Apprenez la data et construisez des projets réels

Cours, articles, outils modernes. Tout ce dont vous avez besoin pour progresser.

Voir les cours Lire le blog

audits

scans

Containers

CI / CD

Orchestration

Stockage

Observabilité

DevSecOps

Ressources & stack

Tout ce qui est inclus pour apprendre et livrer : cours, templates, datasets, et les outils open source qui vont avec.

Cours structurés
Parcours progressifs avec objectifs, exercices et corrections.
Snippets & templates
Exemples réutilisables (ETL, tests, CI) prêts à copier.
Datasets propres
Jeux de données cohérents pour pratiquer sans friction.
Stack open source
Python, Postgres, MinIO, Docker, GitHub Actions.
Qualité intégrée
Ruff, Bandit, pip-audit, pre-commit, coverage.
DX prête à l'emploi
Devcontainer VS Code, Make, scripts CLI et docs.

Parcours et cours

progressez par chapitres, suivez votre avancement, et apprenez par la pratique

git
intermédiaire

Git de débutant à expert

Normaliser EOL et marquer les binaires.

24 leçons commencer
fondamentaux expert

Fondamentaux Systeme & Reseau

Concevoir l'accès distant sécurisé et segmenté.

24 leçons commencer
reseaux expert

Réseau pratique de débutant à expert

Construire un peering BGP de labo et comprendre les bases.

8 leçons commencer
ssh
avancé

SSH de débutant à expert

Augmenter la verbosité et analyser les échecs de connexion.

23 leçons commencer
systeme
intermédiaire

Administration système de débutant à expert

Compresser, archiver et récupérer des fichiers à distance.

28 leçons commencer
shell
débutant

Bash pour débutants

qu'est-ce que bash, shells, où et pourquoi l'utiliser

44 leçons commencer
ia débutant

LLM pour débutants

Maîtriser l'art du prompt engineering, explorer les applications pratiques des LLM et comprendre leurs limitations.

4 leçons commencer
systèmes débutant

Linux pour débutants

comprendre d'où vient Linux, son lien avec Unix et les grandes étapes de son histoire.

30 leçons commencer
Tous les cours

Apprendre mieux

Un workflow simple pour progresser chaque semaine

Petites unités, répétition espacée, et cas réels. vous pratiquez avec des outils open source et des datasets propres.

🚀 tiny ETL: read → clean → load 
import pandas as pd
from sqlalchemy import create_engine

def etl(src, url, table):
    df = (pd.read_csv(src, parse_dates=["at"])
            .assign(price=lambda d: pd.to_numeric(d["price"], errors="coerce").clip(lower=0).round(2))
            .dropna(subset=["id", "at", "price"]))
    df.to_sql(table, create_engine(url), if_exists="append", index=False, method="multi", chunksize=2000)

etl("data/events.csv", "postgresql+psycopg2://user:pass@localhost:5432/app", "events")
  • pratique d'abord exercices courts, feedback immédiat, progression visible.
  • sécurisé par design validation d'entrée, patterns robustes, erreurs gérées.
  • open source réutilisable au travail, auditable, sans lock-in.

votre temps est précieux. l'objectif est de réduire le bla-bla et d'augmenter le temps passé à faire, tester et livrer.

Derniers articles

analyses, guides et bonnes pratiques autour de la data et du code

Tous les articles