DataRobot Träningskurs

Översikt

Communications tjänsteleverantörer (CSP) står inför tryck för att minska kostnaderna och maximera genomsnittliga intäkter per användare (ARPU), samtidigt som en utmärkt kundupplevelse säkerställs, men datavolymerna fortsätter att växa. Den globala mobila datatrafiken kommer att växa med en kombinerad årlig tillväxthastighet (CAGR) på 78 procent mot 2016, upp till 10,8 exabytes per månad.

Samtidigt genererar CSPs stora volymer av data, inklusive samtaldetaljer (CDR), nätverksdata och kunddata. Företag som fullt ut utnyttjar dessa data får en konkurrenskraftig marginal. Enligt en ny undersökning av The Economist Intelligence Unit, företag som använder data-driven beslutsfattande njuter av en 5-6% ökning i produktivitet. Men 53% av företagen använder bara hälften av sina värdefulla data, och en fjärdedel av respondenterna noterade att enorma mängder användbara data går oförglömliga. Datavolymerna är så höga att manuell analys är omöjlig, och de flesta legacy mjukvarusystem kan’t behålla, vilket resulterar i värdefulla data som tas bort eller ignoreras.

Med Big Data & Analytics’ höghastighet, skalbar stordata programvara, kan CSPs gruva alla sina data för bättre beslutsfattande på mindre tid. Olika Big Data produkter och tekniker ger en end-to-end programplattform för att samla in, förbereda, analysera och presentera insikter från stora data. Tillämpningsområdena inkluderar nätverksprestandaövervakning, bedrägeridetektion, kundchurndetektion och kreditriskanalys. Big Data & Analytics produkter skala för att hantera terabytes av data men genomförandet av sådana verktyg kräver en ny typ av molnbaserad databassystem som Hadoop eller massiv skala parallell dataprocessor (KPU etc.)

Denna kurs arbetar på Big Data BI för Telco täcker alla framväxande nya områden där CSP investerar för produktivitetsökning och öppnar nya affärsinkomster. Kursen kommer att ge en komplett 360-grad överblick av Big Data BI i Telco så att beslutsfattare och chefer kan ha en mycket bred och omfattande översikt över möjligheter Big Data BI i Telco för produktivitet och inkomstvinster.

Kursens mål

Huvudsyftet med kursen är att introducera nya Big Data affärsintelligence tekniker i 4 sektorer av Telecom Business (Marketing/Sales, Network Operation, Financial Operation och Customer Relation Management). Studenter kommer att introduceras till att följa:

• Introduktion till Big Data-vad är 4Vs (volym, hastighet, variation och sannolikhet) i Big Data- Generation, utvinning och hantering från Telco perspektiv
• Hur Big Data analytik skiljer sig från arvdata analytik
• In-house motivering av Big Data -Telco perspektiv
• Introduktion till Hadoop Ecosystem- bekantskap med alla Hadoop verktyg som Hive, Pig, SPARC –när och hur de används för att lösa Big Data problem
• Hur Big Data extraheras för analys för analysverktyg-hur Business Analysis’s kan minska sina smärtspunkter av insamling och analys av data genom integrerad Hadoop dashboardmetod
• Grundläggande introduktion av Insight-analys, visualiseringsanalys och prediktiv analys för Telco
• Customer Churn analytics och Big Data-how Big Data analytics kan minska kundchurn och kund missnöje i Telco-case studier
• Analys av nätverksfel och servicefel från nätverksmetadata och IPDR
• Finansiell analys - bedrägeri, vassage och ROI-bedömning från försäljning och operativa data
• Kundens förvärvsproblem-Targetmarknadsföring, kundsegmentering och cross-sales från försäljningsdata
• Introduktion och sammanfattning av alla Big Data analytiska produkter och var de passar i Telco analytiska utrymme
• Slutsats-hur man tar steg för steg tillvägagångssätt för att introducera Big Data Business Intelligence i din organisation

Målgrupp

• Nätverksoperationer, finansiella chefer, CRM-chefer och topp IT-chefer i Telco CIO-kontoret.
• Business Analytiker i Telco
• CFO kontorsledare/analytiker
• Operativa chefer
• QA ledare

Publik

Om du försöker skapa mening med de data du har tillgång till eller vill analysera ostrukturerade data som finns tillgängliga på nätet (som Twitter, Länkade in osv ...) är den här kursen för dig.

