Introduktion till Data Science Träningskurs

Detta är en introduktionskurs i datakunskap och artificiell intelligens (AI) på fem dagar.

Kursen ges med exempel och övningar som använder Python

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare som vill använda Anaconda-ekosystemet för att fånga, hantera och distribuera paket och arbetsflöden för dataanalys på en enda plattform.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Anaconda komponenter och bibliotek.
• Förstå de grundläggande begreppen, funktionerna och fördelarna med Anaconda.
• Hantera paket, miljöer och kanaler med hjälp av Anaconda Navigator.
• Använd Conda-, R- och Python-paket för datavetenskap och maskininlärning.
• Lär känna några praktiska användningsfall och tekniker för att hantera flera datamiljöer.

Deltagare som avslutar denna utbildning kommer att få en praktisk, verklighetsnära förståelse för Data Science och dess relaterade tekniker, metodik och verktyg.

Deltagarna får möjlighet att tillämpa detta kunskap i praktiken genom handsonövningar. Gruppinteraktion och instruktörsfeedback utgör ett viktigt element i kursen.

Kursen börjar med en introduktion till grundläggande koncept inom Data Science, för att sedan fortsätta med de verktyg och metodik som används inom området.

Målgrupp

• Utvecklare
• Tekniska analytiker
• IT-konsulter

Kursformat

• Del föreläsning, del diskussion, övningar och intensiv praktisk tillämpning

Obs!

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

Big data är datauppsättningar som är så omfattande och komplexa att traditionell applikationsprogramvara för databehandling är otillräcklig för att hantera dem. Stora datautmaningar inkluderar fånga data, datalagring, dataanalys, sökning, delning, överföring, visualisering, fråga, uppdatering och informationssekretess.

Denna kurs är avsedd för marknadsförings- och försäljningsprofesionella som avser att dyka djupare in i tillämpningen av data science inom marknadsföring/försäljning. Kursen ger detaljerad behandling av olika data science-tekniker som används för "upsale", "cross-sale", marknadssegmentering, branding och CLV.

Skillnad mellan marknadsföring och försäljning - Hur skiljer sig försäljning och marknadsföring åt?

På ett mycket enkelt sätt kan försäljning beskrivas som en process som fokuserar eller syftar på enskilda personer eller små grupper. Marknadsföring syftar däremot till en större grupp eller det allmänna publiket. Marknadsföring inkluderar forskning (identifiering av kundbehov), utveckling av produkter (produktion av innovativa produkter) och främjande av produkten (genom reklam) samt skapandet av medvetenhet om produkten bland konsumenterna. På så sätt innebär marknadsföring generering av leads eller potentiella kunder. När produkten har släppts på marknaden är det uppgiften för försäljningspersonen att övertala kunden att köpa produkten. Försäljning innebär omvandlingen av leads eller potentiella kunder till inköp och beställningar, medan marknadsföring riktas mot långsiktigare mål, medan försäljning handlar om kortfristiga mål.

Denna instruktörsledda, liveutbildning på plats eller online introducerar idén om samarbetsutveckling inom datavetenskap och demonstrerar hur man använder Jupyter för att spåra och delta i ett team i "livscykeln för en beräkningsidé". Den vägleder deltagarna genom skapandet av ett exempelprojekt inom datavetenskap baserat på Jupyter-ekosystemet.

Efter denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Jupyter, inklusive skapande och integration av ett teamrepository på Git.
• Använda Jupyter-funktioner som tillägg, interaktiva widgetar, multiuserläge och mer för att möjliggöra projektkollaboration.
• Skapa, dela och organisera Jupyter Notebooks med teammedlemmar.
• Välja mellan Scala, Python, R, för att skriva och köra kod mot stora datasystem såsom Apache Spark, allt via Jupyter-gränssnittet.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare och utvecklare som vill lära sig och bygga sina karriärer i Data Science med hjälp av Kaggle.

I slutet av denna utbildning kommer deltagarna att kunna:

• Lär dig mer om datavetenskap och maskininlärning.
• Utforska dataanalys.
• Lär dig mer om Kaggle och hur det fungerar.

I den första delen av den här utbildningen går vi igenom grunderna i MATLAB och dess funktion som både ett språk och en plattform.  I den här diskussionen ingår en introduktion till MATLAB syntax, matriser och matriser, datavisualisering, skriptutveckling och objektorienterade principer.

I den andra delen visar vi hur man använder MATLAB för datautvinning, maskininlärning och prediktiv analys. För att ge deltagarna ett tydligt och praktiskt perspektiv på MATLABs tillvägagångssätt och kraft gör vi jämförelser mellan att använda MATLAB och att använda andra verktyg som kalkylblad, C, C++ och Visual Basic.

I den tredje delen av utbildningen lär sig deltagarna hur de kan effektivisera sitt arbete genom att automatisera sin databehandling och rapportgenerering.

Under hela kursen kommer deltagarna att omsätta de idéer som de lärt sig genom praktiska övningar i en labbmiljö i praktiken. I slutet av utbildningen kommer deltagarna att ha ett grundligt grepp om MATLAB:s kapacitet och kommer att kunna använda den för att lösa verkliga datavetenskapsproblem samt för att effektivisera sitt arbete genom automatisering.

