Data Science with KNIME Analytics Platform Training Course

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.

přehled

Poskytovatelé služeb (CSP) se potýkají s tlakem na snížení nákladů a maximalizování průměrného příjmu na uživatele (ARPU), přičemž zajišťují vynikající zákazní zkušenosti, ale objem dat stále roste. Globální mobilní data bude růst s kombinovanou roční rychlostí růstu (CAGR) o 78 procent do roku 2016, dosahující 10,8 exabytů měsíčně.

Mezitím generují CSP velké množství dat, včetně záznamů o volbách (CDR), sítí a údajů o zákaznících. Společnosti, které tyto údaje plně využívají, získají konkurenční okraj. Podle nedávného průzkumu The Economist Intelligence Unit, společnosti, které využívají datové rozhodování, mají 5-6% zvýšení produktivity. Zatím 53 % společností využívá pouze polovinu svých cenných údajů, a čtvrtina respondentů poznamenala, že obrovské množství užitečných údajů je ztraceno. Objem dat je tak vysoký, že manuální analýza je nemožná a většina softwarových systémů dědictví se nedokáže udržet, což vede k vymazání nebo ignorování cenných dat.

S Big Data & Analytics’ vysokorychlostní, skalovatelné Big Data software, CSPs mohou minovat všechny své údaje pro lepší rozhodování v kratším čase. Různé produkty a techniky poskytují konečnou softwarovou platformu pro shromažďování, přípravu, analýzu a prezentaci poznatků z velkých dat. Oblasti aplikace zahrnují monitorování výkonu sítě, detekci podvodů, detekci zákaznických záznamů a analýzu úvěrového rizika. Big Data & Analýza produktů měřítko pro zpracování terabytů dat, ale implementace takových nástrojů vyžaduje nový typ databázového systému založeného na cloudu, jako Hadoop nebo masivní měřítko paralelní počítačový procesor (KPU atd.)

Tento kurz pracuje na Big Data BI pro Telco pokrývá všechny vznikající nové oblasti, ve kterých CSP investují pro zvýšení produktivity a otevření nového toku příjmů z podnikání. Kurz poskytne kompletní 360-stupňový přehled Big Data BI v Telco tak, že rozhodovatelé a manažeři mohou mít velmi široký a komplexní přehled možností Big Data BI v Telco pro produktivitu a výnosy.

Cíle kurzu

Hlavním cílem kurzu je zavést nové Big Data obchodní inteligence techniky v 4 odvětvích Telecom Business (Marketing/prodej, síťová operace, finanční operace a vztah k zákazníkům Management). Studenti budou představeni k následujícím:

• Úvod do Big Data-co je 4Vs (volumen, rychlost, rozmanitost a pravděpodobnost) v Big Data- Generace, extrakce a řízení z perspektivy Telco
• Jak se analytika liší od analytiky dědictví
• Vnitřní odůvodnění Big Data -Telco perspektivy
• Úvod do Hadoop Ecosystem- seznámení se všemi Hadoop nástroji jako Hive, Pig, SPARC –kdy a jak jsou používány k řešení Big Data problém
• Jak Big Data je extrahována k analýze pro analytické nástroje-jak Business Analysis’s mohou snížit své bolestivé body shromažďování a analýzy dat prostřednictvím integrovaného Hadoop dashboard přístupu
• Základní úvod do analýzy Insight, analýzy vizualizace a prediktivní analýzy pro Telco
• Zákazník Churn analýza a Big Data-jak Big Data analýza může snížit zákaznický churn a nespokojenost zákazníků v Telco případových studiích
• Analýza síťových selhání a servisních selhání z síťových meta-dát a IPDR
• Finanční analýza - podvody, podvody a odhady ROI z prodeje a operačních údajů
• Zákazník akvizice problém-Cílový marketing, segmentace zákazníků a cross-prodej z prodeje dat
• Úvod a shrnutí všech Big Data analytických produktů a kde se hodí do analytického prostoru společnosti Telco
• Závěr-jak přijmout krok za krokem přístup k zavedení Big Data Business Intelligence ve vaší organizaci

Cílová publikum

• Síťová operace, finanční manažeři, manažeři CRM a špičkové manažeři IT v kanceláři Telco CIO.
• Business Analytici v Telco
• CFO kancelář manažeři / analytici
• Operativní manažeři
• QA manažeři

Exploze informací a dat v dnešním světě nemá obdoby, naše schopnost inovovat a posouvat hranice možného roste rychleji než kdy předtím. Role Data Scientist je dnes jednou z nejžádanějších dovedností napříč průmyslem.

Nabízíme mnohem více než učení prostřednictvím teorie; poskytujeme praktické, obchodovatelné dovednosti, které překlenují propast mezi světem akademické obce a požadavky průmyslu.

Tento 7týdenní kurikulum může být přizpůsobeno vašim specifickým průmyslovým požadavkům, kontaktujte nás pro další informace nebo navštivte webové stránky Nobleprog Institute

Publikum:

Tento program je určen pro absolventy postgraduálního studia a také pro kohokoli s požadovanými nezbytnými dovednostmi, které budou určeny hodnocením a pohovorem.

Dodávka:

Poskytování kurzu bude směsí Instructor Led Classroom a Instructor Led Online; typicky 1. týden bude 'třídou vedenou', týdny 2-6 'virtuální učebnou' a 7. týden zpět 'třídou vedenou'.

