Data Science with KNIME Analytics Platform - Plan Szkolenia

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą korzystać z ekosystemu Anaconda do przechwytywania, zarządzania i wdrażania pakietów i przepływów pracy analizy danych na jednej platformie.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować komponenty i biblioteki Anaconda.
• Zrozumieć podstawowe pojęcia, funkcje i zalety Anaconda.
• Zarządzać pakietami, środowiskami i kanałami za pomocą Anaconda Navigator.
• Używanie pakietów Conda, R i Python do nauki o danych i uczenia maszynowego.
• Poznanie praktycznych przypadków użycia i technik zarządzania wieloma środowiskami danych.

Przegląd

Communication Dostawcy usług (CSP) stoją w obliczu presji na redukcję kosztów i maksymalizację średniego przychodu na użytkownika (ARPU), przy jednoczesnym zapewnieniu doskonałego doświadczenia klienta, ale ilość danych wciąż rośnie. Globalny ruch danych w sieciach komórkowych będzie rósł w tempie 78% rocznie (CAGR) do 2016 roku, osiągając 10,8 eksabajtów miesięcznie.

W międzyczasie CSP generują duże ilości danych, w tym rejestry szczegółów połączeń (CDR), dane sieciowe i dane klientów. Firmy, które w pełni wykorzystują te dane, zyskują przewagę konkurencyjną. Według niedawnego badania przeprowadzonego przez The Economist Intelligence Unit, firmy, które wykorzystują podejmowanie decyzji w oparciu o dane, cieszą się 5-6% wzrostem produktywności. Jednak 53% firm wykorzystuje tylko połowę swoich cennych danych, a jedna czwarta respondentów zauważyła, że ogromne ilości przydatnych danych pozostają niewykorzystane. Ilość danych jest tak duża, że ich ręczna analiza jest niemożliwa, a większość starszych systemów oprogramowania nie nadąża, przez co cenne dane są odrzucane lub ignorowane.

Dzięki szybkiemu, skalowalnemu oprogramowaniu Big Data & Analytics&rsquo, dostawcy usług CSP mogą wydobywać wszystkie swoje dane w celu podejmowania lepszych decyzji w krótszym czasie. Różne produkty i techniki Big Data zapewniają kompleksową platformę oprogramowania do gromadzenia, przygotowywania, analizowania i prezentowania wniosków z dużych zbiorów danych. Obszary zastosowań obejmują monitorowanie wydajności sieci, wykrywanie oszustw, wykrywanie rezygnacji klientów i analizę ryzyka kredytowego. Produkty Big Data & Analytics skalują się do obsługi terabajtów danych, ale wdrożenie takich narzędzi wymaga nowego rodzaju systemu baz danych opartego na chmurze, takiego jak Hadoop lub masowego procesora obliczeń równoległych (KPU itp.).

Ten kurs na temat Big Data BI dla Telco obejmuje wszystkie pojawiające się nowe obszary, w które CSP inwestują w celu zwiększenia produktywności i otwarcia nowego strumienia przychodów biznesowych. Kurs zapewni pełny 360-stopniowy przegląd Big Data BI w Telco, dzięki czemu decydenci i menedżerowie będą mieli bardzo szeroki i kompleksowy przegląd możliwości Big Data BI w Telco w celu zwiększenia produktywności i przychodów.

Cele kursu

Głównym celem kursu jest wprowadzenie nowych technik analityki biznesowej Big Data w 4 sektorach Telecom biznesu (marketing / sprzedaż, operacje sieciowe, operacje finansowe i zarządzanie relacjami z klientami). Studenci zostaną zapoznani z następującymi zagadnieniami:

• Wprowadzenie do Big Data - czym są 4V (objętość, szybkość, różnorodność i prawdziwość) w Big Data - generowanie, ekstrakcja i zarządzanie z perspektywy Telco
• Czym różni się analityka Big Data od dotychczasowej analityki danych
• Wewnętrzne uzasadnienie Big Data - perspektywa Telco
• Wprowadzenie do ekosystemu Hadoop - znajomość wszystkich narzędzi Hadoop, takich jak Hive, Pig, SPARC – kiedy i jak są one wykorzystywane do rozwiązywania problemów Big Data
• W jaki sposób Big Data są pozyskiwane do analizy w narzędziach analitycznych - w jaki sposób analiza biznesowa może zmniejszyć ból związany z gromadzeniem i analizą danych dzięki zintegrowanemu podejściu do pulpitu nawigacyjnego Hadoop
• Podstawowe wprowadzenie do analityki Insight, analityki wizualizacyjnej i analityki predykcyjnej dla Telco
• Analityka rezygnacji klientów i Big Data - jak analityka Big Data może zmniejszyć rezygnację klientów i niezadowolenie klientów w Telco - studia przypadków
• Analiza awarii sieci i usług na podstawie metadanych sieciowych i IPDR
• Analiza finansowa - oszustwa, marnotrawstwo i szacowanie ROI na podstawie danych sprzedażowych i operacyjnych
• Problem pozyskiwania klientów - marketing docelowy, segmentacja klientów i sprzedaż krzyżowa na podstawie danych sprzedażowych
• Wprowadzenie i podsumowanie wszystkich produktów analitycznych Big Data i ich miejsca w przestrzeni analitycznej Telco
• Podsumowanie - jak krok po kroku wprowadzić Big Data Business Intelligence w swojej organizacji

