Formation Anaconda Ecosystem for Data Scientists

Résumé

Les fournisseurs de services (CSP) sont confrontés à une pression pour réduire les coûts et maximiser le revenu moyen par utilisateur (ARPU), tout en assurant une excellente expérience client, mais les volumes de données continuent de croître. Le trafic mondial de données mobiles va croître à un taux de croissance annuel combiné (CAGR) de 78 % à 2016, atteignant 10,8 exabytes par mois.

Pendant ce temps, les CSP génèrent de grands volumes de données, y compris les enregistrements détaillés des appels (CDR), les données réseau et les données client. Les entreprises qui exploitent pleinement ces données gagnent une limite concurrentielle. Selon une récente enquête de The Economist Intelligence Unit, les entreprises qui utilisent la prise de décision basée sur les données bénéficient d’une augmentation de productivité de 5-6%. Cependant, 53% des entreprises n’utilisent que la moitié de leurs données précieuses, et un quart des répondants a noté que de vastes quantités de données utiles ne sont pas utilisées. Les volumes de données sont si élevés que l'analyse manuelle est impossible, et la plupart des systèmes logiciels héréditaires ne peuvent pas se maintenir, ce qui entraîne que les données précieuses sont déchirées ou ignorées.

Avec Big Data & Analytics’ logiciel de big data à grande vitesse, scalable, les CSPs peuvent miner tous leurs données pour une meilleure prise de décision en moins de temps. Différents Big Data produits et techniques fournissent une plate-forme logicielle end-to-end pour la collecte, la préparation, l'analyse et la présentation d'informations sur les grandes données. Les domaines d'application comprennent la surveillance des performances du réseau, la détection de fraudes, la détection du client et l'analyse du risque de crédit. Big Data & Scale des produits d'analyse pour gérer des terabytes de données mais la mise en œuvre de ces outils nécessite un nouveau type de système de base de données basé sur le cloud comme Hadoop ou un processeur de calcul parallèle à grande échelle (KPU, etc.)

Ce cours travaille sur Big Data BI pour Telco couvre toutes les nouvelles zones émergentes dans lesquelles les CSP investissent pour augmenter la productivité et ouvrir de nouveaux flux de revenus d'affaires. Le cours fournira une vue complète de 360 degrés sur Big Data BI à Telco afin que les décideurs et les gestionnaires puissent avoir un aperçu très large et complet des possibilités de Big Data BI à Telco pour la productivité et l'amélioration des revenus.

Objectifs du cours

L'objectif principal du cours est d'introduire de nouvelles Big Data techniques d'intelligence d'affaires dans 4 secteurs de Telecom Business (Marketing/Ventes, Opération réseau, Opération financière et Relation client Management). Les étudiants seront introduits à suivre :

• Introduction à Big Data-ce qui est 4Vs (volume, vitesse, variété et veracité) dans Big Data- Génération, extraction et gestion de la perspective Telco
• Comment Big Data l'analytique diffère de l'analytique des données d'héritage
• La justification intérieure de la Big Data -Telco perspective
• Introduction à Hadoop Écosystème- familiarité avec tous les Hadoop outils tels que Hive, Pig, SPARC – quand et comment ils sont utilisés pour résoudre Big Data problème
• Comment Big Data est extrait pour l'analyse pour les outils d'analyse-comment Business Analysis’s peuvent réduire leurs points de douleur de collecte et d'analyse des données grâce à une approche intégrée Hadoop de tableau de bord
• Introduction fondamentale de l'analyse Insight, de l'analyse de la visualisation et de l'analyse prédictive pour Telco
• L'analyse client Churn et Big Data-comment Big Data peut réduire l'analyse client Churn et l'insatisfaction des clients dans les études de cas Telco
• Analyse d'échecs réseau et d'échecs de service à partir des méta-data réseau et IPDR
• Analyse financière-fraude, fraude et estimation du ROI à partir des ventes et des données opérationnelles
• Problème d'acquisition client-Marketing cible, segmentation client et cross-sales à partir des données de vente
• Introduction et résumé de tous Big Data produits d'analyse et où ils s'adaptent à l'espace d'analyse Telco
• Conclusion-comment prendre une approche étape par étape pour introduire Big Data Business Intelligence dans votre organisation

Audience cible

• Opération réseau, gestionnaires financiers, gestionnaires CRM et gestionnaires informatiques de premier plan dans le bureau du CIO de Telco.
• Business Analystes à Telco
• Gestionnaire de bureau / analystes
• gestionnaires opérationnels
• Général QA

Les données volumineuses sont des ensembles de données si volumineux et complexes qu'un logiciel de traitement de données traditionnel ne permet pas de les traiter. Les défis du Big Data incluent la capture, le stockage, l'analyse, la recherche, le partage, le transfert, la visualisation, l'interrogation, la mise à jour et la confidentialité des informations.

