Artificial Intelligence (AI) with H2O Training Cursus

• Begrijp het belang van ethiek bij de ontwikkeling en implementatie van AI. 

• Leer ethische risico's in verband met AI te identificeren en te beperken. 

• Inzicht krijgen in wettelijke en nalevingsvereisten. 

• Strategieën ontwikkelen voor het bevorderen van een ethische AI-cultuur binnen hun organisaties. 

Opzet van de cursus

• Interactieve lezing en discussie.
• Veel oefeningen en oefenen.
• Hands-on implementatie in een live-lab omgeving.

Opties voor het aanpassen van cursussen

• Om een training op maat voor deze cursus aan te vragen, neem dan contact met ons op om een afspraak te maken.

Deze live training onder leiding van een instructeur in Nederland (online of op locatie) is bedoeld voor IT-professionals op beginnersniveau die de basisprincipes van voorspellende AI willen begrijpen.

Aan het einde van deze training zijn de deelnemers in staat om:

• Begrijp de kernconcepten van voorspellende AI en de toepassingen ervan.
• Verzamel, schoon ze op en verwerk gegevens voor voorspellende analyse.
• Verken en visualiseer gegevens om inzichten te ontdekken.
• Bouw statistische basismodellen om voorspellingen te doen.
• Evalueer de prestaties van voorspellende modellen.
• Pas voorspellende AI-concepten toe op scenario's uit de echte wereld.

Deze live training onder leiding van een instructeur in Nederland (online of op locatie) is bedoeld voor professionals van gemiddeld niveau DevOps die voorspellende AI willen integreren in hun DevOps praktijken.

Aan het einde van deze training zijn de deelnemers in staat om:

• Implementeer voorspellende analysemodellen om uitdagingen in de DevOps-pijplijn te voorspellen en op te lossen.
• Gebruik AI-gestuurde tools voor verbeterde monitoring en operaties.
• Pas machine learning-technieken toe om workflows voor softwarelevering te verbeteren.
• Ontwerp AI-strategieën voor proactieve probleemoplossing en -optimalisatie.
• Navigeer door de ethische overwegingen van het gebruik van AI in DevOps.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers die H2O AutoML willen gebruiken om het proces van het bouwen en selecteren van het beste machine learning-algoritme en de beste parameters te automatiseren.

Aan het einde van deze training zijn de deelnemers in staat om:

• Automatiseer de machine learning-workflow.
• Train en stem automatisch veel machine learning-modellen af binnen een opgegeven tijdsbereik.
• Train gestapelde ensembles om tot zeer voorspellende ensemblemodellen te komen.

Overzicht

Communications service providers (CSP) worden geconfronteerd met druk om kosten te verminderen en gemiddelde inkomsten per gebruiker (ARPU) te maximaliseren, terwijl een uitstekende klantervaring wordt gewaarborgd, maar gegevensvolumes blijven groeien. Het wereldwijde mobiele gegevensverkeer zal groeien bij een gecombineerde jaarlijkse groei (CAGR) van 78 procent tegen 2016, tot 10,8 exabytes per maand.

Ondertussen genereren CSP's grote hoeveelheden gegevens, waaronder call details records (CDR), netwerkgegevens en klantgegevens. Bedrijven die deze gegevens volledig exploiteren, krijgen een concurrentievoordeel. Volgens een recente enquête van The Economist Intelligence Unit, bedrijven die gebruik maken van data-gerichte besluitvorming genieten een 5-6% boost in productiviteit. Maar 53% van de bedrijven gebruikt slechts de helft van hun waardevolle gegevens, en een kwart van de respondenten merkte op dat enorme hoeveelheden nuttige gegevens niet worden vervuld. De gegevensvolumes zijn zo hoog dat handmatige analyse onmogelijk is, en de meeste erfgoedsoftware-systemen kunnen niet ophouden, wat resulteert in waardevolle gegevens die worden weggegooid of verwaarloosd.

Met Big Data & Analytics’ high-speed, scalable big data software, CSP's kunnen al hun gegevens mineren voor betere besluitvorming in minder tijd. Verschillende Big Data producten en technieken bieden een end-to-end softwareplatform voor het verzamelen, voorbereiden, analyseren en presenteren van inzichten uit grote gegevens. De toepassingsgebieden omvatten netwerkprestaties monitoring, fraude detectie, klantchurns detectie en kredietrisico-analyse. Big Data & Analytics producten schaal om terabytes van gegevens te beheren, maar de implementatie van dergelijke tools vereist een nieuwe vorm van cloud-gebaseerde database systeem zoals Hadoop of massieve schaal parallelle computing processor (KPU etc.)

Deze cursus werkt op Big Data BI voor Telco omvat alle opkomende nieuwe gebieden waarin CSP's investeren om productiviteit te vergroten en nieuwe bedrijfsinkomsten te openen. De cursus biedt een volledige 360 graden overzicht op Big Data BI in Telco zodat besluitvormers en managers een zeer brede en uitgebreide overzicht van de mogelijkheden van Big Data BI in Telco voor productiviteit en inkomen winst.