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 určen pro Marketing Sales Professionals, kteří mají v úmyslu proniknout hlouběji do aplikace datové vědy v Marketing/ Sales. Kurz poskytuje podrobné pokrytí různých technik datové vědy používaných pro „upsale“, „cross-sale“, segmentaci trhu, branding a CLV.

Rozdíl Marketing a prodeje – Jak se liší prodej a marketing?

Velmi zjednodušeně lze prodej nazvat jako proces, který se zaměřuje nebo cílí na jednotlivce nebo malé skupiny. Marketing na druhou stranu cílí na větší skupinu nebo širokou veřejnost. Marketing zahrnuje výzkum (identifikace potřeb zákazníka), vývoj produktů (výroba inovativních produktů) a propagaci produktu (prostřednictvím reklamy) a vytváření povědomí o produktu mezi spotřebiteli. Marketing jako takový znamená generování potenciálních zákazníků nebo potenciálních zákazníků. Jakmile je produkt na trhu, je úkolem prodejce přesvědčit zákazníka, aby si produkt koupil. Prodej znamená přeměnu potenciálních zákazníků nebo potenciálních zákazníků na nákupy a objednávky, zatímco marketing je zaměřen na delší období, prodej se vztahuje na kratší cíle.

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.

KNIME Analytics Platform je přední open source možnost pro inovace založené na datech, která vám pomůže objevit potenciál skrytý ve vašich datech, získat nové poznatky nebo předvídat nové budoucnosti. S více než 1 000 moduly, stovkami připravených příkladů, komplexní řadou integrovaných nástrojů a nejširším výběrem dostupných pokročilých algoritmů je platforma KNIME Analytics dokonalou sadou nástrojů pro každého datového vědce a obchodního analytika.

Tento kurz pro platformu KNIME Analytics je ideální příležitostí pro začátečníky, pokročilé uživatele a experty KNIME seznámit se s KNIME, naučit se, jak ji efektivněji používat a jak vytvářet jasné, komplexní přehledy založené na [ 0] pracovní postupy

Školení "Analytics Platform KNIME" nabízí komplexní přehled této bezplatné platformy pro analýzu dat. Program obsahuje úvod do zpracování a analýzy dat, instalace a konfigurace KNIME, stavební workflow, metodika tvorby obchodních modelů a datové modelování. Kurz také pokrývá pokročilé nástroje pro analýzu dat, import a export workflow, integraci nástrojů, ETL procesy, data mining, vizualizaci, rozšíření a integrace s nástroji jako R, Java, Python, Gephi, Neo4j. Závěr obsahuje přehled reportingu, integrace s BIRT a KNIME WebPortal.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí programovat v Python a R pro KNIME.

Na konci tohoto školení budou účastníci schopni:

• Plánujte, sestavujte a nasazujte modely strojového učení v KNIME.
• Rozhodujte pro operace na základě dat.
• Implementujte end-to-end projekty datové vědy.

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 instruktorův kurz vedený živě na místě nebo online je určen pro středně pokročilé analytiky dat, vývojáře nebo aspirující data scientisti, kteří chtějí použít techniky strojového učení v Python na extrakci přínosů, predikce a automatizaci rozhodování založeného na datech.

Koncem tohoto kurzu budou účastníci schopni:

• Pochopit a rozlišovat klíčové paradigmat strojového učení.
• Prozkoumat techniky předzpracování dat a metriky hodnocení modelů.
• Zapouštět algoritmy strojového učení pro řešení skutečných problémů s daty.
• Používat knihovny Python a Jupyter notebooky pro praktický vývoj.
• Vytvářet modely pro predikci, klasifikaci, doporučení 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 si získal obrovskou popularitu ve finančním průmyslu. Přijato největšími investičními bankami a hedgeovými fondy je používáno k vytváření široké škály finančních aplikací od základních obchodních programů až po systémy řízení rizik.

V tomto živém školení vedeném instruktorem se účastníci naučí, jak používat Python k vývoji praktických aplikací pro řešení řady 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 Python
• Vybrat a využívat nejvhodnější balíčky a programovací techniky Python pro organizaci, vizualizaci a analýzu finančních dat z různých zdrojů (CSV, Excel, databáze, web atd.)
• Vytvořit aplikace, které řeší problémy související s alokací aktiv, analýzou rizik, investičním výkonem a dalšími
• Odstraňovat chyby, integrovat, nasazovat a optimalizovat aplikaci Python

Publikum

• Vývojáři
• Analytici
• Kvantitativní analytici

Formát kurzu

• Kombinace přednášek, diskusí, cvičení a intenzivní praktické výuky

Poznámka

• Toto školení si klade za cíl poskytnout řešení některých z hlavních problémů, kterým čelí finanční profesionálové. Pokud máte konkrétní téma, nástroj nebo techniku, kterou byste chtěli rozšířit nebo podrobněji prozkoumat, kontaktujte nás a domluvíme se.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří chtějí použít RAPIDS k sestavení GPU-akcelerovaných datových kanálů, pracovních postupů a vizualizací s použitím algoritmů strojového učení, jako XGBoost, cuML atd.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné vývojové prostředí pro vytváření datových modelů pomocí NVIDIA RAPIDS.
• Pochopte vlastnosti, součásti a výhody RAPIDS.
• Využijte GPU k urychlení kompletních datových a analytických kanálů.
• Implementujte GPU-zrychlenou přípravu dat a ETL s cuDF a Apache Arrow.
• Naučte se provádět úlohy strojového učení pomocí algoritmů XGBoost a cuML.
• Vytvářejte vizualizace dat a provádějte analýzu grafů pomocí cuXfilter a cuGraph.