Program Data Science Počítačový Kurz

Toto je 5-denní Úvod do datové vědy a umělé inteligence (AI).

Kurz je předáván s příklady a cviky pomocí Pythonu.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí používat ekosystém Anaconda k zachycení, správě a nasazení balíčků a pracovních postupů analýzy dat na jediné platformě.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Anaconda komponenty a knihovny.
• Pochopte základní koncepty, funkce a výhody Anaconda.
• Spravujte balíčky, prostředí a kanály pomocí Navigátoru Anaconda.
• Používejte balíčky Conda, R a Python pro datovou vědu a strojové učení.
• Seznamte se s některými praktickými případy použití a technikami pro správu více datových prostředí.

Účastníci, kteří absolvují toto školení, získají praktické a relevantní porozumění datové vědě a jejím souvisejícím technologiím, metodologiím a nástrojům.

Účastníci budou mít možnost tuto znalost uplatnit prostřednictvím praktických cvičení. Skupinová interakce a zpětná vazba od vyučujícího představují důležitou součást kurzu.

Kurs začíná úvodem do základních konceptů datové vědy a dále pokračuje v popisu nástrojů a metodologií používaných v této oblasti.

Účastníci kurzu

• Vývojáři
• Techničtí analytičtí pracovníci
• IT konzultanti

Formát kurzu

• Částečně přednáška, částečně diskuse, cvičení a značné praktické uplatnění.

Poznámka

• Pro požadavek na přizpůsobené školení pro tento kurz, kontaktujte nás a domluvte si detaily.

Velká data jsou datové soubory, které jsou tak objemné a složité, že tradiční aplikační software pro zpracování dat je pro ně nedostatečný. Velké problémy s daty zahrnují sběr dat, ukládání dat, analýzu dat, vyhledávání, sdílení, přenos, vizualizaci, dotazování, aktualizaci a ochranu osobních údajů.

Tento kurz je určený pro Marketingové a Prodejní Profesionály, kteří se chtějí více zabývat aplikací datových věd v marketingu/ prodaji. Kurz poskytuje podrobný přehled různých technik datových věd používaných pro "upselling", "cross-selling", segmentaci trhu, branding a CLV (Customer Lifetime Value).

Rozdíl mezi Marketingem a Prodejem - Jak se liší prodej a marketing?

Jednoduchými slovy lze prodej charakterizovat jako proces, který se zaměřuje na jednotlivce nebo malé skupiny. Marketing na druhou stranu míří na širší skupinu nebo obecnou veřejnost. Marketing zahrnuje výzkum (identifikaci potřeb zákazníků), vývoj produktů (vytvořování inovačních produktů) a propagaci produktu (pomocí reklam) a tím vytváří povědomí o produktu mezi spotřebiteli. Marketing znamená generování potenciálních klientů nebo případů. Jakmile je produkt na trhu, je úkolem prodejce přesvědčit zákazníka k nákupu tohoto produktu. Prodej znamená převod potenciálních klientů na kupující zákazníky a objednávky, zatímco marketing se zaměřuje na delší výhledy, prodej se týká kratších cílů.

Toto školení vedené instruktorem (online nebo na místě) je určeno profesionálům, kteří se chtějí začlenit do oblasti Data Science.

Na konci tohoto školení budou účastníci schopni:

• Nainstalovat a nakonfigurovat Python a MySql.
• Pochopit, co je Data Science a jak může přidat hodnotu téměř jakékoliv firemní činnosti. 
• Naučit se základům kódování v Pythonu.
• Naučit se dozorovaným a nedozorovaným technikám strojového učení, jak je implementovat a interpretovat jejich výsledky.  

Formát kurzu

• Interaktivní přednáška a diskuse.
• Mnoho cvičení a praktické praxe.
• Praktická implementace v živém laboratořském prostředí.

Možnosti přizpůsobení kurzu

• Pro požadavek na přizpůsobené školení prosím kontaktujte nás, abychom to zařídili.

Tento instruktorův živý kurz (online nebo na místě) představí myšlenku společného vývoje ve vědeckém zpracování dat a ukáže, jak používat Jupyter pro sledování a účast jako tým v "životním cyklu výpočetní myšlenky". Kurz projedná postupem vytvoření vzorového projektu ve vědeckém zpracování dat na základě Jupyter ekosystému.

Koncem tohoto kurzu budou účastníci schopni:

• Nainstalovat a nakonfigurovat Jupyter, včetně vytvoření a integrace týmového repozitáře na Git.
• Používat funkce Jupyteru jako rozšíření, interaktivní widgety, víceklientský režim a další k podpoře projektové spolupráce.
• Vytvářet, sdílet a organizovat Jupyter Notebook s členy týmu.
• Zvolit jazyky Scala, Python, R pro psaní a spouštění kódu proti systémům velkých dat jako jsou Apache Spark přes rozhraní Jupyteru.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří se chtějí učit a budovat svou kariéru v Data Science pomocí Kaggle.

Na konci tohoto školení budou účastníci schopni:

• Přečtěte si o datové vědě a strojovém učení.
• Prozkoumejte analýzu dat.
• Přečtěte si o Kaggle a jak to funguje.

V první části tohoto školení pokryjeme základy MATLAB a jeho funkci jako jazyka i platformy. Součástí této diskuse je úvod do MATLAB syntaxe, polí a matic, vizualizace dat, vývoje skriptů a objektově orientovaných principů.

