Advanced Analytics with RapidMiner培训

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。

未来城市会是什么样子？ Artificial Intelligence (AI)如何用于改善城市规划？如何利用人工智能使城市更高效，更宜居，更安全，更环保？

在这个以讲师为主导的现场培训（现场或远程）中，我们研究了构成AI的各种技术，以及将它们用于城市规划所需的技能组合和心理框架。我们还介绍了收集和组织用于AI的相关数据的工具和方法，包括数据挖掘。

听众

• 城市规划师
• 建筑师
• 开发商
• 交通官员

课程格式

• 部分讲座，部分讨论和一系列互动练习。

注意

• 要申请本课程的定制培训，请联系我们安排。

AI是用于构建智能系统的技术集合，能够理解数据和围绕数据的活动以做出“智能决策”。对于电信提供商而言，构建利用AI的应用程序和服务可以为维护和网络优化等领域的改进操作和服务打开大门。

在本课程中，我们将研究构成AI的各种技术以及使用它们所需的技能。在整个课程中，我们将研究AI在电信行业中的特定应用。

听众

• 网络工程师
• 网络运营人员
• 电信技术经理

课程形式

• 部分讲座，部分讨论，动手练习

本课程是为经理、解决方案架构师、创新官、首席技术官、软件架构师以及任何对应用人工智能概述及其发展的最新预测感兴趣的人创建的。

本课程是为那些以前没有概率和统计经验的人创建的。

线性代数是数学的一个分支，处理向量，矩阵和线性变换。线性代数知识可帮助工程师和开发人员提高机器学习能力。理解线性代数概念使他们能够更好地理解机器学习技术背后的原理，从而更快地解决问题。

在这个由讲师指导的实时培训中，参与者将学习线性代数的基础知识，因为他们逐步使用线性代数方法解决机器学习问题。

在培训结束时，参与者将能够：

• 理解基本的线性代数概念
• 学习机器学习所需的线性代数技能
• 在处理数据，图像，算法等时使用线性代数结构和概念。
• 使用线性代数解决机器学习问题

听众

• 开发商
• 工程师

课程形式

• 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。

这种由讲师指导的中国现场培训（现场或远程）面向希望使用Azure ML的拖放平台部署Machine Learning工作负载的工程师，而无需购买软件和硬件，也不必担心维护和部署。

在培训结束时，参与者将能够：

• 使用 Python、R 或零代码工具编写高度准确的机器学习模型。
• 利用 Azure 的可用数据集和算法来训练和跟踪机器学习和深度学习模型。
• 使用 Azure 交互式工作区协作开发 ML 模型。
• 从 Azure 支持的不同 ML 框架中进行选择，例如 PyTorch、TensorFlow 和 scikit-learn。

人工神经网络是一种计算数据模型，用于开发能够执行“智能”任务的Artificial Intelligence (AI)系统。 Neural Networks通常用于Machine Learning （ML）应用程序，它们本身就是AI的一种实现。 Deep Learning是ML的一个子集。

这是一个为期4天的课程，介绍AI及其应用。在完成本课程后，可以选择额外一天进行AI项目。

这是一个4天的课程介绍人工智能和它的应用,使用编程语言。 有一个选项有一个额外的日子,在完成这个课程时进行人工智能项目。

本培训课程面向希望在实际应用中应用Machine Learning人员。

听众

本课程适用于对统计学有一定了解并且知道如何编写R（或Python或其他选定语言）的数据科学家和统计学家。本课程的重点是数据/模型准备，执行，事后分析和可视化的实践方面。

目的是为有兴趣在工作中应用这些方法的参与者提供Machine Learning实际应用。

行业特定示例用于使培训与受众相关。

这种由讲师指导的中国现场现场培训面向希望创建和训练机器学习模型以部署到生产就绪托管环境中的数据科学家和开发人员。

在培训结束时，参与者将能够：

• 使用笔记本实例准备和上传用于训练的数据。
• 使用训练数据集训练机器学习模型。
• 将经过训练的模型部署到终结点以创建预测。

这种由讲师指导的中国现场现场培训针对的是希望使用Azure Machine Learning构建用于预测分析的端到端机器学习模型的数据科学家。

在培训结束时，参与者将能够：

• 使用零编程经验构建机器学习模型。
• 使用 Azure Machine Learning 创建预测算法。
• 部署生产就绪的机器学习算法。

这种以讲师为主导的中国现场培训（现场或远程）面向希望使用Core ML为iOS 11和macOS High Sierra开发创建机器学习模型的Web开发人员。

在培训结束时，参与者将能够：

• 构建使用机器学习的 AI 驱动型应用程序。
• 实现对图像进行分类的机器学习模型。
• 使用 Core ML API 支持自定义工作流和高级用例
• 使用机器学习模型分析自然语言文本。

这种由讲师指导的中国现场现场培训面向希望使用Dataiku DSS开发机器学习管道并利用AI流程生成战略组织计划的工程师，数据科学家和数据分析师。

在培训结束时，参与者将能够：

• 在其首选操作系统上安装和配置 Dataiku DSS。
• 了解 AI/ML 概念和原则，这些概念和原则是 Dataiku 功能的基础。
• 在Dataiku DSS项目中创建并实现自己的数据可视化代码。
• 将 ML 模型和管道部署到围绕 Dataiku DSS 构建的生产环境中。
• 优化其企业应用程序数据分析方法的敏捷性和灵活性。
• 利用 Dataiku DSS 来保护和管理数据在更多业务系统中的流动方式。