MATLAB Grundläggande, Data Science & Rapportgenerering Träningskurs

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

Kursen ges med exempel och övningar som använder Python

Denna ledareledda, liveutbildning på Sverige (online eller på plats) riktar sig till deltagare på mellanavancerad nivå som vill automatisera och hantera maskininlärningsarbetsflöden, inklusive modellträning, validering och distribuering med Apache Airflow.

Efter denna utbildning kommer deltagarna att kunna:

• Konfigurera Apache Airflow för orkestration av maskininlärningsarbetsflöden.
• Automatisera datapreprocessering, modellträning och valideringsuppgifter.
• Integrera Airflow med maskininlärningsramverk och verktyg.
• Distribuera maskininlärningsmodeller med hjälp av automatiserade pipeline.
• Övervaka och optimera maskininlärningsarbetsflöden i produktion.

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.

Denna instruktörsledda, live-training på plats (online eller på plats) riktar sig till datavetenskapsforskare och analytiker på mellannivå som vill använda AWS Cloud9 för strömlinjeformade datavetenskapliga arbetsflöden.

Efter avslutad träning kommer deltagarna att kunna:

• Konfigurera en datavetenskaplig miljö i AWS Cloud9.
• Utföra dataanalys med hjälp av Python, R och Jupyter Notebook i Cloud9.
• Integrera AWS Cloud9 med AWS-data-tjänster som S3, RDS och Redshift.
• Använda AWS Cloud9 för utveckling och distribution av maskininlärningsmodeller.
• Optimera molnbaserade arbetsflöden för dataanalys och bearbetning.

Denna instruktörsvägledna, liveutbildning i Sverige (online eller på plats) är riktad till nybörjande data vetenskapsmän och IT-professionals som vill lära sig grunderna i data vetenskap med hjälp av Google Colab.

Efter denna utbildning kommer deltagarna att kunna:

• Ställa in och navigera i Google Colab.
• Skriva och exekvera grundläggande Python-kod.
• Importera och hantera datamängder.
• Skapa visualiseringar med hjälp av Python-bibliotek.

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 instruktörsvägleda, liveutbildning (online eller på plats) riktas till professionella som vill börja en karriär inom Data Science.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Python och MySql.
• Förstå vad Data Science är och hur det kan lägga till värde i nästan vilket företag som helst. 
• Lära sig grundläggande programmering med Python
• Lära sig övervakade och oövervakade maskininlärningsmetoder, samt hur man implementerar dem och tolkar resultaten.  

Kursformat

• Interaktiv föreläsning och diskussion.
• Många övningar och praktik.
• Praktisk implementation i en live-labbmiljö.

Kursanpassningsalternativ

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

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.

KNIME Analytics Platform är en främsta öppen källkodslösning för datadriven innovation, som hjälper dig att upptäcka det potential som ligger gömt i dina data, utforska nya insikter eller förutse nya framtidsscenarier. Med mer än 1000 moduler, hundratals klartillgjorda exempel, ett omfattande utbud av integrerade verktyg och det bredaste spektralt av avancerade algoritmer som finns tillgängliga är KNIME Analytics Platform den perfekta verktygslådan för vilken datavetare eller företagsanalysator som helst.

Denna kurs i KNIME Analytics Platform är en idealisk möjlighet för både nybörjare, avancerade användare och KNIME-experter att bli introducerade till KNIME, lära sig hur man använder det mer effektivt och hur man skapar tydliga och omfattande rapporter baserat på KNIME-arbetsflöden.

Denna instruktörleda liveutbildning (online eller på plats) riktar sig till dataprofessionals som önskar använda KNIME för att lösa komplexa företagsbehov.

Den är tänkt för en publik som inte känner till programmering och avser att använda moderna verktyg för att implementera analysscenarier.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera KNIME.
• Bygga Data Science-scenarier
• Träna, testa och validera modeller
• Implementera en heltäckande värdeflöde för datavetenskapsmodeller

Utbildningsformat

• Interaktiv föreläsning och diskussion.
• Många övningar och praktik.
• Händelsestyrdd implementering i en live-labbmiljö.

Utbildningsanpassningsoptioner

• För att begära en anpassad utbildning för denna kurs eller få mer information om programmet, vänligen kontakta oss för att arrangera.

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.

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.