Predictive Modelling with R培训

Tidyverse是一系列多功能R包，用于清洁，处理，建模和可视化数据。包括的一些包是：ggplot2，dplyr，tidyr，readr，purrr和tibble。

在这个由讲师指导的实时培训中，参与者将学习如何使用Tidyverse包含的工具来操纵和可视化数据。

在培训结束时，参与者将能够：

• 执行数据分析并创建吸引人的可视化
• 从样本数据的各种数据集中得出有用的结论
• 过滤，排序和汇总数据以回答探索性问题
• 将处理过的数据转换为信息性线图，条形图，直方图
• 导入和过滤来自不同数据源的数据，包括Excel ，CSV和SPSS文件

听众

• 初学者到R语言
• 初学者进行数据分析和数据可视化

课程形式

• 部分讲座，部分讨论，练习和繁重的实践练习

概述

服务提供商(CSP)面临压力,以降低成本,最大限度地提高用户平均收入(ARPU),同时确保优秀的客户体验,但数据量仍在增长。 到2016年,全球移动数据流量将以78%的合并年增长率(CAGR)增长,每月达到10.8 exabytes。

与此同时,CSP正在产生大量的数据,包括呼叫细节记录(CDR),网络数据和客户数据。 充分利用这些数据的公司获得了竞争优势。 根据The Economist Intelligence Unit最近的一项调查,使用数据导向决策的公司享有5至6%的生产力增长。 然而,53%的公司只利用其有价值的数据的一半,其中四分之一的受访者指出,大量有用的数据正在失去。 数据量如此高,以至于手动分析是不可能的,而大多数遗产软件系统无法保持,导致有价值的数据被忽略或忽略。

使用高速可扩展的大数据软件,CSP 可以在更短的时间内挖掘所有数据,以便在更短的时间内做出更好的决策。 不同 Big Data 产品和技术提供一个终端软件平台,以收集,准备,分析和展示来自大数据的洞察力。 应用领域包括网络性能监测、欺诈检测、客户端检测和信用风险分析。 Big Data 分析产品规模处理数据的特拉比特,但这些工具的实施需要新的类型的基于云的数据库系统,如(3)或大规模平行计算处理器(KPU等)。

该课程工作在 Big Data BI for Telco 覆盖了所有新兴的领域,在这些领域,CSP 正在投资,以提高生产力,并打开新的业务收入流。 该课程将提供一个完整的360学位的视图 Big Data BI在Telco,以便决策者和管理人员可以有一个非常广泛和全面的概述的可能性 Big Data BI在Telco的生产力和收入收益。

课程目标

该课程的主要目标是引入4个领域的新(0)商业智能技术(9)(Marketing/销售、网络运营、金融运营和客户关系(4))。 学生将被介绍为如下:

• 引入 Big Data - 什么是 4Vs (容量,速度,多样性和可靠性) 在 Big Data - 从 Telco 视角的发行,提取和管理
• 如何分析与遗产数据分析不同
• 内部正当化 Big Data -Telco 视角
• 引入 Hadoop 生态系统 - 熟悉所有 Hadoop 工具,如 Hive, 猪, SPARC –什么时候和如何使用它们来解决 Big Data 问题
• 如何 Big Data 被提取到分析分析工具 - 如何 Business Analysis’s 可以通过集成 Hadoop 板块方法来减少数据收集和分析的疼痛点
• 基础介绍 Insight 分析、视觉分析和预测分析为 Telco
• 客户评估分析和如何评估分析可以在Telco案例研究中减少客户评估和客户不满
• 网络故障和服务故障分析来自网络 meta 数据和 IPDR
• 财务分析 - 欺诈、欺诈和从销售和运营数据中获得的ROI估计
• 客户收购问题 - 目标营销,客户分区和从销售数据中交叉销售
• 介绍和概述所有 Big Data 分析产品以及它们适合在 Telco 分析空间的位置
• 结论 - 如何采取一步一步的方法来引入 Big Data Business Intelligence 在您的组织

目标观众

• 网络运营,财务经理,CRM经理和Telco CIO办公室的顶级IT经理。
• Business 分析师在 Telco
• CFO办公室经理/分析师
• 运营经理
• QA管理员

