Formation Artificial Intelligence (AI) with H2O

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 progrès technologiques et la quantité croissante d'informations transforment la manière dont la police est appliquée. Les défis que Big Data posent sont presque aussi difficile que Big Data promesse. Le stockage efficace des données est l’un de ces défis; l’analyser efficacement en est un autre.

Dans le cadre de cette formation en direct animée par un instructeur, les participants apprendront l’état d’esprit permettant d’approcher Big Data technologies Big Data , d’évaluer leur impact sur les processus et les politiques existants, et de mettre en œuvre ces technologies afin de détecter les activités criminelles et de les prévenir. Des études de cas d’organismes d’application de la loi du monde entier seront examinées pour mieux comprendre leurs approches, leurs défis et leurs résultats en matière d’adoption.

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

• Combinez Big Data technologie Big Data avec les processus de collecte de données traditionnels pour reconstituer une histoire au cours d'une enquête
• Mettre en œuvre des solutions industrielles de stockage et de traitement de données volumineuses pour l'analyse de données
• Préparer une proposition en vue de l'adoption des outils et des processus les plus adéquats pour permettre une approche des enquêtes criminelles fondée sur les données

Public

• Spécialistes de l'application de la loi avec une formation technique

Format du cours

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

Public

Si vous essayez de comprendre les données auxquelles vous avez accès ou souhaitez analyser des données non structurées disponibles sur le réseau (comme Twitter, Linked in, etc.), ce cours est pour vous.

Il s’adresse principalement aux décideurs et aux personnes qui doivent choisir les données qui méritent d’être collectées et celles qui méritent d’être analysées.

Cela ne vise pas les personnes qui configurent la solution, ces personnes bénéficieront d'une vue d'ensemble.

Mode de livraison

Pendant le cours, des exemples concrets de technologies principalement open source seront présentés aux délégués.

De courtes conférences seront suivies de présentations et d'exercices simples des participants.

Contenu et logiciel utilisés

Tous les logiciels utilisés sont mis à jour à chaque exécution du cours, nous vérifions donc les dernières versions possibles.

Il couvre le processus d'obtention, de formatage, de traitement et d'analyse des données, afin d'expliquer comment automatiser le processus de prise de décision avec l'apprentissage automatique.

Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux scientifiques et analystes de données qui souhaitent automatiser, évaluer et gérer des modèles prédictifs à l'aide des capacités d'apprentissage automatique de DataRobot.

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

• Chargez les ensembles de données dans DataRobot pour analyser, évaluer et vérifier la qualité des données.
• Construire et former des modèles pour identifier les variables importantes et atteindre les objectifs de prédiction.
• Interpréter les modèles pour créer des informations utiles à la prise de décisions commerciales.
• Surveiller et gérer les modèles afin de maintenir une performance de prédiction optimisée.

R est un langage de programmation sans opensource pour le calcul statistique, l'analyse de données et les graphiques R est utilisé par un nombre croissant de gestionnaires et d'analystes de données au sein des entreprises et des universités R a une grande variété de paquets pour l'exploration de données .

L'analyse prédictive est le processus d'utilisation de l'analyse de données pour faire des prédictions sur le futur Ce processus utilise des données ainsi que des techniques d'exploration de données, de statistiques et d'apprentissage automatique pour créer un modèle prédictif de prévision d'événements futurs Dans cette formation en ligne, les participants apprendront à utiliser Matlab pour créer des modèles prédictifs et les appliquer à de grands ensembles de données pour prédire les événements futurs en fonction des données À la fin de cette formation, les participants seront en mesure de: Créer des modèles prédictifs pour analyser les modèles dans les données historiques et transactionnelles Utiliser la modélisation prédictive pour identifier les risques et les opportunités Construire des modèles mathématiques qui capturent les tendances importantes Utiliser les données des appareils et des systèmes d'entreprise pour réduire le gaspillage, gagner du temps ou réduire les coûts Public Développeurs Ingénieurs Les experts du domaine Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .

R est un langage de programmation gratuit à source ouverte pour l'informatique statistique, l'analyse de données et les graphiques. R est utilisé par un nombre croissant de gestionnaires et d'analystes de données au sein de sociétés et d'universités. R propose une grande variété de packages pour l'exploration de données.

