DataRobot培训

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

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AI通过有价值的客户洞察力来改进数字营销策略的营销人员。

在培训结束时，参与者将能够：

• 利用 AI 软件改善品牌与用户建立联系的方式。
• 使用聊天机器人来优化用户体验。
• 通过任务自动化提高生产力和收入。

这种以讲师为主导的中国现场现场培训针对的是希望了解人工智能基础知识并为其组织管理人工智能项目的经理和业务领导者。

在本次培训结束时，参与者将能够在技术层面上了解人工智能，并利用其组织的数据和资源制定战略，以成功管理人工智能项目。

这种以讲师为主导的中国现场现场培训针对的是希望通过基本AI方法编程和创建机器人的工程师。

在培训结束时，参与者将能够：

• 实施过滤器（卡尔曼和粒子），使机器人能够定位其环境中的移动物体。
• 实现搜索算法和运动规划。
• 实施 PID 控制以调节机器人在环境中的运动。
• 实施SLAM算法，使机器人能够绘制出未知环境。

此讲师指导的现场培训（在线或现场）面向希望学习和理解 AI 概念以及如何有效和负责任地使用它的专业人士。

到本次培训结束时，参与者将能够：

了解 Artificial Intelligence (AI) 的概念。了解 AI 的限制和危险，并负责任地使用它。知道如何在现实场景中有效地使用 AI。

在这个以讲师为主导的中国现场现场培训中，参与者将学习不同的技术，框架和技术，用于编程用于核技术和环境系统领域的不同类型的机器人。

为期 6 周的课程每周 5 天举行。每天有 4 个小时，包括讲座、讨论和在现场实验室环境中动手机器人开发。参与者将完成适用于其工作的各种现实世界项目 ，以实践他们所获得的知识。

本课程的目标硬件将通过仿真软件进行3D仿真。ROS（机器人操作系统）开源框架，C++和Python将用于机器人编程。

在培训结束时，参与者将能够：

• 了解机器人技术中使用的关键概念。
• 了解和管理机器人系统中软件和硬件之间的交互。
• 了解并实施支持机器人技术的软件组件。
• 构建和操作一个模拟机械机器人，该机器人可以通过语音查看、感知、处理、导航并与人类互动。
• 了解适用于构建智能机器人的人工智能（机器学习、深度学习等）的必要元素。
• 实施过滤器（卡尔曼和粒子），使机器人能够定位其环境中的移动物体。
• 实现搜索算法和运动规划。
• 实施 PID 控制以调节机器人在环境中的运动。
• 实施SLAM算法，使机器人能够绘制出未知环境。
• 通过Deep Learning扩展机器人执行复杂任务的能力。
• 在真实场景中对机器人进行测试和故障排除。