Python i datavetenskap Träningskurs

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.

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

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare och mjukvaruingenjörer som vill använda Dask med Python ekosystemet för att bygga, skala och analysera stora datamängder.

I slutet av denna utbildning kommer deltagarna att kunna:

• Ställ in miljön för att börja bygga stordatabehandling med Dask och Python.
• Utforska funktionerna, biblioteken, verktygen och API:er som är tillgängliga i Dask.
• Förstå hur Dask accelererar parallell beräkning i Python.
• Lär dig hur du skalar Python-ekosystemet (Numpy, SciPy och Pandas) med Dask.
• Optimera Dask-miljön för att bibehålla hög prestanda vid hantering av stora datamängder.

• Inställa en utvecklingsmiljö som inkluderar Python, Pandas och NumPy.
• Skapa en dataanalysapplikation med hjälp av Pandas och NumPy.
• Utföra avancerad datahantering, sortering och filtrering.
• Utföra aggregatoperationer och analysera tidsserie data.
• Visualisera data med Matplotlib och andra visualiseringsbibliotek.
• Felhantera och optimera sin dataanalyskod.

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 marknads- och försäljningsprofessionella som avser att fördjupa sig i tillämpningen av data science inom marknadsföring och försäljning. Kursen erbjuder

detaljerad täckning av olika data science-tekniker som används för “uppsäljning”, “korsförsäljning”, marknadssegmentering, varumärkesbyggande och CLV.

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

I mycket enkla ord kan försäljning betraktas som en process som fokuserar eller riktar in sig på individer eller små grupper. Marknadsföring däremot riktar in sig på en större grupp eller den allmänna publiken. Marknadsföring inbegriper forskning (identifiering av kundbehov), produktutveckling (produktion av innovativa produkter) och marknadsföring av produkten (genom reklam) för att skapa medvetenhet om produkten bland konsumenterna. Marknadsföring innebär därmed att generera leads eller potentiella kunder. När produkten är ute på marknaden är det försäljningens uppgift att övertyga kunden att köpa produkten. Försäljning innebär att omvandla leads eller potentiella kunder till köp och order, medan marknadsföring syftar till längre mål, rör sig försäljningen om kortare mål.

Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till utvecklare som vill använda FARM-stacken (FastAPI, React och MongoDB) för att bygga dynamiska, högpresterande och skalbara webbapplikationer.

Efter denna utbildning kommer deltagarna att kunna:

• Sätta upp den nödvändiga utvecklingsmiljön som integrerar FastAPI, React och MongoDB.
• Förstå de viktiga koncepten, funktionerna och fördelarna med FARM-stacken.
• Lära sig hur man bygger REST-API:er med FastAPI.
• Lära sig hur man designar interaktiva applikationer med React.
• Utveckla, testa och distribuera applikationer (frontend och backend) med FARM-stacken.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill använda FastAPI med Python för att bygga, testa och distribuera RESTful API:er enklare och snabbare.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera den nödvändiga utvecklingsmiljön för att utveckla API:er med Python och FastAPI.
• Skapa API:er snabbare och enklare med hjälp av FastAPI-biblioteket.
• Lär dig hur du skapar datamodeller och scheman baserat på Pydantic och OpenAPI.
• Anslut API:er till en databas med hjälp av SQLAlchemy.
• Implementera säkerhet och autentisering i API:er med hjälp av FastAPI-verktygen.
• Bygg containerbilder och distribuera webb-API:er till en molnserver.

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 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 vunnit enorm popularitet inom finansbranschen. Antaget av de största investeringsbankerna och hedgefonderna används det för att bygga ett brett utbud av finansiella applikationer, allt från kärnhandelsprogram till riskhanteringssystem.

I denna instruktörsledda, liveträning, kommer deltagarna att lära sig att använda Python att utveckla praktiska applikationer för att lösa ett antal specifika finansrelaterade problem.

I slutet av denna träning kommer deltagarna att kunna:

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

Publik

• Utvecklare
• Analytiker
• Kvantitativa analytiker

Kursformat

• Delvis föreläsning, delvis diskussion, övningar och omfattande praktisk övning

Notera

• Denna utbildning syftar till att tillhandahålla lösningar för några av de viktigaste problemen som finansproffs står inför. Om du dock har ett specifikt ämne, verktyg eller teknik som du vill fördjupa dig i eller utarbeta ytterligare, vänligen kontakta oss för att ordna detta.

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.