Jupyter 数据科学团队 培训

这是一个为期5天的数据科学与人工智能（AI）入门课程。

本课程通过使用Python的示例和练习进行授课。

这种由 讲师指导的 中国 现场培训（在线或现场）面向希望使用 Anaconda 生态系统在单一平台中捕获、管理和部署软体包和数据分析工作流 的数据科学家。

在本次培训结束时，参与者将能够：

• 安装和配置 Anaconda 个元件和库。
• 了解 Anaconda 的核心概念、功能和优势。
• 使用 Anaconda Navigator 管理包、环境和频道。
• 将 Conda、R 和 Python 包用于数据科学和机器学习。
• 了解管理多个数据环境的一些实际使用案例和技术。

完成本培训的学员将获得对数据科学及其相关技术、方法和工具的实践性、现实世界的理解。

学员将有机会通过动手练习将所学知识付诸实践。小组互动和讲师反馈是课程的重要组成部分。

课程从数据科学的基本概念介绍开始，然后逐步深入数据科学中使用的工具和方法。

受众

• 开发者
• 技术分析师
• IT顾问

课程形式

• 部分讲座，部分讨论，练习和大量动手实践

注意

• 如需为此课程定制培训，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。

本课程面向市场营销和销售专业人士，旨在深入探讨数据科学在市场营销和销售中的应用。课程详细介绍了用于“向上销售”、“交叉销售”、市场细分、品牌建设和客户终身价值（CLV）的各种数据科学技术。

市场营销与销售的区别 - 销售和市场营销有何不同？

简单来说，销售可以被视为一个专注于个人或小群体的过程。而市场营销则针对更大的群体或公众。市场营销包括研究（识别客户需求）、产品开发（生产创新产品）和产品推广（通过广告）以及在消费者中建立产品意识。因此，市场营销意味着生成潜在客户或线索。一旦产品进入市场，销售人员的工作就是说服客户购买产品。销售意味着将潜在客户或线索转化为购买和订单，而市场营销则着眼于长期目标，销售则与短期目标相关。

本次由讲师指导的培训（线上或线下）面向希望开启数据科学职业生涯的专业人士。

培训结束后，学员将能够：

• 安装并配置Python和MySQL。
• 了解什么是数据科学，以及它如何为几乎所有业务带来价值。
• 学习Python编程的基础知识。
• 学习监督学习和无监督学习的机器学习技术，如何实现它们并解释结果。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实验环境中进行动手操作。

课程定制选项

• 如需为此课程定制培训，请联系我们安排。

这个由 讲师指导的 中国 现场培训（在线或现场）面向希望在 Data Science 中使用 Kaggle 学习和建立职业生涯的数据科学家和开发人员。

在本次培训结束时，参与者将能够：

• 了解数据科学和机器学习。
• 探索数据分析。
• 了解 Kaggle 及其工作原理。

在本培训的第一部分，我们将介绍 MATLAB 的基础知识及其作为语言和平台的功能。  本次讨论包括对 MATLAB 语法、数组和矩阵、数据可视化、脚本开发和面向对象原则的介绍。

在第二部分中，我们将演示如何使用 MATLAB 进行数据挖掘、机器学习和预测分析。为了向参与者提供一个清晰而实用的视角来了解 MATLAB 的方法和能力，我们将使用 MATLAB 与使用其他工具（如电子表格、C、C++ 和 Visual Basic）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他们的工作。

在整个课程中，参与者将通过实验室环境中的实践练习将学到的想法付诸实践。在培训结束时，参与者将全面掌握 MATLAB 的能力，并能够利用它来解决现实世界的数据科学问题，以及通过自动化来简化他们的工作。

将在整个课程中进行评估，以衡量进展情况。

课程形式

• 课程包括理论和实践练习，包括案例讨论、示例代码检查和动手实施。

注意

• 实践课程将基于预先安排的样本数据报告模板。如果您有具体要求，请联系我们安排。

这项由讲师指导的中国（线上或线下）培训，针对中级数据分析师、开发人员或有志成为数据科学家的人士，旨在应用机器学习技术于Python中，以提取洞察、进行预测并自动化数据驱动的决策。

在本课程结束时，参与者将能够：

• 理解并区分关键的机器学习范式。
• 探索数据预处理技术和模型评估指标。
• 应用机器学习算法解决实际数据问题。
• 使用Python库和Jupyter笔记本进行实作开发。
• 构建用于预测、分类、推荐和聚类的模型。

这种由 讲师指导的 中国 现场现场培训（在线或现场）面向希望使用 Modin 构建和实施并行计算的数据科学家和开发人员 Pandas 以加快数据分析速度。

在本次培训结束时，参与者将能够：

• 设置必要的环境，开始使用 Modin 大规模开发 Pandas 工作流。
• 了解 Modin 的功能、架构和优势。
• 了解 Modin、Dask 和 Ray 之间的区别。
• 使用 Modin 更快地执行 Pandas 操作。
• 实现整个 Pandas API 和函数。

Python 是一种在金融行业中广受欢迎的程式语言。它被大型投资银行和对冲基金采用，用于构建各种金融应用程式，从核心交易程式到风险管理系统。

在这场由讲师指导的现场培训中，学员将学习如何使用 Python 开发实际应用程式，以解决一系列特定的金融相关问题。

培训结束时，学员将能够：

• 理解 Python 程式语言的基本原理
• 下载、安装并维护用于在 Python 中创建金融应用程式的最佳开发工具
• 选择并利用最合适的 Python 套件和程式技术来组织、可视化和分析来自各种来源（CSV、Excel、数据库、网络等）的金融数据
• 构建解决资产配置、风险分析、投资绩效等问题的应用程式
• 对 Python 应用程式进行故障排除、集成、部署和优化

目标受众

• 开发人员
• 分析师
• 量化分析师

课程形式

• 部分讲授、部分讨论、练习和大量实践操作

注意事项

• 本培训旨在为金融专业人员面临的一些主要问题提供解决方案。如果您有特定的主题、工具或技术希望补充或进一步详细说明，请联系我们进行安排。

本培训课程将帮助学员准备使用Python编程进行Web应用开发，并结合数据分析。此类数据可视化是高层管理决策的重要工具。

本次由讲师主导的培训在 中国（线上或线下）面向希望使用 Qlik Sense 开发关联模型的数据分析师和 Web 开发人员。

培训结束后，学员将能够：

• 在数据科学中应用 Qlik Sense。
• 使用和导航 Qlik Sense 界面。
• 通过 AI 互动构建数据素养团队。
• 使用 Qlik Sense 创建数据驱动型企业。

本次由讲师指导的线下或线上培训，面向希望使用RAPIDS构建GPU加速的数据管道、工作流和可视化的数据科学家和开发者，应用如XGBoost、cuML等机器学习算法。

培训结束后，参与者将能够：

• 设置必要的开发环境，使用NVIDIA RAPIDS构建数据模型。
• 了解RAPIDS的特性、组件和优势。
• 利用GPU加速端到端的数据和分析管道。
• 使用cuDF和Apache Arrow实现GPU加速的数据准备和ETL。
• 学习如何使用XGBoost和cuML算法执行机器学习任务。
• 使用cuXfilter和cuGraph构建数据可视化并执行图分析。

本次讲师指导的培训在 中国（线上或线下）面向希望使用 SMACK 技术栈构建大数据解决方案的数据科学家。

培训结束后，参与者将能够：

• 实现用于处理大数据的数据管道架构。
• 使用 Apache Mesos 和 Docker 开发集群基础设施。
• 使用 Spark 和 Scala 分析数据。
• 使用 Apache Cassandra 管理非结构化数据。