Python在数据科学中的应用 培训

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。

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

这种以讲师为主导的中国现场培训（现场或远程）针对的是希望将Dask与Python生态系统一起使用以构建，扩展和分析大型数据集的数据科学家和软件工程师。

在培训结束时，参与者将能够：

• 设置环境以开始使用 Dask 和 Python 构建大数据处理。
• 探索 Dask 中提供的功能、库、工具和 API。
• 了解 Dask 如何在 Python 中加速并行计算。
• 了解如何使用 Dask 扩展 Python 生态系统（Numpy、SciPy 和 Pandas）。
• 优化 Dask 环境，以保持处理大型数据集的高性能。

这是一个由讲师指导的中国（线上或线下）培训课程，目标对象是希望提升数据分析与处理技能的中级Python开发人员和数据分析师，课程内容涵盖Pandas和NumPy的使用。

在培训结束时，学员将能够：

• 设置包含Python、Pandas和NumPy的开发环境。
• 使用Pandas和NumPy创建数据分析应用。
• 执行高级的数据整理、排序和过滤操作。
• 进行聚合操作并分析时间序列数据。
• 使用Matplotlib和其他可视化库进行数据可视化。
• 调试和优化数据分析代码。

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（线上或线下）培训面向希望使用FARM（FastAPI、React和MongoDB）技术栈构建动态、高性能和可扩展的Web应用程序的开发人员。

培训结束后，学员将能够：

• 搭建集成FastAPI、React和MongoDB的必要开发环境。
• 理解FARM技术栈的关键概念、特性和优势。
• 学习如何使用FastAPI构建REST API。
• 学习如何使用React设计交互式应用程序。
• 使用FARM技术栈开发、测试和部署应用程序（前端和后端）。

这种以讲师为主导的中国现场培训（现场或远端）面向希望将FastAPI与Python一起使用以更轻松，更快速地构建，测试和部署RESTful API的开发人员。

在培训结束时，参与者将能够：

• 设置必要的开发环境，以使用Python和FastAPI开发API。
• 使用FastAPI库更快速、更轻松地创建API。
• 学习如何基于Pydantic和OpenAPI创建数据模型和模式。
• 使用SQLAlchemy将API连接到数据库。
• 使用FastAPI工具在API中实现安全性和身份验证。
• 构建容器镜像并将Web API部署到云端伺服器。

这是由讲师指导的中国（线上或线下）培训，介绍数据科学中的协作开发理念，并演示如何使用Jupyter追踪并以团队形式参与“计算想法的生命周期”。培训将引导参与者基于Jupyter生态系统创建一个数据科学项目示例。

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的功能，如扩展、互动小部件、多用户模式等，以实现项目协作。
• 与团队成员创建、分享和组织Jupyter Notebooks。
• 通过Jupyter界面选择Scala、Python、R等语言，针对Apache Spark等大数据系统编写和执行代码。

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。