Data Modeling & Pipelines — Mandragore Academy

Python JavaScript & TypeScript SQL API Cybersecurity Fundamentals Cloud Fundamentals Data Modeling & Pipelines

Data Modeling & Pipelines — Catalogue

Choisissez un cours ou un pack pour commencer.

Chaque cours réunit 8 leçons interactives dans un Learning Workspace conçu pour transformer les connaissances en compétences opérationnelles. Leçons guidées, cas pratiques, quiz dynamiques, accompagnement conversationnel et suivi de progression vous permettent d'apprendre efficacement, à votre rythme. Les 15 cours suivent une progression par niveaux, de la modélisation des données jusqu'à l'industrialisation complète d'une plateforme de données fiable et gouvernée.

🎓 15 cours • 📘 120 leçons interactives • ⏱️ de 45 à 75 heures de formation conversationnelle

5 niveaux : Niveau 1 — 9,90 € HT Niveau 2 — 12,90 € HT Niveau 3 — 15,90 € HT Niveau 4 — 18,90 € HT Niveau 5 — 24,90 € HT

Meilleure offre

Pack Complet — Data Modeling & Pipelines

🎓 Attestation : "DMP professionnel" 247,50 €

📚 15 parcours 📖 120 leçons ⏱ 45 à 75 h ⚡ 1800 crédits inclus

142,90 € HT

Économie : 104,60 €

Pack Fondations Data Engineering 3 cours

🎓 Attestation : DMP — Fondations Data Engineering

📚 3 parcours 📖 24 leçons ⏱ 9 à 15 h ⚡ 240 crédits inclus

29,70 €

22,90 HT

Économie : 6,80 €

01 Niveau 1

Comprendre les architectures de données et les pipelines

comprendre comment les données circulent des systèmes sources jusqu’aux usages BI, analytics et IA

Comprendre le rôle du Data Engineering dans une organisation Cartographier sources, traitements et consommateurs de données Distinguer ingestion, transformation, orchestration et consommation Comparer ETL et ELT Comparer batch, micro-batch et traitements événementiels Distinguer data warehouse, data lake et lakehouse Comprendre data marts, dépendances et couches de données Atelier : cartographier une chaîne de données de bout en bout

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 80 crédits inclus

02 Niveau 1

Modéliser les données pour l’analytics

concevoir un modèle analytique cohérent à partir d’un besoin métier, d’indicateurs et de données sources

Partir des usages métier et définir le grain analytique Distinguer faits, dimensions et mesures Choisir clés métier et clés substituts Construire un modèle en étoile Comprendre dimensions conformes et dimensions dégénérées Gérer l’historisation avec les Slowly Changing Dimensions Comparer modèle transactionnel et modèle analytique Atelier : modéliser les ventes d’une entreprise pour la BI

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 80 crédits inclus

03 Niveau 1

Organiser le stockage analytique et les formats de données

choisir une organisation de stockage et des formats adaptés au volume, aux traitements et aux usages analytiques

Comparer data warehouse, data lake et lakehouse Organiser les zones raw, staging et curated Choisir entre CSV, JSON et Parquet Comprendre stockage ligne et stockage colonne Partitionner les données selon les usages Gérer schéma, compatibilité et évolution de structure Découvrir les formats de table ouverts et Apache Iceberg Atelier : concevoir l’organisation physique d’un espace analytique

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 80 crédits inclus

Pack Ingestion et transformation 3 cours

🎓 Attestation : DMP — Ingestion et transformation

📚 3 parcours 📖 24 leçons ⏱ 9 à 15 h ⚡ 300 crédits inclus

38,70 €

28,90 HT

Économie : 9,80 €

04 Niveau 2

Ingérer des données multi-sources de manière fiable

extraire des données depuis fichiers, bases SQL, APIs et stockages Cloud tout en maîtrisant erreurs et rejouabilité

Ingérer des fichiers CSV et JSON Extraire des données depuis une base SQL Consommer une API paginée pour alimenter un pipeline Ingérer depuis un stockage objet ou Cloud Gérer encodage, formats de dates et types Protéger identifiants, clés et secrets d’accès Contrôler erreurs, schémas et rejouabilité de l’ingestion Atelier : consolider trois sources dans une zone de staging

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 100 crédits inclus

05 Niveau 2

Concevoir des transformations ETL et ELT

organiser des transformations lisibles, testables et traçables entre données brutes et modèles analytiques

Concevoir les couches raw, staging, intermediate et marts Nettoyer et standardiser des données brutes Normaliser types, dates et conventions Dédupliquer et gérer les enregistrements incohérents Enrichir et rapprocher plusieurs sources Formaliser les règles métier dans les transformations Construire agrégations et datasets analytiques Atelier : transformer des données brutes en modèle exploitable

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 100 crédits inclus

06 Niveau 2

Construire des chargements incrémentaux et des reprises fiables

mettre à jour les données efficacement sans doublons ni pertes et savoir rejouer les traitements après incident

Comparer chargement complet et chargement incrémental Utiliser timestamp, watermark et clé de progression Mettre en œuvre upsert et logique MERGE Comprendre Change Data Capture et ses cas d’usage Gérer late-arriving data et corrections tardives Concevoir un traitement idempotent Préparer backfill, checkpoint et reprise après incident Atelier : rendre un chargement incrémental rejouable sans doublons

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 100 crédits inclus

Pack Industrialisation des pipelines 3 cours

🎓 Attestation : DMP — Industrialisation des pipelines

📚 3 parcours 📖 24 leçons ⏱ 9 à 15 h ⚡ 360 crédits inclus

47,70 €

35,90 HT

Économie : 11,80 €

07 Niveau 3

Transformer, tester et documenter les données avec dbt

industrialiser les transformations analytiques avec dépendances explicites, tests, documentation et lineage

