factory. \n8. Transformer les données avec Azure Data Factory ou Azure Synapse Pipelines :\n➤Intégration de données avec Azure Data Factory ou Azure Synapse Pipelines.\n➤Transformation sans code à grande échelle avec Azure Data Factory ou Azure Synapse Pipelines. \n9. Orchestrer le mouvement et la transformation des données dans Azure Synapse Pipelines :\n➤Orchestrer le mouvement et la transformation des données dans Azure Data Factory. \n10. Optimiser les performances des requêtes avec des pools SQL dédiés dans Azure Synapse :\n➤Optimiser les performances des requêtes d’entrepôt de données dans Azure Synapse Analytics.\n➤Comprendre les fonctionnalités pour les développeurs de l’entrepôt de données d’Azure Synapse Analytics. \n11. Analyser et optimiser le stockage de l’entrepôt de données :\n➤Analyser et optimiser le stockage de l’entrepôt de données dans Azure Synapse Analytics. \n12. Prise en charge du traitement analytique transactionnel hybride (HTAP) avec Azure Synapse Link :\n➤Concevoir un traitement transactionnel et analytique hybride à l’aide d’Azure Synapse Analytics.\n➤Configurer Azure Synapse Link avec Azure Cosmos DB.\n➤Interroger Azure Cosmos DB avec des pools Apache Spark.\n➤Interroger Azure Cosmos DB avec des pools SQL sans serveur. \n13. Sécurité de bout en bout avec Azure Synapse Analytics :\n➤Sécuriser un entrepôt de données dans Azure Synapse Analytics.\n➤Configurer et gérer les secrets dans Azure Key Vault.\n➤Mettre en oeuvre des contrôles de conformité pour les données sensibles. \n14. Traitement de flux en temps réel avec Stream Analytics :\n➤Activez une messagerie fiable pour les applications Big Data à l’aide d’Azure Event Hubs.\n➤Travailler avec des flux de données à l’aide d’Azure Stream Analytics .\n➤Ingérer des flux de données avec Azure Stream Analytics. \n15. Créer une solution de traitement de flux avec Event Hubs et Azure Databricks :\n16. Créer des rapports à l’aide de l’intégration de Power BI avec Azure Synapse Analytics :\n17. Effectuer des processus d’apprentissage automatique intégrés dans Azure Synapse Analytics :\n➤Utiliser le processus d’apprentissage automatique intégré dans Azure Synapse Analytics
URL:https://www.expertunisie.com/voir_formation/mcsa-data-engineering-with-azure/
ATTACH;FMTTYPE=image/png:https://www.expertunisie.com/wp-content/uploads/2022/05/MCSA-Data-Engineering2-e1653921195228.png
END:VEVENT
END:VCALENDAR