Formation Introduction to Data Science

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux data scientists et aux développeurs qui souhaitent apprendre et construire leur carrière dans le domaine de la science des données en utilisant Kaggle.

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

• Apprendre la science des données et l'apprentissage automatique.
• Explorer l'analyse des données.
• Apprendre à connaître Kaggle et son fonctionnement.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux data scientists et aux développeurs qui souhaitent utiliser Modin pour construire et mettre en œuvre des calculs parallèles avec Pandas afin d'accélérer l'analyse des données.

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

• Mettre en place l'environnement nécessaire pour commencer à développer Pandas flux de travail à l'échelle avec Modin.
• Comprendre les fonctionnalités, l'architecture et les avantages de Modin.
• Connaître les différences entre Modin, Dask et Ray.
• Exécuter Pandas opérations plus rapidement avec Modin.
• Mettre en œuvre l'ensemble des Pandas API et fonctions.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux data scientists et aux développeurs qui souhaitent utiliser RAPIDS pour construire des pipelines de données accélérés par le GPU, des flux de travail et des visualisations, en appliquant des algorithmes d'apprentissage automatique, tels que XGBoost, cuML, etc.

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

• Comprendre les caractéristiques, les composants et les avantages de RAPIDS.
Mettre en œuvre la préparation des données et l'ETL accélérés par le GPU avec cuDF et Apache Arrow.
• Apprendre à effectuer des tâches d'apprentissage automatique avec les algorithmes XGBoost et cuML.
• Construire des visualisations de données et exécuter des analyses graphiques avec cuXfilter et cuGraph.

Cette formation dirigée par un instructeur en <loc> ; (en ligne ou sur site) est destinée aux data scientists qui souhaitent utiliser l'écosystème Anaconda pour capturer, gérer et déployer des packages et des workflows d'analyse de données dans une plateforme unique.

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

• Installer et configurer les composants et les bibliothèques d'Anaconda.
• Comprendre les concepts de base, les fonctionnalités et les avantages d'Anaconda.
• Gérer les paquets, les environnements et les canaux à l'aide d'Anaconda Navigator.
• Utiliser Conda, R et Python packages pour la science des données et l'apprentissage automatique.
• Apprendre à connaître des cas d'utilisation pratiques et des techniques pour gérer plusieurs environnements de données.

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

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 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 .

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.

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.

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 .

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.

KNIME La plate-forme d’analyse est une option de source ouverte de premier plan pour l’innovation basée sur les données, vous aidant à découvrir le potentiel caché dans vos données, à miner pour de nouvelles informations ou à prédire de nouvelles futures. Avec plus de 1000 modules, des centaines d’exemples prêts à se lancer, un large éventail d’outils intégrés et la plus large sélection d’algorithmes avancés disponibles, KNIME Analytics Platform est la boîte d’outils idéale pour tout scientifique de données et analyste d’affaires.

Ce cours pour KNIME Platform Analytics est une opportunité idéale pour les débutants, les utilisateurs avancés et KNIME experts à être introduits à KNIME, pour apprendre à l'utiliser plus efficacement, et comment créer des rapports clairs et complets basés sur KNIME flux de travail

Cette formation guidée par des instructeurs, en direct (online ou sur site) est destinée à des professionnels de données qui souhaitent utiliser KNIME pour répondre aux besoins complexes des entreprises.

Il est ciblé pour le public qui ne connaît pas la programmation et vise à utiliser des outils de pointe pour mettre en œuvre des scénarios d'analyse.

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

• Installer et configurer KNIME.
• Créer des scénarios Data Science
• Trains, tests et modèles validés
• La mise en œuvre met fin à la chaîne de valeur finale des modèles de la science des données

Le format du cours

• Lecture et discussion interactives.
• Beaucoup d’exercices et de pratiques.
• La mise en œuvre dans un environnement de laboratoire en direct.

Options de personnalisation de cours

• Pour demander une formation personnalisée pour ce cours ou pour en savoir plus sur ce programme, veuillez nous contacter pour organiser.

KNIME Le serveur est le logiciel d'entreprise pour la collaboration en équipe, l'automatisation, la gestion et le déploiement des flux de travail de la science des données en tant que applications et services analytiques.

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

• Les flux de travail d'analyse de calendrier fonctionnent automatiquement et vous donnent plus de temps pour vous concentrer sur la science des données.
• Contrôle des flux de travailà la gestion automatique du modèle
• Exécution du flux de travail d'échelle et de pin avec une architecture de serveur de haute performance bien fournie qui est configurée selon vos spécifications.
• Concevoir, éditer et exécuter les flux de travail sur le KNIME Server en utilisant l'éditeur de flux de travail à distance et profiter du matériel bien équipé dans un environnement sécurisé.

Le format du cours

• Lecture et discussion interactives.
• Beaucoup d’exercices et de pratiques.
• La mise en œuvre dans un environnement de laboratoire en direct.

Options de personnalisation de cours

• Pour demander une formation personnalisée pour ce cours ou pour en savoir plus sur ce programme, veuillez nous contacter pour organiser.

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.

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.