Ve druhé části demonstrujeme, jak používat MATLAB pro dolování dat, strojové učení a prediktivní analytiku. Abychom účastníkům poskytli jasnou a praktickou perspektivu přístupu a síly MATLAB, nakreslíme srovnání mezi používáním MATLAB a jinými nástroji, jako jsou tabulky, C, C++ a Visual Basic.

Ve třetí části školení se účastníci naučí, jak zefektivnit svou práci automatizací zpracování dat a generování reportů.

V průběhu kurzu budou účastníci uplatňovat v praxi myšlenky získané praktickými cvičeními v laboratorním prostředí. Na konci školení budou mít účastníci důkladný přehled o schopnostech MATLAB a budou je moci využít pro řešení reálných problémů datové vědy a také pro zefektivnění své práce prostřednictvím automatizace.

V průběhu kurzu budou probíhat hodnocení, aby bylo možné změřit pokrok.

Formát kurzu

• Kurz zahrnuje teoretická a praktická cvičení, včetně případových diskuzí, kontroly ukázkového kódu a praktické implementace.

Poznámka

• Cvičební sezení budou vycházet z předem připravených šablon vzorových datových zpráv. Pokud máte specifické požadavky, kontaktujte nás, abychom se domluvili.

Tento instruktorem vedený, živý školení v České republice (online nebo přítomně) je určen pro data analytiky, vývojáře nebo aspirující datové vědce středního úrovně, kteří si přejí používat strojové učení v Pythonu ke získávání inzercí, dělání predikcí a automatizaci data ovládaných rozhodnutí.

Na konci tohoto kurzu budou účastníci schopni:

• Pochopit a rozlišovat klíčové paradigmy strojového učení.
• Zkoumat techniky předzpracování dat a metriky hodnocení modelů.
• Používat algoritmy strojového učení k řešení praktických problémů s daty.
• Pracovat s Python knihovnami a Jupyter notebooky pro praxi.
• Vytvářet modely pro predikci, klasifikaci, doporučování a shlukování.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří chtějí používat Modin k sestavení a implementaci paralelních výpočtů s Pandas pro rychlejší analýzu dat.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné prostředí, abyste mohli začít vyvíjet pracovní postupy Pandas ve velkém měřítku s Modin.
• Pochopte funkce, architekturu a výhody Modin.
• Poznejte rozdíly mezi Modin, Dask a Rayem.
• Pomocí Modin provádějte operace Pandas rychleji.
• Implementujte celé Pandas API a funkce.

Python je programovací jazyk, který získal obrovskou popularitu v finančním průmyslu. Přijatý největšími investičními bankami a hedge fondy se používá k vytváření širokého spektra finančních aplikací, od základních obchodních programů po systémy řízení rizik.

V tomto vedeném instruktorem živém školení se účastníci naučí používat Python k vývoji praktických aplikací pro řešení mnoha specifických problémů souvisejících s financemi.

Na konci tohoto školení budou účastníci schopni:

• Pochopit základy programovacího jazyka Python
• Stáhnout, nainstalovat a udržovat nejlepší vývojové nástroje pro vytváření finančních aplikací v Pythonu
• Vybrat a využít nejvhodnější balíčky a programovací techniky Pythonu k organizaci, vizualizaci a analýze finančních dat z různých zdrojů (CSV, Excel, databáze, webové stránky atd.)
• Stavět aplikace, které řeší problémy související s alokací aktiv, analýzou rizik, výkonem investic a dalšími aspekty
• Odrážet, integrovat, nasazovat a optimalizovat aplikaci v Pythonu

Cílová skupina

• Vývojáři
• Analytici
• Quants (kvantitativní analytici)

Formát kurzu

• Část přednáška, část diskuse, cvičení a významná praktická práce

Poznámka

• Toto školení má za cíl poskytnout řešení některých hlavních problémů, s kterými se finanční profesionálové setkávají. Pokud máte konkrétní téma, nástroj nebo techniku, kterou byste chtěli přidat nebo podrobněji rozpracovat, prosím, kontaktujte nás pro uspořádání.

Treninkový kurz pomůže účastníkům připravit se na vývoj webových aplikací s využitím programování Pythonem spolu s datovou analýzou. Tato datová vizualizace je skvělým nástrojem pro vrcholnou správu k rozhodování.

Toto instruktorem vedené živé školení v České republice (online nebo na místě) je zaměřeno na analytiky dat a webové vývojáře, kteří chtějí vyvíjet asociativní modely v Qlik Sense.

Na konci tohoto školení budou účastníci schopni:

• Použít Qlik Sense v datové analýze.
• Používat a navigovat v rozhraní Qlik Sense.
• Vytvořit pracovní sílu s datovou gramotností pomocí AI interakce.
• Založit datodůvodnou podnikatelskou strukturu s Qlik Sense.

Tento školení pod vedením instruktora (online nebo na místě) je určený datovým vědcům a vývojářům, kteří chtějí použít RAPIDS pro vytváření GPU-akcelerovaných datových potoků, pracovních postupů a vizualizací s použitím algoritmů strojového učení, jako je XGBoost, cuML atd.

Na konci tohoto školení budou účastníci schopni:

• Nastavit nezbytné vývojové prostředí pro vytváření datových modelů s NVIDIA RAPIDS.
• Pochopit funkce, komponenty a výhody RAPIDS.
• Využít GPU k akceleraci datových a analytických potoků od začátku do konce.
• Implementovat GPU-akcelerovanou přípravu dat a ETL s cuDF a Apache Arrow.
• Naučit se, jak provádět úkoly strojového učení pomocí algoritmů XGBoost a cuML.
• Vytvářet datové vizualizace a provádět grafickou analýzu s cuXfilter a cuGraph.