Modelowanie predykcyjne z wykorzystaniem R - Plan Szkolenia

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

W tym prowadzonym przez instruktora szkoleniu na żywo w Polsce uczestnicy poznają sposób myślenia, z jakim należy podejść do technologii Big Data, ocenić ich wpływ na istniejące procesy i zasady oraz wdrożyć te technologie w celu identyfikacji działalności przestępczej i zapobiegania przestępczości. Przeanalizowane zostaną studia przypadków z organizacji zajmujących się egzekwowaniem prawa na całym świecie, aby uzyskać wgląd w ich podejścia, wyzwania i wyniki.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Połączyć technologię Big Data z tradycyjnymi procesami gromadzenia danych w celu złożenia historii podczas dochodzenia.
• Wdrożyć przemysłowe rozwiązania do przechowywania i przetwarzania dużych zbiorów danych do analizy danych.
• Przygotować propozycję przyjęcia najbardziej odpowiednich narzędzi i procesów w celu umożliwienia podejścia opartego na danych do dochodzenia w sprawach karnych.

Uczestnicy

Jeśli próbujesz nadać sens danym, do których masz dostęp lub chcesz analizować nieustrukturyzowane dane dostępne w sieci (takie jak Twitter, LinkedIn itp.), ten kurs jest dla Ciebie.

Jest on skierowany głównie do decydentów i osób, które muszą wybrać, jakie dane warto gromadzić i co warto analizować.

Nie jest on skierowany do osób konfigurujących rozwiązanie, jednak osoby te skorzystają z szerszej perspektywy.

Tryb dostawy

Podczas kursu delegaci zostaną zapoznani z działającymi przykładami głównie technologii open source.

Po krótkich wykładach odbędzie się prezentacja i proste ćwiczenia dla uczestników.

Używana zawartość i oprogramowanie

Całe używane oprogramowanie jest aktualizowane za każdym razem, gdy kurs jest uruchamiany, więc sprawdzamy najnowsze możliwe wersje.

Obejmuje proces pozyskiwania, formatowania, przetwarzania i analizowania danych, aby wyjaśnić, jak zautomatyzować proces podejmowania decyzji za pomocą uczenia maszynowego.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla analityków danych i analityków danych, którzy chcą zautomatyzować, oceniać i zarządzać modelami predykcyjnymi przy użyciu możliwości uczenia maszynowego DataRobot.

Pod koniec tego szkolenia uczestnicy będą mogli

• Ładować zbiory danych w DataRobot, aby analizować, oceniać i sprawdzać jakość danych.
• Budować i trenować modele w celu identyfikacji ważnych zmiennych i osiągnięcia celów predykcyjnych.
• Interpretować modele w celu tworzenia cennych spostrzeżeń przydatnych w podejmowaniu decyzji biznesowych.
• Monitorowanie i zarządzanie modelami w celu utrzymania zoptymalizowanej wydajności przewidywania.

Ten szkolenie prowadzone przez instruktora, dostępne online lub na miejscu, jest przeznaczone dla analityków danych i profesjonalistów biznesowych o poziomie średnim, którzy chcą wykonywać prognozowanie szeregów czasowych oraz automatyzować przepływy danych za pomocą języka R.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy technik prognozowania w R.
• Zastosować metodę gładzenia eksponencjalnego i modele ARIMA do analizy szeregów czasowych.
• Wykorzystać pakiet ‘forecast’ do generowania dokładnych modeli prognozujących.
• Automatyzować procesy prognozowania dla zastosowań biznesowych i badawczych.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych programistów, którzy chcą tworzyć aplikacje oparte na sztucznej inteligencji przy użyciu analizy predykcyjnej i modeli generatywnych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zrozumieć podstawy predykcyjnej sztucznej inteligencji i modeli generatywnych.
• Wykorzystywać narzędzia oparte na sztucznej inteligencji do kodowania predykcyjnego, prognozowania i automatyzacji.
• Wdrożyć LLM (Large Language Models) i transformatory do generowania tekstu i kodu.
• Zastosuj prognozowanie szeregów czasowych i rekomendacje oparte na sztucznej inteligencji.
• Rozwijaj i dostrajaj modele sztucznej inteligencji do rzeczywistych zastosowań.
• Ocena kwestii etycznych i najlepszych praktyk w zakresie wdrażania sztucznej inteligencji.

This instructor-led, live training in Polsce (online or onsite) is aimed at beginner-level IT professionals who wish to grasp the fundamentals of Predictive AI.

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

• Understand the core concepts of Predictive AI and its applications.
• Collect, clean, and preprocess data for predictive analysis.
• Explore and visualize data to uncover insights.
• Build basic statistical models to make predictions.
• Evaluate the performance of predictive models.
• Apply Predictive AI concepts to real-world scenarios.

R to darmowy język programowania o otwartym kodzie źródłowym do obliczeń statystycznych, analizy danych i grafiki. R jest używany przez rosnącą liczbę menedżerów i analityków danych w korporacjach i środowiskach akademickich. R posiada szeroką gamę pakietów do eksploracji danych.