听众

如果您试图理解您可以访问或想要分析网络上可用的非结构化数据（如Twitter，链接等等），那么本课程适合您。

它主要针对需要选择哪些数据值得收集以及值得分析的决策者和人员。

它不是针对人们配置解决方案，但这些人将从大局中受益。

交货方式

在课程期间，代表们将获得大多数开源技术的工作示例。

讲座后将进行简短的讲座，参加者将进行简单的练习

使用的内容和软件

每次运行课程时都会更新所有使用的软件，因此我们会检查最新版本。

它涵盖了从获取，格式化，处理和分析数据的过程，以解释如何使用机器学习自动化决策制定过程。

预测性分析是使用数据分析来预测未来的过程。此过程使用数据以及数据挖掘、统计和机器学习技术创建可用来预测未来事件的预测模型。

在这一由讲师引导的现场培训中，参与者将学习如何使用Matlab建立预测模型，并将其应用于大样本数据集，以根据数据预测未来事件。

在培训结束后，参与者将能够：

• 创建预测模型来分析历史和交易数据中的规律
• 使用预测建模来识别风险和机会
• 建立捕捉重要趋势的数学模型
• 使用来自设备和业务系统的数据来减少浪费、节省时间或降低成本

受众

• 开发人员
• 工程师
• 领域专家

课程形式

• 部分讲座、部分讨论、练习和大量实操

技术的进步和越来越多的信息正在改变执法的方式。 Big Data带来的挑战几乎与Big Data的承诺一样令人生畏。有效存储数据是这些挑战之一;有效地分析它是另一回事。

在以讲师为主导的现场培训中，参与者将学习处理Big Data技术的思维方式，评估其对现有流程和政策的影响，并实施这些技术，以识别犯罪活动和预防犯罪。将审查世界各地执法组织的案例研究，以深入了解其采用方法，挑战和结果。

在培训结束时，参与者将能够：

• 将Big Data技术与传统的数据收集流程相结合，在调查过程中拼凑出一个故事
• 实施工业大数据存储和处理数据分析解决方案
• 准备一份提案，以采用最适当的工具和程序，使数据驱动的方法能够进行刑事调查

听众

• 具有技术背景的执法专家

课程形式

• 部分讲座，部分讨论，练习和繁重的实践练习

This classroom based training session will contain presentations and computer based examples and case study exercises to undertake.

RapidMiner是一个开源数据科学软件平台，用于快速应用程序原型设计和开发。它包括用于数据准备，机器学习，深度学习，文本挖掘和预测分析的集成环境。

在这个由讲师指导的实时培训中，参与者将学习如何使用RapidMiner Studio进行数据准备，机器学习和预测模型部署。

在培训结束时，参与者将能够：

• 安装和配置RapidMiner
• 使用RapidMiner准备和可视化数据
• 验证机器学习模型
• Mashup数据并创建预测模型
• 在业务流程中实施预测分析
• 对RapidMiner故障排除和优化

听众

• 数据科学家
• 工程师
• 开发商

课程格式

• 部分讲座，部分讨论，练习和繁重的实践练习

注意

• 要申请本课程的定制培训，请联系我们安排。

这种以讲师为主导的中国现场培训（现场或远程）针对的是希望使用GLM，深度学习和Random Forest等算法构建机器学习模型的技术人员。

在培训结束时，参与者将能够：

• 安装和配置 H2O。
• 使用不同的流行算法创建机器学习模型。
• 根据数据类型和业务需求评估模型。

这种以讲师为主导的中国现场现场培训面向希望使用DataRobot的机器学习功能自动化，评估和管理预测模型的数据科学家和数据分析师。

在培训结束时，参与者将能够：

• 在 DataRobot 中加载数据集以分析、评估和质量检查数据。
• 构建和训练模型以识别重要变量并实现预测目标。
• 解释模型以创建有价值的见解，这些见解有助于做出业务决策。
• 监视和管理模型以保持优化的预测性能。

听众

• 经理
• 开发商
• 科学家们
• 学生们

课程形式

在线指导和讨论或面对面的研讨会

R 是一个开源的免费编程语言,用于统计计算,数据分析和图形。 研究由越来越多的管理人员和数据分析师在企业和学术界内使用。 R 还在没有计算机编程技能的统计学家、工程师和科学家中找到了追随者,他们发现它很容易使用。 它的普及是由于数据采矿越来越多用于各种目的,如设置广告价格,更快地找到新的药物或精致的金融模型。 R 有大量的数据采矿包。

该课程涵盖R中的对象的操纵,包括阅读数据,访问R包,写R功能,并制作信息图表。 它包括使用常见的统计模型的数据分析。 该课程教导如何在命令线和图形用户界面(GUI)上使用R软件(0)。

该课程允许代表使用R完全自动化预测过程

听众

Business主（营销经理，产品经理，客户群经理）及其团队;客户见解专业人士。

概观

该课程遵循客户生命周期，从获得新客户，管理现有客户的盈利能力，留住优质客户，最终了解哪些客户离开我们以及为什么。我们将处理来自各行各业的真实（如果是匿名的）数据，包括电信，保险，媒体和高科技。

格式

由五个为期半天的课程进行的讲师指导培训，包括课堂练习和家庭作业。它可以作为教室或距离（在线）课程提供。

本课程介绍了使用R-project软件将神经网络应用于现实世界的问题。