Anaconda Ecosystem for Data Scientists培训

这是为期5天的Data Science和AI入门。

本课程随附使用Python示例和练习

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

完成此培训的参与者将获得对Data Science及其相关技术，方法和工具的实际，现实的理解。

参与者将有机会通过实践练习将这些知识付诸实践。小组互动和教师反馈构成了班级的重要组成部分。

课程以介绍的基本概念开始Data Science ，再进一步进入中使用的工具和方法， Data Science 。

听众

• 开发商
• 技术分析师
• IT顾问

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。

大数据是如此庞大和复杂的数据集，传统的数据处理应用软件不足以处理它们。大数据挑战包括捕获数据，数据存储，数据分析，搜索，共享，传输，可视化，查询，更新和信息隐私。

This course is meant for Marketing Sales Professionals who are intending to get deeper into application of data science in Marketing/ Sales. The course provides
detailed coverage of different data science techniques used for “upsale”, “cross-sale”, market segmentation, branding and CLV.

Difference of Marketing and Sales - How is that sales and marketing are different?

In very simplewords, sales can be termed as a process which focuses or targets on individuals or small groups. Marketing on the other hand targets a larger group or the general public. Marketing includes research (identifying needs of the customer), development of products (producing innovative products) and promoting the product (through advertisements) and create awareness about the product among the consumers. As such marketing means generating leads or prospects. Once the product is out in the market, it is the task of the sales person to persuade the customer to buy the product. Sales means converting the leads or prospects into purchases and orders, while marketing is aimed at longer terms, sales pertain to shorter goals.

数据科学是统计分析，机器学习，数据可视化和编程的应用，用于理解和解释真实世界的数据。 F＃是一款非常适合数据科学的编程语言，因为它结合了高效执行，REPLscripting，强大的库和可扩展的数据集成。 在这个有指导意义的现场培训中，参与者将学习如何使用F＃来解决一系列现实世界的数据科学问题。 在培训结束后，参与者将能够： 使用F＃的集成数据科学软件包使用F＃与其他语言和平台进行互操作，包括Excel，R，Matlab和Python 使用Deedle包解决时间序列问题用最少的生产线质量代码进行高级分析了解函数式编程如何非常适合科学和大数据计算使用F＃访问和可视化数据将F＃应用于机器学习探索商业智能和社交游戏等领域问题的解决方案 听众 开发商数据科学家 课程的格式 部分讲座，部分讨论，练习和沉重的练习

这种由讲师指导的实时培训（现场或远程）针对希望从事Data Science职业的专业人士。

在培训结束时，参与者将能够：

• 安装和配置Python和MySql。
• 了解什么是Data Science ，以及它如何为几乎任何业务增加价值。
• 了解Python编码的基础
• 学习有监督和无监督的Machine Learning技术，以及如何实现它们并解释结果。

课程形式

• 互动式讲座和讨论。
• 很多练习和练习。
• 在现场实验室环境中动手实施。

课程自定义选项

• 要请求此课程的定制培训，请与我们联系以安排。

Jupyter 是一个开源的、基于 Web 的交互式 IDE 和计算环境。

这种由讲师指导的现场培训（在线或现场）介绍了数据科学中协作开发的理念，并演示了如何使用 Jupyter 作为团队跟踪和参与“计算思想的生命周期”。  它引导参与者完成基于 Jupyter 生态系统的示例数据科学项目的创建。

在培训结束时，参与者将能够：

• 安装和配置 Jupyter，包括在 Git 上创建和集成团队存储库。
• 使用 Jupyter 功能（如扩展、交互式小部件、多用户模式等）实现项目协作。
• 与团队成员一起创建、共享和组织 Jupyter Notebook。
• 从 Scala、Python、R 中进行选择，以针对 Apache Spark 等大数据系统编写和执行代码，所有这些都通过 Jupyter 接口完成。

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在现场实验室环境中动手实施。

课程自定义选项

• Jupyter Notebook 支持 40 多种语言，包括 R、Python、Scala、Julia 等。要根据您选择的语言定制本课程，请联系我们进行安排。

分析平台是基于数据的创新领先的开源选项,帮助您探索数据中隐藏的潜力,寻找新的洞察力,或预测新的未来。 拥有超过1000个模块、数百个准备好运行的例子、综合工具的广泛范围以及最广泛的先进算法选项,分析平台是任何数据科学家和商业分析师的完美工具箱。

这个课程为 KNIME 分析平台是一个理想的机会,初学者,先进的用户和 KNIME 专家被介绍到 KNIME,学习如何更有效地使用它,以及如何创建基于 KNIME 工作流的清晰,全面的报告。