Det riktar sig mest till beslutsfattare och människor som behöver välja vilka data som är värda att samla in och vad som är värt att analysera.

Det är inte riktat till personer som konfigurerar lösningen, men dessa människor kommer dock att dra nytta av den stora bilden.

Leveransläge

Under kursen kommer delegaterna att presenteras med fungerande exempel på mestadels open source-teknik.

Korta föreläsningar följs av presentation och enkla övningar av deltagarna

Innehåll och programvara som används

All mjukvara som används uppdateras varje gång kursen körs, så vi kontrollerar de senaste versionerna som möjligt.

Det täcker processen från att skaffa, formatera, bearbeta och analysera data, för att förklara hur man automatiserar beslutsfattande med maskininlärning.

R är ett open source-fritt programmeringsspråk för statistisk databehandling, dataanalys och grafik R används av ett växande antal chefer och dataanalyser inom företag och akademi R har ett brett utbud av paket för data mining .

R är ett open source-fritt programmeringsspråk för statistisk databehandling, dataanalys och grafik R används av ett växande antal chefer och dataanalyser inom företag och akademi R har ett brett utbud av paket för data mining .

Prediktiv analys är processen med att använda dataanalys för att göra förutsägelser om framtiden Denna process använder data tillsammans med data mining, statistik och maskininlärningsteknik för att skapa en förutsägbar modell för prognoser för framtida händelser I den här instruktionsledda träningen lär deltagarna att använda Matlab för att bygga prediktiva modeller och tillämpa dem på stora provdatasatser för att förutsäga framtida händelser baserat på data Vid slutet av denna utbildning kommer deltagarna att kunna: Skapa prediktiva modeller för att analysera mönster i historiska och transaktionsdata Använd prediktiv modellering för att identifiera risker och möjligheter Bygg matematiska modeller som tar viktiga trender Använd data från enheter och affärssystem för att minska avfall, spara tid eller minska kostnader Publik utvecklare ingenjörer Domänexperter Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Framsteg inom teknik och den ökande mängden information förvandlar hur brottsbekämpning bedrivs. Big Data utmaningar är nästan lika avskräckande som Big Data : s löfte. Att lagra data effektivt är en av dessa utmaningar; att effektivt analysera det är en annan.

I denna instruktörsledda, live-utbildning, kommer deltagarna att lära sig tankesättet att närma sig Big Data teknologier, utvärdera deras påverkan på befintliga processer och policyer och implementera dessa tekniker i syfte att identifiera brottslig verksamhet och förebygga brottslighet. Fallstudier från brottsbekämpande organisationer runt om i världen kommer att undersökas för att få insikter om deras antagande strategier, utmaningar och resultat.

I slutet av denna träning kommer deltagarna att kunna:

• Kombinera Big Data teknik med traditionella datainsamlingsprocesser för att sammanställa en berättelse under en utredning
• Implementera industriella stordatalagrings- och behandlingslösningar för dataanalys
• Förbered ett förslag för antagande av de mest adekvata verktygen och processerna för att möjliggöra en datadriven strategi för brottsutredning

Publik

• Juridiska verkställighetsspecialister med teknisk bakgrund

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

This classroom based training session will contain presentations and computer based examples and case study exercises to undertake.

RapidMiner är en open source datavetenskaplig mjukvaruplattform för snabb applikationsprototyp och utveckling. Den innehåller en integrerad miljö för dataförberedelser, maskininlärning, djup inlärning, textbrytning och prediktiv analys.

I denna instruktörsledda, liveträning, kommer deltagarna att lära sig att använda RapidMiner Studio för RapidMiner , maskininlärning och förutsägbar modellering av modeller.