Docelowi odbiorcy

• Operacje sieciowe, menedżerowie finansowi, menedżerowie CRM i najlepsi menedżerowie IT w biurze Telco CIO.
• Business Analitycy w Telco
• Menedżerowie/analitycy biura CFO
• Menedżerowie operacyjni
• Menedżerowie QA

Uczestnicy, którzy ukończą to szkolenie, zdobędą praktyczne, rzeczywiste zrozumienie Data Science i powiązanych z nim technologii, metodologii i narzędzi.

Uczestnicy będą mieli okazję wykorzystać tę wiedzę w praktyce poprzez praktyczne ćwiczenia. Interakcja w grupie i informacje zwrotne od instruktora stanowią ważny element zajęć.

Kurs rozpoczyna się od wprowadzenia do podstawowych pojęć Data Science, a następnie przechodzi do narzędzi i metodologii stosowanych w Data Science.

Uczestnicy

• Deweloperzy
• Analitycy techniczni
• Konsultanci IT

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna

Uwaga

• Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

Big data to zbiory danych, które są tak obszerne i złożone, że tradycyjne aplikacje do przetwarzania danych nie są w stanie sobie z nimi poradzić. Wyzwania związane z dużymi zbiorami danych obejmują przechwytywanie danych, przechowywanie danych, analizę danych, wyszukiwanie, udostępnianie, przesyłanie, wizualizację, zapytania, aktualizację i prywatność informacji.

Ten kurs jest przeznaczony dla Marketing specjalistów ds. sprzedaży, którzy zamierzają zagłębić się w zastosowanie nauki o danych w Marketing / sprzedaży. Kurs zapewnia szczegółowe omówienie różnych technik data science stosowanych w “upsale”, “cross-sale”, segmentacji rynku, brandingu i CLV.

Różnica między Marketing a sprzedażą - Czym różni się sprzedaż od marketingu?

W bardzo prostych słowach sprzedaż można określić jako proces, który koncentruje się lub jest skierowany do osób lub małych grup. [Z drugiej strony, sprzedaż skierowana jest do większej grupy lub ogółu społeczeństwa. [Marketing obejmuje badania (identyfikacja potrzeb klienta), rozwój produktów (wytwarzanie innowacyjnych produktów) i promowanie produktu (poprzez reklamy) oraz tworzenie świadomości na temat produktu wśród konsumentów. Jako taki marketing oznacza generowanie potencjalnych klientów. Gdy produkt jest już dostępny na rynku, zadaniem sprzedawcy jest przekonanie klienta do zakupu produktu. Sprzedaż oznacza przekształcanie potencjalnych klientów w zakupy i zamówienia, podczas gdy marketing jest ukierunkowany na dłuższe okresy, sprzedaż dotyczy krótszych celów.

This instructor-led, live training in Polsce (online or onsite) introduces the idea of collaborative development in data science and demonstrates how to use Jupyter to track and participate as a team in the "life cycle of a computational idea".  It walks participants through the creation of a sample data science project based on top of the Jupyter ecosystem.

By the end of this training, participants will be able to:

• Install and configure Jupyter, including the creation and integration of a team repository on Git.
• Use Jupyter features such as extensions, interactive widgets, multiuser mode and more to enable project collaboraton.
• Create, share and organize Jupyter Notebooks with team members.
• Choose from Scala, Python, R, to write and execute code against big data systems such as Apache Spark, all through the Jupyter interface.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą uczyć się i budować swoją karierę w Data Science za pomocą Kaggle.

Pod koniec tego szkolenia uczestnicy będą mogli:

• Dowiedzieć się o nauce o danych i uczeniu maszynowym.
• Poznaj analitykę danych.
• Dowiedzieć się o Kaggle i jak to działa.

KNIME Analytics Platform to wiodąca opcja open source dla innowacji opartych na danych, pomagająca odkryć potencjał ukryty w danych, wydobywać nowe spostrzeżenia lub przewidywać nowe przyszłości. Dzięki ponad 1000 modułom, setkom gotowych do uruchomienia przykładów, szerokiej gamie zintegrowanych narzędzi i najszerszemu dostępnemu wyborowi zaawansowanych algorytmów, KNIME Analytics Platform jest idealnym zestawem narzędzi dla każdego analityka danych i analityka biznesowego.