To szkolenie prowadzone przez instruktora w trybie Polsce (online lub na miejscu) jest przeznaczone dla profesjonalistów danych na poziomie średnim, którzy chcą zastosować techniki uczenia maszynowego do problemów biznesowych opartych na danych, w tym prognozowania sprzedaży i modelowania predykcyjnego za pomocą sieci neuronowych.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawowe pojęcia i rodzaje uczenia maszynowego.
• Zastosować kluczowe algorytmy do klasyfikacji, regresji, klasteryzacji i analizy asocjacyjnej.
• Przeprowadzać eksploracyjną analizę danych i przygotowywanie danych za pomocą Python.
• Wykorzystać sieci neuronowe do zadań modelowania nieliniowego.
• Wdrożyć analitykę predykcyjną do biznesowych prognoz, w tym danych sprzedażowych.
• Ocenić i optymalizować wydajność modeli za pomocą technik wizualnych i statystycznych.

Uczestnicy

Business właściciele (kierownicy ds. marketingu, kierownicy ds. produktu, kierownicy ds. bazy klientów) i ich zespoły; specjaliści ds. analizy klientów.

Przegląd

Kurs śledzi cykl życia klienta od pozyskiwania nowych klientów, zarządzania istniejącymi klientami w celu uzyskania rentowności, utrzymania dobrych klientów i wreszcie zrozumienia, którzy klienci nas opuszczają i dlaczego. Będziemy pracować z prawdziwymi (jeśli anonimowymi) danymi z różnych branż, w tym telekomunikacji, ubezpieczeń, mediów i zaawansowanych technologii.

Format

Szkolenie prowadzone przez instruktora w trakcie pięciu półdniowych sesji z ćwiczeniami w klasie oraz zadaniami domowymi. Szkolenie może być prowadzone w klasie lub na odległość (online).

This instructor-led, live training in Polsce (online or onsite) is aimed at intermediate-level DevOps professionals who wish to integrate predictive AI into their DevOps practices.

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

• Implement predictive analytics models to forecast and solve challenges in the DevOps pipeline.
• Utilize AI-driven tools for enhanced monitoring and operations.
• Apply machine learning techniques to improve software delivery workflows.
• Design AI strategies for proactive issue resolution and optimization.
• Navigate the ethical considerations of using AI in DevOps.

RapidMiner to platforma oprogramowania do nauki o danych typu open source do szybkiego prototypowania i rozwoju aplikacji. Obejmuje zintegrowane środowisko do przygotowywania danych, uczenia maszynowego, głębokiego uczenia, eksploracji tekstu i analizy predykcyjnej.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak korzystać z RapidMiner Studio do przygotowywania danych, uczenia maszynowego i wdrażania modeli predykcyjnych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować RapidMiner
• Przygotowywać i wizualizować dane za pomocą RapidMiner
• Walidować modele uczenia maszynowego
• Mashup danych i tworzenie modeli predykcyjnych
• Operacjonalizować analitykę predykcyjną w ramach procesu biznesowego
• Rozwiązywanie problemów i optymalizacja RapidMiner

Odbiorcy

• Naukowcy zajmujący się danymi
• Inżynierowie
• Programiści

Format kursu

• Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna

Uwaga

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

Uczestnicy

• menedżerowie
• deweloperzy
• naukowcy
• studenci

Format kursu

instruktaż i dyskusja online LUB warsztaty bezpośrednie

R to darmowy język programowania o otwartym kodzie źródłowym do obliczeń statystycznych, analizy danych i grafiki. R jest używany przez rosnącą liczbę menedżerów i analityków danych w korporacjach i środowiskach akademickich. R znalazł również zwolenników wśród statystyków, inżynierów i naukowców bez umiejętności programowania komputerowego, którzy uważają go za łatwy w użyciu. Jego popularność wynika z rosnącego wykorzystania eksploracji danych do różnych celów, takich jak ustalanie cen reklam, szybsze znajdowanie nowych leków lub dostrajanie modeli finansowych. R posiada szeroką gamę pakietów do eksploracji danych.

Ten kurs obejmuje manipulowanie obiektami w R, w tym odczytywanie danych, uzyskiwanie dostępu do pakietów R, pisanie funkcji R i tworzenie wykresów informacyjnych. Kurs uczy, jak korzystać z oprogramowania R (https://www.r-project.org) zarówno w wierszu poleceń, jak i w graficznym interfejsie użytkownika (GUI).

Grupa docelowa

Format kursu

Po zakończeniu tego szkolenia uczestnicy będą mogli:

W tym szkoleniu prowadzonym przez instruktora uczestnicy nauczą się manipulowania i wizualizacji danych za pomocą narzędzi zawartych w Tidyverse.

Tidyverse to zbiór wszechstronnych pakietów R służących do czyszczenia, przetwarzania, modelowania i wizualizacji danych. Niektóre z pakietów zawartych w zbiorze to: ggplot2, dplyr, tidyr, readr, purrr oraz tibble.

• Początkujący w języku R
• Początkujący w analizie danych i wizualizacji danych

• Część wykładu, część dyskusji, ćwiczenia i intensywne praktyczne ćwiczenia

• Wykonanie analizy danych i stworzenie przyjemnych wizualizacji
• Wnioskowanie użytecznych wniosków z różnych zestawów danych próbek
• Filtrowanie, sortowanie i podsumowywanie danych w celu odpowiedzi na pytania eksploracyjne
• Przekształcanie przetworzonych danych w informacyjne wykresy liniowe, wykresy słupkowe i histogramy
• Importowanie i filtrowanie danych z różnych źródeł danych, w tym Excel, CSV i plików SPSS