RapidMiner est une plateforme logicielle de science des données open source pour le prototypage et le développement rapides d'applications. Il comprend un environnement intégré pour la préparation des données, l'apprentissage automatique, l'apprentissage en profondeur, l'exploration de texte et l'analyse prédictive.

Au cours de cette formation en direct animée par un instructeur, les participants apprendront à utiliser RapidMiner Studio pour la préparation des données, l’apprentissage automatique et le déploiement de modèles prédictifs.

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

• Installer et configurer RapidMiner
• Préparer et visualiser des données avec RapidMiner
• Valider les modèles d'apprentissage machine
• Mashup des données et créer des modèles prédictifs
• Opérationnaliser l'analyse prédictive dans un processus métier
• Dépanner et optimiser RapidMiner

Public

• Scientifiques de données
• Ingénieurs
• Développeurs

Format du cours

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

Remarque

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

Cette session de formation en classe comprendra des présentations, des exemples informatiques et des exercices d'études de cas à entreprendre.

Cette formation en direct avec instructeur en Canada (en ligne ou sur site) s'adresse aux professionnels du logiciel de niveau intermédiaire qui souhaitent tirer parti de l'IA et de l'apprentissage automatique pour améliorer l'efficacité et l'innovation dans le développement de logiciels.

À l'issue de cette formation, les participants seront en mesure de :

• Comprendre le rôle de l'IA et de l'apprentissage automatique dans l'automatisation des tâches de développement logiciel.
• Mettre en œuvre des outils d'IA pour générer du code, des tests et de la documentation.
• Appliquer des techniques d'IA pour l'optimisation du code, l'assurance qualité et le débogage.
• Intégrer l'IA dans les pipelines DevOps et CI/CD pour améliorer les stratégies de déploiement.
• Aborder les considérations et les défis éthiques dans l'ingénierie logicielle augmentée par l'IA.

Cette formation en direct avec instructeur en Canada (en ligne ou sur site) s'adresse aux développeurs de logiciels de niveau débutant à intermédiaire qui souhaitent intégrer des assistants de codage IA dans leur flux de développement.

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

• Comprendre le rôle et les capacités des assistants de codage de l'IA dans le développement de logiciels.
• Utiliser divers outils d'assistants de codage IA pour automatiser les tâches de codage de routine.
• Intégrer les assistants de codage IA dans leur cycle de développement logiciel.
• Améliorer leur productivité et se concentrer sur des tâches de programmation plus complexes et créatives.
• Aborder les considérations éthiques et l'utilisation responsable de l'IA dans le développement de logiciels.

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 en direct avec instructeur (en ligne ou sur site) s'adresse aux spécialistes du marketing qui souhaitent utiliser l'IA pour améliorer les stratégies de marketing numérique grâce à des informations précieuses sur les clients.

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

• Les logiciels d'IA pour améliorer la façon dont les marques se connectent aux utilisateurs.
• Utiliser les chatbots pour optimiser l'expérience utilisateur.
• Augmenter la productivité et les revenus grâce à l'automatisation des tâches.

Cette formation en direct avec instructeur en Canada (en ligne ou sur site) s'adresse aux managers et aux chefs d'entreprise qui souhaitent apprendre les principes fondamentaux de l'intelligence artificielle et gérer des projets d'intelligence artificielle pour leur organisation.

À l'issue de cette formation, les participants seront en mesure de comprendre l'IA à un niveau technique et d'élaborer des stratégies en utilisant les données et les ressources de leur organisation pour gérer avec succès les projets d'IA.

Cette formation en direct (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent programmer et créer des robots à l'aide des méthodes de base de l'IA.

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

• Implémenter des filtres (Kalman et particulaire) pour permettre au robot de localiser des objets en mouvement dans son environnement.
• Implémenter des algorithmes de recherche et de planification de mouvement.
• Implémenter des contrôles PID pour réguler le mouvement d'un robot dans un environnement.
• Implémenter des algorithmes SLAM pour permettre à un robot de cartographier un environnement inconnu.