Couvre les bases de données relationnelles, les transactions et la cohérence des données dans le contexte des typologies historiques des bases de données.
Introduit des concepts de modélisation de données, l'utilisation de SQL et des applications de bibliothèque Pandas pour un traitement efficace des données.
Introduit les principes fondamentaux du traitement des données, soulignant l'importance des Pandas et de la modélisation des données pour une analyse efficace.
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 bases de données relationnelles et spatiales, y compris le stockage, les systèmes de gestion, les propriétés ACID, les typologies historiques, les clés primaires et étrangères et les fonctions spatiales.
Explore l'importance des métadonnées dans l'organisation des bibliothèques médiatiques et les défis que pose la récupération efficace d'oeuvres ou d'artistes spécifiques.
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 la résolution, l'hydrologie, les SIG, les connexions, les transitions et la validation des bases de données à l'aide de divers ensembles de données.
Examine les éléments fondamentaux de la gestion des données, y compris les modèles, les sources et les querelles, en soulignant l'importance de comprendre et de résoudre les problèmes de données.
Introduit le modèle relationnel, SQL, les clés, les contraintes d'intégrité, la traduction ER, les entités faibles, les hiérarchies ISA et SQL vs. noSQL.