Comprendre le rôle de dbt dans une architecture ELT Déclarer les sources et organiser un projet dbt Construire des modèles avec source() et ref() Choisir table, view et matérialisation incrémentale Historiser les changements avec les snapshots Ajouter tests génériques et contrôles métier Documenter modèles, dépendances et lineage Atelier : construire un mini-projet dbt testé et documenté

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 120 crédits inclus

08 Niveau 3

Orchestrer les pipelines avec Apache Airflow

planifier, chaîner, rejouer et superviser des traitements de données avec une orchestration explicite

Comprendre DAG, Task et dépendances dans Airflow 3.x Créer un workflow et séparer orchestration et traitement Planifier les exécutions et paramétrer les tâches Gérer retries, timeouts et dépendances d’échec Organiser connexions, variables et secrets Rejouer les périodes avec un backfill contrôlé Comprendre assets et scheduling orienté données Atelier : orchestrer et superviser un pipeline multi-étapes

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 120 crédits inclus

09 Niveau 3

Garantir qualité, contrats et évolution des données

détecter les données incorrectes et protéger les consommateurs contre les changements de structure non maîtrisés

Définir les dimensions de qualité des données Tester nullité, unicité, relations et valeurs acceptées Contrôler fraîcheur, volumes et dérives Écrire des unit tests sur la logique de transformation Définir et appliquer des contrats de données Gérer schema evolution et changements incompatibles Intégrer qualité et contrôles dans une chaîne CI Atelier : bloquer la publication d’un dataset non conforme

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 120 crédits inclus

Pack Fiabilité, gouvernance et passage à l’échelle 3 cours

🎓 Attestation : DMP — Fiabilité, gouvernance et passage à l'échelle

📚 3 parcours 📖 24 leçons ⏱ 9 à 15 h ⚡ 420 crédits inclus

56,70 €

42,90 HT

Économie : 13,80 €

10 Niveau 4

Gérer métadonnées, catalogue, lineage et analyse d’impact

rendre les données compréhensibles, traçables et gouvernables depuis la source jusqu’aux usages

Comprendre métadonnées techniques et métier Définir ownership, description et classification Comprendre le rôle d’un catalogue de données Construire le lineage dataset → job → run Tracer les dépendances entre sources et produits de données Analyser l’impact d’une évolution de schéma Utiliser OpenLineage comme modèle ouvert de traçabilité Atelier : réaliser l’analyse d’impact d’une modification critique

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 140 crédits inclus

11 Niveau 4

Concevoir des pipelines batch, micro-batch et événementiels

choisir le bon mode de traitement selon latence, volume, complexité, coût et exigences métier

Comparer batch, micro-batch et streaming Comprendre événements, producteurs et consommateurs Comprendre queue, log d’événements et offsets Distinguer processing time et event time Gérer ordering, duplication et late events Comprendre livraison at-least-once et objectif exactly-once Choisir une architecture selon latence, coût et complexité Atelier : décider si un besoin justifie réellement le temps réel

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 140 crédits inclus

12 Niveau 4

Optimiser stockage, traitements, performance et coûts

réduire temps de traitement et consommation de ressources sans dégrader la qualité ni la maintenabilité

Mesurer volumes, temps de traitement et coûts Optimiser partitionnement et pruning Utiliser formats colonnes et compression Éviter le problème des petits fichiers Choisir les bonnes matérialisations Exploiter parallélisme et pushdown lorsque disponible Arbitrer fraîcheur, performance, coût et simplicité Atelier : diagnostiquer et optimiser un pipeline trop lent

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 140 crédits inclus

Pack Maîtrise professionnelle Data Engineering 3 cours

🎓 Attestation : DMP — Maîtrise professionnelle Data Engineering

📚 3 parcours 📖 24 leçons ⏱ 9 à 15 h ⚡ 480 crédits inclus

74,70 €

48,90 HT

Économie : 25,80 €

13 Niveau 5

Concevoir une plateforme de données fiable et gouvernée

assembler ingestion, stockage, transformations, qualité, orchestration, sécurité et gouvernance dans une architecture exploitable

Définir les composants d’une plateforme de données Structurer environnements DEV, TEST et PROD Organiser identités, rôles, secrets et accès aux données Définir conventions, ownership et responsabilités Intégrer tests, contrats et critères de publication Intégrer catalogue, lineage et observabilité Définir stratégie Git, CI et promotion entre environnements Atelier : produire l’architecture d’une plateforme gouvernée

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 160 crédits inclus

14 Niveau 5

Industrialiser un pipeline Analytics de bout en bout

construire et exploiter un pipeline multi-source jusqu’à un dataset BI fiable avec Git, CI, tests et supervision

Cadrer le dataset Analytics et ses engagements Ingérer fichiers, API et données SQL avec Python Construire staging et transformations dbt Créer un modèle en étoile destiné à la BI Ajouter incrémental, tests, contrats et qualité Orchestrer, rejouer et superviser avec Airflow Versionner avec Git et automatiser les contrôles CI Atelier : publier un dataset BI industrialisé et observable

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 160 crédits inclus

15 Niveau 5

Projet professionnel complet Data Engineering

concevoir, construire, exploiter et défendre une chaîne de données professionnelle de bout en bout

Cadrer besoins, sources, consommateurs et niveaux de service Concevoir architecture, stockage et modèle analytique Construire les ingestions et la zone de staging Industrialiser transformations et chargements incrémentaux Mettre en place qualité, contrats et évolution de schéma Orchestrer, monitorer, gérer lineage et reprises Documenter sécurité, exploitation et runbook Atelier final : présenter et défendre la plateforme Data Engineering

📚 8 leçons ⏱ 3 à 5 h 🎯 Quiz inclus ⚡ 160 crédits inclus