Dans la première partie de cette formation, nous aborderons les bases de MATLAB et sa fonction à la fois de langage et de plate-forme. Cette discussion comprend une introduction à la syntaxe, aux tableaux et matrices, à la visualisation de données, au développement de scripts et aux principes orientés objet de MATLAB .

Dans la deuxième partie, nous montrons comment utiliser MATLAB pour l'exploration de données, l'apprentissage automatique et l'analyse prédictive. Pour fournir aux participants une perspective claire et pratique de l'approche et de la puissance de MATLAB , nous établissons des comparaisons entre l'utilisation de MATLAB et l'utilisation d'autres outils tels que les feuilles de calcul, C, C++ et Visual Basic.

Dans la troisième partie de la formation, les participants apprennent à rationaliser leur travail en automatisant le traitement de leurs données et la génération de rapports.

Tout au long du cours, les participants mettront en pratique les idées apprises lors d'exercices pratiques en laboratoire. À la fin de la formation, les participants auront une connaissance approfondie des capacités de MATLAB et pourront l’utiliser pour résoudre des problèmes concrets liés à la science des données ainsi que pour rationaliser leur travail grâce à l’automatisation.

Des évaluations seront effectuées tout au long du cours pour évaluer les progrès.

Format du cours

• Le cours comprend des exercices théoriques et pratiques, y compris des discussions de cas, une inspection de code exemple et une mise en œuvre pratique.

Remarque

• Les séances d'entraînement seront basées sur des modèles de rapport de données pré-arrangés. Si vous avez des exigences spécifiques, s'il vous plaît contactez-nous pour organiser.

Jupyter est un IDE interactif et un environnement informatique à code source ouvert, basé sur le web.

Cette formation en direct (en ligne ou sur site) présente l'idée du développement collaboratif en science des données et montre comment utiliser Jupyter pour suivre et participer en tant qu'équipe au "cycle de vie d'une idée informatique". Elle accompagne les participants dans la création d'un exemple de projet de science des données basé sur l'écosystème Jupyter.

A la fin de cette formation, les participants seront capables de :

• Installer et configurer Jupyter, y compris la création et l'intégration d'un dépôt d'équipe sur Git.
• Utiliser les fonctionnalités de Jupyter telles que les extensions, les widgets interactifs, le mode multi-utilisateurs et plus encore pour permettre la collaboration au sein d'un projet.
• Créer, partager et organiser des Notebooks Jupyter avec les membres de l'équipe.
• Choisir parmi Scala, Python, R, pour écrire et exécuter du code contre des systèmes de big data tels que Apache Spark, le tout à travers l'interface Jupyter.

Format du cours

• Exposé et discussion interactifs.
• Beaucoup d'exercices et de pratique.
• Mise en œuvre pratique dans un environnement live-lab.

Options de personnalisation du cours

• Le Jupyter Notebook supporte plus de 40 langages dont R, Python, Scala, Julia, etc. Pour adapter ce cours au(x) langage(s) de votre choix, veuillez nous contacter.

La science des données est l'application de l'analyse statistique, de l'apprentissage automatique, de la visualisation de données et de la programmation dans le but de comprendre et d'interpréter les données du monde réel F # est un langage de programmation bien adapté pour la science des données car il combine une exécution efficace, REPLscripting, des bibliothèques puissantes et une intégration de données évolutive Dans cette formation en ligne, les participants apprendront comment utiliser F # pour résoudre une série de problèmes de science des données du monde réel À la fin de cette formation, les participants seront en mesure de: Utiliser les progiciels de science des données intégrés de F # Utilisez F # pour interopérer avec d'autres langages et plateformes, y compris Excel, R, Matlab et Python Utilisez le package Deedle pour résoudre les problèmes de séries chronologiques Effectuer une analyse avancée avec des lignes minimales de code de qualité de production Comprendre comment la programmation fonctionnelle est un choix naturel pour les calculs scientifiques et de Big Data Accéder et visualiser les données avec F # Appliquer F # pour l'apprentissage automatique Explorer des solutions à des problèmes dans des domaines tels que la veille stratégique et le jeu social Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .

Python est un langage de programmation qui a acquis une énorme popularité dans le secteur financier. Adopté par les plus grandes banques d’investissement et les hedge funds, il est utilisé pour créer un large éventail d’applications financières allant des programmes de négociation centraux aux systèmes de gestion des risques.

Dans cette formation en direct animée par un instructeur, les participants apprendront à utiliser Python pour développer des applications pratiques permettant de résoudre un certain nombre de problèmes spécifiques liés à la finance.