由教练领导的现场培训(在线或在线)旨在针对想要使用的数据专业人士,以解决复杂的业务需求。

它针对那些不知道编程的观众,并打算使用先进的工具来实施分析场景。

在本研讨会结束后,参与者将能够:

• 安置和配置 KNIME。
• 创建 Data Science 场景
• 列车、测试和验证模型
• 实施终止数据科学模型的最终价值链

课程格式

• 互动讲座和讨论。
• 很多练习和练习。
• 在现场实验室环境中进行手动实施。

课程定制选项

• 要申请本课程的定制培训或了解更多关于本课程的信息,请联系我们安排。

服务器是以团队为基础的合作、自动化、管理和数据科学工作流作为分析应用和服务的企业软件。

在本研讨会结束后,参与者将能够:

• 时间表分析工作流自动运行,并给自己更多的时间专注于数据科学。
• 控制工作流自动模型管理
• 尺寸和 pin 工作流的执行与良好的,高性能的服务器架构,根据您的规格配置。
• 在 KNIME 服务器上设计、编辑和执行工作流,使用远程工作流编辑器,并在安全的环境中利用良好的硬件。

课程格式

• 互动讲座和讨论。
• 很多练习和练习。
• 在现场实验室环境中进行手动实施。

课程定制选项

• 要申请本课程的定制培训或了解更多关于本课程的信息,请联系我们安排。

本次培训的第一部分介绍了MATLAB的基本原理及其作为语言和平台的功能。本次讨论包括MATLAB语法、数组和矩阵、数据可视化、脚本开发及面向对象原理的介绍。

在第二部分中，我们演示如何使用MATLAB进行数据挖掘、机器学习和预测性分析。为了给参与者一个关于MATLAB方法和功能的清晰和实用的观点，我们将使用MATLAB和使用电子表格、C、C ++、Visual Basic等其他工具进行比较。

在培训的第三部分，参与者学习如何通过自动化数据处理和报告生成来简化工作。

在整个课程中，参与者将在实验室环境里把通过动手练习学到的想法付诸实践。培训结束后，参与者将对MATLAB的功能有一个全面的掌握，并将能够用它来解决实际的数据科学问题，并通过自动化来简化他们的工作。

整个课程中将进行评估以衡量进度。

课程形式

• 课程包含理论和实践练习，包括案例讨论、样本代码检查和实操。

注意

• 练习课程将根据预先安排的样本数据报告模板进行。如果您有特殊要求，请联系我们以作安排。

这种以讲师为主导的中国现场现场培训针对的是希望使用Presto查询大数据源的数据科学家。

在培训结束时，参与者将能够：

• 利用 Presto 关键概念来优化现代大数据系统。
• 使用 Presto 运行 EB 级仓库。
• 将数据克隆到专有数据存储系统。
• 使用现有的 BI 工具，例如 R 和 Tableau。

Python是一门在金融行业拥有巨大声望的编程语言。最大的投资银行和对冲基金正在使用它来构建包括核心交易项目及风险管理系统在内的广泛的金融应用。

在这一由讲师引导的现场培训中，参与者将学习如何使用Python开发实际的应用程序以解决一些特定的财务相关的问题。

在本次培训结束后，参与者将能够：

• 了解Python编程语言的基础知识
• 下载、安装和维护用Python创建财务应用程序的最佳开发工具
• 选择和利用最合适的Python软件包和编程技术来组织、可视化和分析从各种来源（CSV、Excel、数据库、网站等）得来的财务数据。
• 构建解决资产配置、风险分析、投资绩效等相关问题的应用程序
• 故障排除、集成部署和优化他们的应用程序

受众

• 开发人员
• 分析师
• 宽客

课程形式

• 部分讲座、部分讨论、练习和大量实操

注意事项

• 该培训旨在为金融专业人士所面对的一些原则问题提供解决方案。但是，如果您有一个特定的主题、工具或技术想要附加或详细说明，请联系我们以作安排。

培训课程将帮助参与者准备 Web 应用开发使用 Python Programming 与数据分析。 这种数据视觉是一个很好的工具,在决策中为Top Management。

这种以讲师为主导的中国现场培训（远程或远程）面向希望在Qlik Sense中开发关联模型的数据分析师和Web开发人员。

在培训结束时，参与者将能够：

• 在数据科学中应用 Qlik Sense。
• 使用和导航 Qlik Sense 界面。
• 通过 AI 交互构建具有数据素养的员工队伍。
• 使用 Qlik Sense 创建数据驱动型企业。