Des formations gratuites pour progresser en data

Comprendre l'architecture Snowflake et dimensionner un warehouse en connaissance de cause.

1. 1Architecture Snowflake : storage, compute et Cloud Services
2. 2Éditions Snowflake : Standard, Enterprise, Business Critical et VPS
3. 3Virtual Warehouse Snowflake : sizing, multi-cluster, scaling et concurrence
4. 4Types de tables Snowflake : permanent, transient, temporary et external
5. 5Types de vues Snowflake : standard, secure et materialized
6. 6Time Travel, Fail-safe & Zero-Copy Clone Snowflake : le guide (UNDROP, CLONE AT)
7. 7Zero-Copy Clone Snowflake : cloner sans dupliquer les données
8. 8Cache Snowflake : result cache et warehouse cache

Lire un Query Profile et choisir la bonne optimisation (clustering, QAS, SOS) selon le symptôme.

1. 1Query Profile Snowflake : comprendre l'exécution et les performances d'une requête
2. 2Clustering Snowflake : optimiser les performances et réduire les coûts
3. 3QAS Snowflake : accélérer les requêtes lentes avec le Query Acceleration Service
4. 4SOS (Search Optimization Service) Snowflake : accélérer les recherches

Écrire les transformations SQL du quotidien data : fenêtres, dates, jointures avancées, SCD.

1. 1Window Functions Snowflake : OVER, PARTITION BY, ROW_NUMBER
2. 2DATE_TRUNC, DATEDIFF, DATEADD : maîtriser les dates Snowflake
3. 3CTE (WITH) vs table dérivée (sous-requête dans FROM) en SQL2 min
4. 4JOINs spécialisés en SQL : SEMI, ANTI, ASOF, LATERAL et FULL OUTER7 min
5. 5SCD Type 1, 2, 3, 6 : historiser les dimensions en SQL (Snowflake, dbt)
6. 6Snowpark Snowflake : coder en Python, Java ou Scala
7. 7Fonctions UDTF Snowflake : des vues paramétrables

Mettre en place un modèle d'accès propre : rôles, masquage des PII, politiques de lignes.

1. 1Users & Accès Snowflake : rôles, droits et erreurs à éviter
2. 2Rôles système Snowflake : ACCOUNTADMIN, SYSADMIN, SECURITYADMIN… (+ pièges)
3. 3Masquage dynamique Snowflake : protéger les données PII
4. 4Row Access Policy Snowflake : contrôler l'accès aux données par ligne
5. 5DAC + RBAC Snowflake : le modèle de contrôle d'accès (et Secondary Roles)
6. 6Network Policy Snowflake : restreindre l'accès par IP
7. 7MFA et Key Pair Snowflake : sécuriser l'authentification

Charger des fichiers proprement : stages, formats, semi-structuré et ingestion continue.

1. 1Stages Snowflake : table stage, user stage et named stage
2. 2File format Snowflake : CSV, JSON, Parquet… comment Snowflake lit tes fichiers
3. 3Données semi-structurées et non structurées Snowflake : VARIANT, FLATTEN et fichiers
4. 4Snowpipe Snowflake : ingestion continue automatique (vs COPY INTO, guide complet)

Construire un pipeline incrémental qui ne retraite que les nouveautés (CDC).

1. 1CDC Snowflake : capturer les changements avec les Streams
2. 2Tasks Snowflake : SCHEDULE, AFTER, WHEN (automatiser les pipelines SQL)
3. 3Dynamic Tables Snowflake : pipelines incrémentaux (vs Streams + Tasks, exemples)

Ouvrir Snowflake sur le lakehouse (Iceberg) et l'IA intégrée (Cortex).

1. 1Iceberg Tables Snowflake : Apache Iceberg, format ouvert et data lakehouse
2. 2Cortex AI Snowflake : utiliser l'IA et le Machine Learning en SQL

Partager des données gouvernées sans copie, en interne comme en externe.

1. 1Data Sharing Snowflake : Share, Listing (Marketplace)

Monter un projet dbt complet : sources, modèles, tests, docs et premier déploiement.

