成都数据科学培训

这种由讲师指导的 成都 现场培训（在线或现场）面向希望了解预训练模型概念并学习如何应用它们来解决实际问题而无需从头开始构建模型的初级专业人员。

在本次培训结束时，参与者将能够：

• 了解预训练模型的概念和优势。
• 探索各种预先训练的模型架构及其使用案例。
• 针对特定任务微调预先训练的模型。
• 在简单的机器学习项目中实施预训练模型。

本课程为讲师指导的成都（线上或线下）培训，面向希望使用AWS Cloud9优化数据科学工作流程的中级数据科学家和分析师。

培训结束后，学员将能够：

• 在AWS Cloud9中设置数据科学环境。
• 在Cloud9中使用Python、R和Jupyter Notebook进行数据分析。
• 将AWS Cloud9与S3、RDS和Redshift等AWS数据服务集成。
• 利用AWS Cloud9进行机器学习模型的开发和部署。
• 优化基于云的数据分析和处理工作流程。

本次由讲师指导的培训（线上或线下）面向中级参与者，旨在帮助他们使用Apache Airflow自动化和管理机器学习工作流，包括模型训练、验证和部署。

培训结束后，参与者将能够：

• 设置Apache Airflow以进行机器学习工作流编排。
• 自动化数据预处理、模型训练和验证任务。
• 将Airflow与机器学习框架和工具集成。
• 使用自动化管道部署机器学习模型。
• 监控和优化生产中的机器学习工作流。

本次由讲师指导的线下或线上培训，面向希望学习Google Colab基础知识的初级数据科学家和IT专业人士。

培训结束后，参与者将能够：

• 设置并导航Google Colab。
• 编写并执行基本的Python代码。
• 导入和处理数据集。
• 使用Python库创建可视化图表。

这是由讲师指导的成都（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 成都 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。

本培训课程将帮助学员准备使用Python编程与数据分析进行Web Application Development。此类数据可视化是高层管理决策的强大工具。

完成此培训的参与者将获得对 Data Science 及其相关技术、方法和工具的实际、真实理解。

参与者将有机会通过动手练习将这些知识付诸实践。小组互动和教师反馈构成了课程的重要组成部分。

本课程首先介绍了 Data Science 的基本概念，然后进入了 Data Science 中使用的工具和方法。

观众

• 开发人员
• 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

• 要申请本课程的定制培训，请联系我们进行安排。

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。

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。

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。

这种由 讲师指导的 成都 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

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。

KNIME Analytics Platform 是领先的开源数据驱动创新工具，帮助您发掘数据中的潜力，挖掘新的洞察，或预测未来。凭借超过1000个模块、数百个即用示例、全面的集成工具集以及最广泛的高级算法选择，KNIME Analytics Platform 是任何数据科学家和业务分析师的理想工具箱。

本课程为 KNIME Analytics Platform 提供了一个理想的机会，适合初学者、高级用户和 KNIME 专家了解 KNIME，学习如何更有效地使用它，并基于 KNIME 工作流创建清晰、全面的报告。

本课程为讲师指导的培训（线上或线下），面向希望使用 KNIME 解决复杂业务需求的数据专业人员。

课程目标受众是不懂编程但希望使用前沿工具实现分析场景的人员。

通过本培训，参与者将能够：

• 安装和配置 KNIME。
• 构建数据科学场景
• 训练、测试和验证模型
• 实现数据科学模型的端到端价值链

课程形式

• 互动式讲座与讨论。
• 大量练习和实践。
• 在实时实验室环境中进行实际操作。

课程定制选项

• 如需定制本课程或了解更多信息，请联系我们安排。

这项由讲师指导的成都（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。

本课程为讲师指导的成都（线上或线下）培训，面向希望在Qlik Sense中开发关联模型的数据分析师和Web开发者。

培训结束后，学员将能够：

• 在数据科学中应用Qlik Sense。
• 使用并导航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。

实用量子计算：线上培训

开启您的高科技职业生涯

这是一门为期10小时的讲师指导的线上培训课程。完成沉浸式培训后，您将准备好成为一名入门级量子计算开发人员。

培训结束后，参与者将能够：

• 使用集成的IBM Q运行和测试量子程序
• 使用Qiskit创建、编译和执行量子计算程序
• 使用实际和高级量子算法，如QAOA
• 将现实世界的问题转换为适当的量子计算语言

课程形式

• 互动讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手实践。

课程定制选项

• 如需为此课程定制培训，请联系我们安排。

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。

本课程为讲师指导的成都（线上或线下）培训，面向希望使用SMACK堆栈构建大数据解决方案的数据科学家。

通过本培训，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进行数据分析。
• 使用Apache Cassandra管理非结构化数据。

这种由 讲师指导的 成都 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。