MyStepUp

MyStepUp est un dépôt éducatif destiné à centraliser des cours, supports pédagogiques et exemples pratiques pour les étudiants souhaitant développer des compétences dans les domaines du cloud computing, de la data engineering, et des pratiques modernes de développement logiciel.

L’objectif de ce dépôt est de fournir un parcours structuré et progressif, combinant concepts théoriques, démonstrations techniques et exercices pratiques.

À propos de votre instructeur: Portfolio

Axel Tifrani

Cloud • Data • AI Solution Architect

• Architecte solutions Data et Cloud.
• 15 ans d'expériences en big data et cloud computing.
• Professeur en Big Data et cloud computing (ECE, ESME, MBA ESG, ESCP).
• Fondateur de Logbrain (Cabinet de conseil en big data et cloud computing).

Objectifs du dépôt

• Fournir des ressources pédagogiques claires et structurées
• Aider les étudiants à comprendre les architectures modernes de la data
• Développer des compétences pratiques sur les plateformes cloud
• Introduire les bonnes pratiques de développement, DevOps et MLOps
• Préparer les étudiants aux environnements professionnels modernes

Contenu du dépôt

Le dépôt est organisé autour de plusieurs grands domaines de compétences.

1. AWS Cloud Services

Introduction et utilisation des principaux services AWS utilisés dans les architectures modernes.

Contenu possible :

• Concepts fondamentaux du cloud
• Compute (EC2, Lambda, ECS)
• Storage (S3, EBS, Glacier)
• Data services (RDS, DynamoDB, Redshift)
• Networking (VPC, Load Balancers)
• IAM et sécurité
• Monitoring (CloudWatch)

2. Modern Data Architecture

Comprendre comment concevoir des architectures de données modernes, scalables et résilientes.

Contenu possible :

• Data Lake et Data Warehouse
• Architectures Data et BI
• Batch vs Streaming
• Data Pipelines
• Lakehouse architectures
• Data governance et data quality

3. Development Environments & DevOps

Apprendre à mettre en place des environnements de développement modernes et automatiser les processus de livraison logicielle.

Contenu possible :

• Environnements de développement reproductibles
• Git et workflows de collaboration
• CI/CD pipelines
• Containerisation avec Docker
• Orchestration avec Kubernetes
• Infrastructure as Code (Terraform, CloudFormation)

4. Data Engineering

Les fondamentaux de l’ingénierie des données pour construire des pipelines robustes et scalables.

Contenu possible :

• ETL / ELT
• Data pipelines
• Orchestrators
• Traitement batch et streaming
• Optimisation et gestion des performances

5. MLOps

Introduction aux pratiques permettant de mettre en production et maintenir des systèmes de machine learning.

Contenu possible :

• Cycle de vie des modèles ML
• Versioning des données et des modèles
• Automatisation de l'entraînement
• Déploiement de modèles
• Monitoring des modèles
• Feature stores

Public cible

Ce dépôt s’adresse principalement :

• aux étudiants en data engineering, cloud computing ou IA
• aux développeurs souhaitant apprendre les architectures data modernes
• aux ingénieurs souhaitant se former aux pratiques DevOps et MLOps

Méthodologie pédagogique

Chaque module pourra contenir :

• des notes de cours
• des schémas d’architecture
• des exemples de code
• des labs pratiques
• des exercices

L’objectif est d’apprendre en combinant théorie, pratique et projets concrets.

---

Ce dépôt évoluera progressivement pour intégrer de nouveaux contenus, exercices et études de cas.