1. 1dbt (Data Build Tool) : à quoi ça sert ? (+ exemples SQL)
2. 2Installer dbt (Fusion) et connecter Snowflake
3. 3Sources et staging dbt : construire la première couche
4. 4Les matérialisations dbt : view, table, incremental et ephemeral (et quand choisir quoi)
5. 5Les tests dbt : fiabiliser les données automatiquement (generic et singular)
6. 6Documentation, lineage et exposures dbt : rendre ton projet lisible
7. 7Les seeds dbt : charger des données de référence depuis un CSV
8. 8Déployer ton projet dbt : Git, dbt build et passage en prod

Tenir la prod : incrémental, snapshots SCD2, macros, gouvernance et CI/CD.

1. 1Les modèles incremental en dbt : ne traiter que les nouvelles lignes
2. 2Les snapshots dbt : garder l'historique avec le SCD Type 2
3. 3Jinja et macros dbt : factoriser et réutiliser sa logique SQL
4. 4Les packages dbt : installer dbt_utils et réutiliser le code de la communauté
5. 5Gouvernance dbt : contracts, access et grants pour les projets partagés
6. 6Les unit tests dbt : tester la logique, pas seulement la donnée
7. 7CI/CD et Slim CI dbt : tester chaque changement automatiquement

Ouvrir un compte sécurisé, poser une alerte budget et piloter AWS depuis le terminal.

1. 1AWS pour la data : overview des services et architecture d'un projet data
2. 2Créer son compte AWS en 2026 : Free Tier, MFA, IAM et alerte budget
3. 3AWS CLI sur Windows : installation, configuration et premières commandes

Structurer un data lake en zones et le rendre requêtable par le catalogue Glue.

1. 1Collecte de données sur AWS : envoyer des fichiers dans S3 (console, CLI, boto3)
2. 2Data lake S3 : organiser les zones raw, clean, curated (+ versioning et lifecycle)
3. 3Glue Data Catalog et crawler : rendre son data lake S3 requêtable

Interroger le data lake en SQL, puis réduire la donnée scannée et donc la facture.

1. 1Amazon Athena : requêter son data lake S3 en SQL
2. 2Athena : CSV vs Parquet, diviser la donnée scannée
3. 3Partitionnement Athena : diviser les coûts par 10 (partitions S3)

Écrire un job de nettoyage, comprendre le PySpark derrière, et réagir à l'arrivée d'un fichier.

1. 1Glue ETL avec Glue Studio : le premier job de nettoyage raw vers clean
2. 2AWS Glue ETL en PySpark : comprendre et modifier le script derrière Glue Studio
3. 3Lambda et S3 : déclencher une fonction Python à l'arrivée d'un fichier

Choisir entre Athena et Redshift, puis enchaîner les étapes sans rien lancer à la main.

1. 1AWS Redshift Serverless : créer son entrepôt et charger S3 avec COPY
2. 2Step Functions et EventBridge : orchestrer son pipeline data AWS

Lire une policy IAM, restreindre l'accès jusqu'à la colonne, et savoir où part l'argent.

1. 1AWS IAM pour la data : lire une policy et les privilèges
2. 2AWS Lake Formation et KMS : droits par colonne et chiffrement du data lake
3. 3FinOps AWS : lire la facture avec Cost Explorer

Reprendre la chaîne complète sans guide, à partir du seul besoin métier.

1. 1Atelier AWS : modéliser la couche gold d'un data lake (sans guide)

Comprendre ce que SQL sait faire, où il s'arrête, et comment raisonner en tables.

1. 1Apprendre le SQL : le guide complet des fondamentaux (data, 2026)
2. 2SQL vs NoSQL, c'est quoi la différence ?
3. 3Qu’est-ce qu’une transaction SQL et quand l’utiliser ?

Croiser des tables sans se tromper : jointures spécialisées, anti-joins, CTE.

1. 1JOINs spécialisés en SQL : SEMI, ANTI, ASOF, LATERAL et FULL OUTER
2. 2LATERAL JOIN et CROSS APPLY : exécuter une sous-requête par ligne en SQL
3. 3NOT IN vs NOT EXISTS en SQL : pourquoi le résultat diffère
4. 4CTE (WITH) vs table dérivée (sous-requête dans FROM) en SQL

Maîtriser les transformations qui font la différence en entretien comme en mission.

1. 1Window Functions Snowflake : OVER, PARTITION BY, ROW_NUMBER
2. 2DATE_TRUNC, DATEDIFF, DATEADD : maîtriser les dates Snowflake
3. 3MERGE SQL : INSERT, UPDATE, DELETE en une requête (Snowflake, dbt, BigQuery)
4. 4SCD Type 1, 2, 3, 6 : historiser les dimensions en SQL (Snowflake, dbt)