Ten kurs dla KNIME Analytics Platform to idealna okazja dla początkujących, zaawansowanych użytkowników i ekspertów KNIME, aby zapoznać się z KNIME, dowiedzieć się, jak korzystać z niego bardziej efektywnie i jak tworzyć przejrzyste, kompleksowe raporty oparte na przepływach pracy KNIME

Szkolenie "Platforma analityczna KNIME" oferuje kompleksowy przegląd tej bezpłatnej platformy analizy danych. Program obejmuje wprowadzenie do przetwarzania i analizy danych, instalację i konfigurację KNIME, budowanie workflow, metodologię tworzenia modeli biznesowych i modelowania danych. Kurs również omawia narzędzia zaawansowanej analizy danych, import i eksport workflow, integrację narzędzi, procesy ETL, eksplorację danych, wizualizację, rozszerzenia i integracje z narzędziami takimi jak R, Java, Python, Gephi, Neo4j. Zakończenie obejmuje omówienie raportowania, integracji z BIRT i KNIME WebPortal.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą programować w Python i R dla KNIME.

Pod koniec tego szkolenia uczestnicy będą mogli

• Planować, budować i wdrażać modele uczenia maszynowego w KNIME.
• Podejmować decyzje oparte na danych dla operacji.
• Wdrażać kompleksowe projekty nauki o danych.

To szkolenie prowadzone przez instruktora, dostępne online lub na miejscu w Polsce, jest skierowane do analityków danych, programistów na poziomie średnim lub przyszłych naukowców danych, którzy chcą zastosować techniki uczenia maszynowego w Python do wyciągania wniosków, robienia prognoz i automatyzacji decyzji opartego na danych.

Po ukończeniu tego kursu uczestnicy będą w stanie:

• Rozumieć i rozróżniać kluczowe paradygmaty uczenia maszynowego.
• Badać techniki przygotowania danych i metryki oceny modeli.
• Zastosować algorytmy uczenia maszynowego do rozwiązywania rzeczywistych problemów danych.
• Używać bibliotek Python oraz notatników Jupyter do praktycznego rozwoju.
• Budować modele do prognozowania, klasyfikacji, rekomendacji i klasyfikacji grupowej.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą używać Modin do tworzenia i wdrażania równoległych obliczeń z Pandas w celu szybszej analizy danych.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Skonfigurować niezbędne środowisko, aby rozpocząć opracowywanie Pandas przepływów pracy na dużą skalę z Modin.
• Zrozumieć funkcje, architekturę i zalety Modin.
• Znać różnice między Modin, Dask i Ray.
• Szybsze wykonywanie operacji Pandas za pomocą Modin.
• Wdrożenie całego interfejsu API i funkcji Pandas.

Python to język programowania, który zyskał ogromną popularność w branży finansowej. Przyjęty przez największe banki inwestycyjne i fundusze hedgingowe, jest wykorzystywany do tworzenia szerokiej gamy aplikacji finansowych, od podstawowych programów handlowych po systemy zarządzania ryzykiem.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak używać Python do tworzenia praktycznych aplikacji do rozwiązywania szeregu konkretnych problemów związanych z finansami.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zrozumieć podstawy języka programowania Python
• Pobrać, zainstalować i utrzymywać najlepsze narzędzia programistyczne do tworzenia aplikacji finansowych w Python
• Wybierać i wykorzystywać najbardziej odpowiednie pakiety i techniki programowania Python do organizowania, wizualizacji i analizy danych finansowych z różnych źródeł (CSV, Excel, bazy danych, web, itp.)
• Budować aplikacje rozwiązujące problemy związane z alokacją aktywów, analizą ryzyka, wynikami inwestycji i innymi
• Rozwiązywać problemy, integrować, wdrażać i optymalizować aplikację Python

Uczestnicy

• Programiści
• Analitycy
• Specjaliści od ilościowych metod (Quants)

Format kursu

• Połączenie wykładów, dyskusji, ćwiczeń i intensywnej praktyki

Uwaga

• To szkolenie ma na celu dostarczenie rozwiązań dla niektórych z głównych problemów, z jakimi borykają się profesjonaliści w branży finansowej. Jeśli jednak masz konkretny temat, narzędzie lub technikę, którą chcesz rozwinąć lub doprecyzować, skontaktuj się z nami w celu ustalenia szczegółów.

Szkolenie pomoże uczestnikom przygotować się do tworzenia aplikacji internetowych przy użyciu Python Programming with Data Analytics. Taka wizualizacja danych jest doskonałym narzędziem dla najwyższego kierownictwa w podejmowaniu decyzji.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą używać RAPIDS do tworzenia GPU przyspieszonych potoków danych, przepływów pracy i wizualizacji, stosując algorytmy uczenia maszynowego, takie jak XGBoost, cuML itp.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Skonfigurować niezbędne środowisko programistyczne do tworzenia modeli danych za pomocą NVIDIA RAPIDS.
• Zrozumieć funkcje, komponenty i zalety RAPIDS.
• Wykorzystać GPU do przyspieszenia kompleksowych potoków danych i analiz.
• Wdrożenie akcelerowanego przez GPU przygotowywania danych i ETL za pomocą cuDF i Apache Arrow.
• Dowiedz się, jak wykonywać zadania uczenia maszynowego za pomocą algorytmów XGBoost i cuML.
• Twórz wizualizacje danych i wykonuj analizę wykresów za pomocą cuXfilter i cuGraph.