À la fin de cette formation, les participants seront en mesure de:

• Comprendre les bases du Python programmation Python
• Téléchargez, installez et maintenez les meilleurs outils de développement pour créer des applications financières en Python
• Sélectionnez et utilisez les packages et techniques de programmation Python les mieux adaptés pour organiser, visualiser et analyser des données financières provenant de différentes sources (CSV, Excel , bases de données, Web, etc.).
• Construire des applications qui résolvent des problèmes liés à la répartition d'actifs, à l'analyse de risque, au rendement des investissements, etc.
• Dépanner, intégrer, déployer et optimiser une application Python

Public

• Les développeurs
• Les analystes
• Quants

Format du cours

• Partie de conférence, partie de discussion, exercices et exercices intensifs

Remarque

• Cette formation vise à apporter des solutions à certains des principaux problèmes rencontrés par les professionnels de la finance. Toutefois, si vous souhaitez ajouter ou développer un sujet, un outil ou une technique en particulier, veuillez nous contacter afin de prendre les dispositions nécessaires.

Ce cours est destiné aux Marketing professionnels de la vente qui souhaitent approfondir l'application de la science des données dans Marketing/Ventes. Le cours fournit une couverture détaillée des différentes techniques de science des données utilisées pour la « vente incitative », la « vente croisée », la segmentation du marché, le branding et le CLV.

Différence de Marketing et ventes – En quoi les ventes et le marketing sont-ils différents ?

En termes très simples, les ventes peuvent être décrites comme un processus qui se concentre ou cible des individus ou de petits groupes. Marketing s'adresse en revanche à un groupe plus large ou au grand public. Marketing comprend la recherche (identification des besoins du client), le développement de produits (production de produits innovants) et la promotion du produit (par le biais de publicités) et la sensibilisation au produit auprès des consommateurs. En tant que tel, le marketing signifie générer des prospects ou des prospects. Une fois le produit mis sur le marché, il incombe au vendeur de persuader le client d’acheter le produit. Les ventes consistent à convertir les leads ou les prospects en achats et en commandes, tandis que le marketing vise des termes plus longs, tandis que les ventes concernent des objectifs plus courts.

Cette session de formation en classe comprendra des présentations et des séances de questions-réponses.

Les participants qui terminent cette formation acquerront une compréhension pratique et réelle de la science des données et de ses technologies, méthodologies et outils connexes Les participants auront l'occasion de mettre en pratique ces connaissances grâce à des exercices pratiques L'interaction de groupe et la rétroaction des instructeurs constituent une composante importante de la classe Le cours commence par une introduction aux concepts élémentaires de la science des données, puis progresse dans les outils et les méthodologies utilisées dans la science des données Public Développeurs Analystes techniques Consultants informatiques Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson Remarque Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser .

Le cours d'entraînement aidera les participants à se préparer au développement d'applications Web en utilisant Python Programming avec Data Analytics. Une telle visualisation de données est un excellent outil pour Top Management dans la prise de décision.

Il s'agit d'une introduction de 5 jours à Data Science et à l'IA.

Le cours est livré avec des exemples et des exercices utilisant Python

Cette formation dirigée par un instructeur en direct (sur site ou à distance) s'adresse aux professionnels qui souhaitent débuter une carrière en Data Science .

À la fin de cette formation, les participants seront en mesure de:

• Installez et configurez Python et MySql.
• Comprenez ce qu'est Data Science et comment elle peut ajouter de la valeur à pratiquement n'importe quelle entreprise.
• Apprenez les bases du codage en Python
• Apprenez les techniques de Machine Learning supervisées et non supervisées, et comment les mettre en œuvre et interpréter les résultats.

Format du cours

• Conférence et discussion interactives.
• Beaucoup d'exercices et de pratique.
• Implémentation pratique dans un environnement de laboratoire en direct.

Options de personnalisation des cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.

Cette formation en direct (en ligne ou sur site) est destinée aux analystes de données et aux développeurs web qui souhaitent développer des modèles associatifs dans Qlik Sense.

A l'issue de cette formation, les participants seront capables de :

• Appliquer Qlik Sense à la science des données.
• Utiliser et naviguer dans l'interface de Qlik Sense.
• Constituer une main-d'œuvre compétente en matière de données grâce à l'interaction avec l'IA.
• Créer une entreprise pilotée par les données avec Qlik Sense.

Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux data scientists qui souhaitent interroger des sources de big data avec Presto.

A l'issue de cette formation, les participants seront capables de :

• Employer les concepts clés de Presto pour optimiser les systèmes big data modernes.
• Utiliser Presto pour exécuter des entrepôts à l'échelle de l'exabyte.
• Cloner les données vers un système de stockage de données propriétaire.
• Fonctionner avec les outils de BI existants tels que R et Tableau.

Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux data scientists qui souhaitent utiliser la pile SMACK pour construire des plateformes de traitement de données pour des solutions big data.

A l'issue de cette formation, les participants seront capables de :

• Mettre en place une architecture de pipeline de données pour le traitement des big data.
• Développer une infrastructure de cluster avec Apache Mesos et Docker.
• Analyser les données avec Spark et Scala.
• Gérer les données non structurées avec Apache Cassandra.