Formateur·rice en données distribuées avec Apache Spark et PySpark — Région Guelmim Oued Noun

Villes concernées

Votre rôle chez FormaGroup

Cette mission consiste à accompagner des data engineers, des data analysts et des développeurs Python dans la prise en main de Spark pour traiter des volumes importants de données. Les sessions peuvent être proposées en présentiel ou à distance, auprès d’entreprises et de particuliers de la région.

Missions confiées

1. 1Présenter l’architecture de Spark et son environnement d’exécution afin d’expliquer les principes du traitement distribué.
2. 2Guider les participants dans la manipulation des DataFrames PySpark, notamment pour appliquer des transformations, des agrégations et des jointures.
3. 3Faire pratiquer le chargement et l’écriture de données dans des formats courants, en abordant les choix de stockage et le partitionnement.
4. 4Accompagner la construction de traitements distribués réutilisables et d’un pipeline de traitement de bout en bout.
5. 5Proposer des exercices d’optimisation et de diagnostic pour aider les participants à repérer les problèmes de performance dans leurs transformations et leurs jointures.

Programme de formation à animer

Une maîtrise pédagogique des thèmes suivants est attendue :

Public à former

Approche pédagogique attendue

• Alterner les explications sur l’architecture Spark avec des exercices guidés de manipulation de DataFrames en PySpark.
• Faire réaliser des cas pratiques de chargement, d’écriture, de transformations, d’agrégations et de jointures.
• Proposer des mises en situation autour du partitionnement, des formats de données et du diagnostic de performance.
• Accompagner la réalisation d’un pipeline de traitement de bout en bout et vérifier les acquis par la pratique.

Profil recherché

• Vous maîtrisez le traitement distribué de données avec Apache Spark et PySpark, y compris la manipulation des DataFrames et les opérations courantes.
• Vous avez une expérience de la formation d’adultes et savez rendre accessibles les concepts d’architecture, de transformations distribuées et d’optimisation.
• Vous êtes en mesure d’enseigner le chargement et l’écriture de données, le partitionnement, les formats de stockage et l’intégration de Spark dans un pipeline.
• Vous savez accompagner des profils techniques dans la mise en pratique et l’analyse de leurs traitements de données.

Atouts appréciés

• Une pratique de projets impliquant des volumes importants de données peut enrichir les exemples et les mises en situation proposés aux participants.
• La capacité à adapter les exercices aux besoins de data engineers, data analysts et développeurs Python constitue un atout.

Disponibilité et mobilité

Compétences clés

Mots-clés de l’offre