I slutet av denna träning kommer deltagarna att kunna:

• Installera och konfigurera RapidMiner
• Förbered och visualisera data med RapidMiner
• Validera modeller för maskininlärning
• Mashup-data och skapa prediktiva modeller
• Operationalisera prediktiv analys inom en affärsprocess
• Felsöka och optimera RapidMiner

Publik

• Datavetare
• ingenjörer
• utvecklare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Notera

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till tekniska personer som vill bygga maskininlärningsmodeller med hjälp av algoritmer som GLM, Deep Learning och Random Forests.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera H2O.
• Skapa maskininlärningsmodeller med olika populära algoritmer.
• Utvärdera modeller utifrån typen av data och affärskrav.

Detta är en 5-dagars introduktion till Data Science och AI.

Kursen levereras med exempel och övningar med Python

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till marknadsförare som vill använda AI för att förbättra förbättrade digitala marknadsföringsstrategier genom värdefulla kundinsikter.

I slutet av denna utbildning kommer deltagarna att kunna:

• Utnyttja AI-programvara för att förbättra hur varumärken ansluter till användare.
• Använd chatbots för att optimera användarupplevelsen.
• Öka produktiviteten och intäkterna genom automatisering av uppgifter.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till chefer och företagsledare som vill lära sig om grunderna för artificiell intelligens och hantera AI-projekt för sin organisation.

I slutet av denna utbildning kommer deltagarna att kunna förstå AI på teknisk nivå och lägga strategier med hjälp av sin organisations data och resurser för att framgångsrikt hantera AI-projekt.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till ingenjörer som vill programmera och skapa robotar genom grundläggande AI-metoder.

I slutet av denna utbildning kommer deltagarna att kunna:

• Implementera filter (Kalman och partikel) för att roboten ska kunna lokalisera rörliga föremål i sin miljö.
• Implementera sökalgoritmer och rörelseplanering.
• Implementera PID-kontroller för att reglera en robots rörelse i en miljö.
• Implementera SLAM-algoritmer för att göra det möjligt för en robot att kartlägga en okänd miljö.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till proffs som vill lära sig och förstå begreppet AI och hur man använder det effektivt och ansvarsfullt.

I slutet av denna utbildning kommer deltagarna att kunna:

Lär dig begreppet Artificial Intelligence (AI). Förstå gränserna och farorna med AI och använd den på ett ansvarsfullt sätt. Vet hur du effektivt använder AI i verkliga scenarier.

I denna instruktörsledda, liveutbildning i Sverige (online eller på plats) kommer deltagarna att lära sig de olika teknologierna, ramverken och teknikerna för att programmera olika typer av robotar som ska användas inom kärnteknik och miljösystem.

Den 6 veckor långa kursen hålls 5 dagar i veckan. Varje dag är 4 timmar lång och består av föreläsningar, diskussioner och praktisk robotutveckling i en levande labbmiljö. Deltagarna kommer att slutföra olika verkliga projekt som är tillämpliga på deras arbete för att praktisera sina förvärvade kunskaper.

Målhårdvaran för denna kurs kommer att simuleras i 3D genom simuleringsprogram. ROS (Robot Operating System) ramverk med öppen källkod, C++ och Python kommer att användas för att programmera robotarna.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå nyckelbegreppen som används inom robotteknik.
• Förstå och hantera interaktionen mellan mjukvara och hårdvara i ett robotsystem.
• Förstå och implementera mjukvarukomponenterna som ligger till grund för robotik.
• Bygg och kör en simulerad mekanisk robot som kan se, känna, bearbeta, navigera och interagera med människor genom röst.
• Förstå de nödvändiga delarna av artificiell intelligens (maskininlärning, djupinlärning, etc.) som är tillämpliga för att bygga en smart robot.
• Implementera filter (Kalman och Partikel) för att roboten ska kunna lokalisera rörliga föremål i sin miljö.
• Implementera sökalgoritmer och rörelseplanering.
• Implementera PID-kontroller för att reglera en robots rörelse i en miljö.
• Implementera SLAM-algoritmer för att göra det möjligt för en robot att kartlägga en okänd miljö.
• Utöka en robots förmåga att utföra komplexa uppgifter genom Deep Learning.
• Testa och felsöka en robot i realistiska scenarier.