Bedömningar kommer att genomföras under hela kursen för att mäta framstegen.

Kursens upplägg

• Kursen innehåller teoretiska och praktiska övningar, inklusive falldiskussioner, provkodsinspektion och praktisk implementering.

Not

• Övningssessioner kommer att baseras på förarrangerade exempeldatarapportmallar. Om du har specifika krav, vänligen kontakta oss för att ordna.

Denna instruktörsledda, liveutbildning online eller på plats är riktad till dataanalytiker, utvecklare eller blivande dataforskare på mellannivå som vill tillämpa maskininlärningstekniker i Python för att dra slutsatser, göra förutsägelser och automatisera datadrivna beslut.

Vid kursens slut kommer deltagarna kunna:

• Förstå och skilja mellan olika viktiga maskininlärningsparadigm.
• Uppleva förberedelsetekniker för data och modellutvärderingsmått.
• Tillämpa maskininlärningsalgoritmer för att lösa verkliga dataproblem.
• Använda Python bibliotek och Jupyter-notebooks för praktisk utveckling.
• Bygga modeller för förutsägelser, klassificering, rekommendationer och klusteranalys.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare och utvecklare som vill använda Modin för att bygga och implementera parallella beräkningar med Pandas för snabbare dataanalys.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera den miljö som krävs för att börja utveckla Pandas arbetsflöden i stor skala med Modin.
• Förstå funktionerna, arkitekturen och fördelarna med Modin.
• Känn till skillnaderna mellan Modin, Dask och Ray.
• Utför Pandas operationer snabbare med Modin.
• Implementera hela Pandas API:et och funktionerna.

Python är ett programmeringsspråk som har fått stort genomslag i finansindustrin. Antaget av de största investeringsbankerna och hedgefonderna används det för att skapa en bred uppsättning finansiella program, från grundläggande handelssystem till riskhanteringssystem.

I detta instruktörsledda liveutbildning kommer deltagarna att lära sig hur man använder Python för att utveckla praktiska applikationer för att lösa ett antal specifika finansrelaterade problem.

När denna utbildning är avslutad kommer deltagarna att kunna:

• Förstå grunderna i Python-programmeringsspråket
• Ladda ner, installera och underhålla de bästa utvecklingsverktygen för att skapa finansiella applikationer i Python
• Välja och använda de lämpligaste Python-paket och programmeringstekniker för att organisera, visualisera och analysera finansiell data från olika källor (CSV, Excel, databaser, webben etc.)
• Bygga applikationer som löser problem relaterade till tillgångsallokering, riskanalys, investeringsprestanda och mer
• Felsöka, integrera, distribuera och optimera en Python-applikation

Målgrupp

• Utvecklare
• Analytiker
• Kvantitativa analytiker (Quants)

Kursformat

• Del föreläsning, del diskussion, övningar och mycket praktisk övning

Notering

• Denna utbildning syftar till att erbjuda lösningar på några av de huvudsakliga problem som finansprofessorer står inför. Om du har ett specifikt ämne, verktyg eller teknik som du önskar lägga till eller utveckla mer, vänligen kontakta oss för att ordna.

Kursen kommer att hjälpa deltagarna att förbereda sig för webbapplikationsutveckling med Python-programmering och dataanalys. Sådan datavisualisering är ett utmärkt verktyg för toppledningen i beslutsfattande.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktas till datavetare och webbutvecklare som önskar utveckla associativa modeller i Qlik Sense.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Tillämpa Qlik Sense inom data science.
• Använda och navigera i Qlik Sense-gränssnittet.
• Bygga en datavetenskapligt kompetent arbetsstyrka med AI-interaktion.
• Skapa ett datastyrt företag med Qlik Sense.

Denna instruktörsledda, live-utbildning (online eller på plats) riktar sig till datavetare och utvecklare som vill använda RAPIDS för att bygga GPU-accelererade datapipelines, arbetsflöden och visualiseringar, med tillämpning av maskininlärningsalgoritmer, såsom XGBoost, cuML etc.

Efter avslutad utbildning kommer deltagarna kunna:

• Installera nödvändiga utvecklingsmiljöer för att bygga datamodeller med NVIDIA RAPIDS.
• Förstå funktioner, komponenter och fördelar med RAPIDS.
• Utnyttja GPUer för att accelerera slut- till-slut datapipelines och analyser.
• Implementera GPU-accelererad datapreparation och ETL med cuDF och Apache Arrow.
• Lära sig hur man utför maskininlärningsuppgifter med XGBoost- och cuML-algoritmer.
• Bygga datavisualiseringar och utföra grafanalyser med cuXfilter och cuGraph.

Denna instruktörförledd, live-träning i Sverige (online eller på plats) är riktad till data scientist som vill använda SMACK-stacken för att bygga dataprocesserande plattformar för stora datalösningar.

Vid slutet av denna träning kommer deltagarna att kunna:

• Implementera en data pipeline-arkitektur för att processera stora datamängder.
• Utveckla en klusterinfrastruktur med Apache Mesos och Docker.
• Analysera data med Spark och Scala.
• Hantera ostrukturerade data med Apache Cassandra.