Web Flask & Django Fullstack
Construire le même mini-produit en Flask et Django pour comprendre à la fois les fondamentaux web (HTTP, routing, templates, formulaires, auth) et …
Construire le même mini-produit en Flask et Django pour comprendre à la fois les fondamentaux web (HTTP, routing, templates, formulaires, auth) et …
Formation pratique à l’ingénierie Big Data en Python : ingestion de données (batch & streaming), traitements distribués avec PySpark, messagerie Kafka, stockage …
Découverte JavaScript moderne (ES6+) et React pour créer une SPA complète. On progresse des bases du langage vers composants, état & hooks, …
Ce cours intensif vous apprendra à utiliser React 18+, la bibliothèque JavaScript frontend la plus populaire, pour construire des Applications Monopages (SPA) …
Parcours fullstack avec accent fort sur Django/DRF : modélisation, ORM, sérialisation, permissions & auth JWT, filtres/pagination, gestion d’erreurs, tests et documentation (OpenAPI). …
Construire une API REST prête pour la production avec Java 21 (LTS) et Spring Boot 3.x : controllers & DTO, validation Jakarta …
Introduction pratique aux bases de données avec un focus PostgreSQL : modélisation conceptuelle (ER), passage au modèle relationnel, SQL (DDL/DML), intégrité (PK/FK/contraintes), …
Ingérer, transformer et diffuser des flux de données en Java avec Apache Kafka et Kafka Streams (avec aperçu Flink). On couvre la …
Perfectionnement PostgreSQL orienté production : optimisation de requêtes, indexation avancée, plans d’exécution (EXPLAIN/ANALYZE), concurrence & verrous (MVCC), partitions, réplication & haute dispo, …
Perfectionnement orienté production : concurrence (threading, multiprocessing, asyncio), profiling & performance, tests avancés (pytest : fixtures/mocks), métaprogrammation (décorateurs avancés), patterns et bases …
Apprendre le Machine Learning appliqué avec Python : cadrer un problème (régression/classification), préparer les données (Pandas/NumPy), construire des pipelines scikit-learn, entraîner/évaluer des …
Approfondir le Machine Learning appliqué au niveau production : feature engineering avancé, tuning par optimisation bayésienne, ensembles (XGBoost/LightGBM/CatBoost, stacking/blending), calibration & seuils, …