RapidMiner for Machine Learning and Predictive Analytics 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

在这个以讲师为主导的现场培训中，参与者将学习处理Big Data技术的心态，评估它们对现有过程和政策的影响，并实施这些技术以便识别犯罪活动和预防犯罪。将研究来自全球执法机构的案例研究，以获取有关其采纳方法、挑战和结果的见解。

培训结束时，参与者将能够：

• 在调查中，结合Big Data技术和传统数据收集过程，拼凑出一个故事。
• 实施工业大数据存储和处理解决方案进行数据分析。
• 为采纳最合适的工具和流程以实现以数据为中心的犯罪调查方法准备一份提案。

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。

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 DataRobot 的机器学习功能自动化、评估和管理预测模型的数据科学家和数据分析师。

在本次培训结束时，参与者将能够：

• 在 DataRobot 中载入数据集以分析、评估和品质检查数据。
• 构建和训练模型以识别重要变数并满足预测目标。
• 解释模型以创建有助于做出业务决策的宝贵见解。
• 监控和管理模型以保持优化的预测性能。

这门由讲师主导的现场培训（线上或线下）旨在让中级开发人员学习如何使用预测分析和生成模型来构建人工智能驱动的应用程序。

培训结束时，参与者将能够：

• 了解预测性人工智能和生成模型的基本原理。
• 利用人工智能工具进行预测编码、预测和自动化。
• 实施LLM（大型语言模型）和变压器以进行文本和代码生成。
• 应用时间序列预测和基于人工智能的推荐。
• 针对实际应用开发和微调AI模型。
• 评估AI部署中的伦理考虑和最佳实践。

这种以讲师为主导的 中国（在线或现场）实时培训面向希望掌握预测 AI 基础知识的初级 IT 专业人员。

在培训结束时，参与者将能够：

• 了解预测 AI 及其应用的核心概念。
• 收集、清理和预处理数据以进行预测分析。
• 探索和可视化数据以发现见解。
• 建立基本的统计模型进行预测。
• 评估预测模型的性能。
• 将预测性 AI 概念应用于实际场景。

R是用于统计计算，数据分析和图形的开源免费编程语言。 R被企业和学术界内越来越多的管理人员和数据分析人员所使用。 R有各种各样的数据挖掘软件包。

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

这种由讲师指导的<>本地（在线或现场）实时培训面向希望将预测性 AI 集成到其 DevOps 实践中的中级 DevOps 专业人员。

在培训结束时，参与者将能够：

• 实施预测分析模型，以预测和解决 DevOps 管道中的挑战。
• 利用 AI 驱动的工具增强监控和操作。
• 应用机器学习技术来改进软件交付工作流程。
• 设计 AI 策略以主动解决问题和优化。
• 在 DevOps 中了解使用 AI 的道德考虑因素。

R是用于统计计算，数据分析和图形的开源免费编程语言。 R被企业和学术界内越来越多的管理人员和数据分析人员所使用。 R有各种各样的数据挖掘软件包。

此讲师指导的 中国 现场培训（在线或现场）面向 希望学习如何使用 RapidMiner 估计和预测值并利用分析工具进行时间序列预测的中级数据分析师。

在本次培训结束时，参与者将能够：

• 学习应用 CRISP-DM 方法，选择合适的机器学习演算法，并增强模型构建和性能。
• 使用 RapidMiner 估计和预测值，并利用分析工具进行时间序列预测。