Cursus doelstellingen

Het belangrijkste doel van de cursus is om nieuwe Big Data business intelligence technieken te introduceren in 4 sectoren van Telecom Business (Marketing/Sales, Network Operation, Financial Operation en Customer Relation Management). Studenten worden geïntroduceerd om te volgen:

• Introductie tot Big Data-wat is 4Vs (volume, snelheid, variëteit en waarheid) in Big Data- Generatie, extractie en beheer vanuit Telco perspectief
• Hoe Big Data analytic verschilt van legacy data analytic
• In-house rechtvaardiging van Big Data -Telco perspectief
• Introductie tot Hadoop Ecosystem- bekendheid met alle Hadoop tools zoals Hive, Pig, SPARC – wanneer en hoe ze worden gebruikt om het probleem op te lossen Big Data
• Hoe Big Data wordt verkregen om te analyseren voor analyse tool-hoe Business Analysis’s kunnen hun pijnpunten van het verzamelen en analyseren van gegevens door middel van geïntegreerde Hadoop dashboard benadering te verminderen
• Basiskennis van Insight-analyse, visualisatie-analyse en predictieve analyse voor Telco
• Customer Churn-analyse en Big Data-how Big Data-analyse kunnen klantchurn en klantongeluk verminderen in Telco-case studies
• Analyse van netwerkfalen en servicefalen van netwerkmetadata en IPDR
• Financiële analyse-fraude, wastage en ROI-schatting uit verkoop- en operationele gegevens
• Customer acquisition problem-Target marketing, klantsegmentatie en cross-sales van verkoopgegevens
• Introductie en samenvatting van alle Big Data analytische producten en waar ze passen in de analytische ruimte van Telco
• Conclusie - hoe stap voor stap een benadering te nemen om Big Data Business Intelligence in uw organisatie te introduceren

Gericht publiek

• Netwerkbeheer, Financieel Manager, CRM-managers en top IT-managers in Telco CIO-kantoor.
• Business Analisten in Telco
• CFO kantoormanagers / analisten
• Operatieve managers
• QA Managers

Vooruitgang in technologieën en de toenemende hoeveelheid informatie transformeert de manier waarop wetshandhaving wordt uitgevoerd. De uitdagingen die Big Data meebrengen zijn bijna net zo ontmoedigend als de belofte van Big Data . Gegevens efficiënt opslaan is een van deze uitdagingen; effectief analyseren is een andere.

In deze door een instructeur geleide, live training leren deelnemers de mentaliteit om Big Data technologieën te benaderen, hun impact op bestaande processen en beleidsmaatregelen te beoordelen en deze technologieën te implementeren om criminele activiteiten te identificeren en criminaliteit te voorkomen. Casestudies van wetshandhavingsorganisaties over de hele wereld zullen worden onderzocht om inzicht te krijgen in hun aanpak, uitdagingen en resultaten van adoptie.

Aan het einde van deze training kunnen deelnemers:

• Combineer Big Data technologie met traditionele gegevensverzamelingsprocessen om een verhaal samen te stellen tijdens een onderzoek
• Implementeer industriële big data-opslag- en verwerkingsoplossingen voor data-analyse
• Een voorstel opstellen voor de goedkeuring van de meest adequate hulpmiddelen en processen om een gegevensgestuurde aanpak van strafrechtelijk onderzoek mogelijk te maken

Publiek

• Specialisten in rechtshandhaving met een technische achtergrond

Formaat van de cursus

• Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

Publiek

Als u de gegevens waartoe u toegang heeft, wilt begrijpen of ongestructureerde gegevens op het internet wilt analyseren (zoals Twitter, Linked in, enz ...), is deze cursus iets voor u.

Het is vooral bedoeld voor besluitvormers en mensen die moeten kiezen welke gegevens het verzamelen waard zijn en wat het analyseren waard is.

Het is niet gericht op mensen die de oplossing configureren, die mensen zullen echter profiteren van het grote geheel.

Bezorgingsmodus

Tijdens de cursus krijgen de deelnemers werkvoorbeelden van voornamelijk open source-technologieën.

Korte lezingen worden gevolgd door een presentatie en eenvoudige oefeningen door de deelnemers

Gebruikte inhoud en software

Alle gebruikte software wordt elke keer dat de cursus wordt uitgevoerd bijgewerkt, dus we controleren de nieuwste versies mogelijk.

Het omvat het proces van het verkrijgen, formatteren, verwerken en analyseren van de gegevens, om uit te leggen hoe het besluitvormingsproces kan worden geautomatiseerd met machine learning.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers en data-analisten die voorspellende modellen willen automatiseren, evalueren en beheren met behulp van de machine learning-mogelijkheden van DataRobot.

Aan het einde van deze training zijn de deelnemers in staat om:

• Laad datasets in DataRobot om gegevens te analyseren, te beoordelen en de kwaliteit te controleren.
• Bouw en train modellen om belangrijke variabelen te identificeren en voorspellingsdoelen te halen.
• Interpreteer modellen om waardevolle inzichten te creëren die nuttig zijn bij het nemen van zakelijke beslissingen.
• Bewaak en beheer modellen om geoptimaliseerde voorspellingsprestaties te behouden.

R is een opensource-vrije programmeertaal voor statistische gegevensverwerking, gegevensanalyse en grafische weergave R wordt gebruikt door een groeiend aantal managers en data-analisten binnen bedrijven en universiteiten R heeft een grote verscheidenheid aan pakketten voor datamining .

Predictive analytics is het proces waarbij data-analyse wordt gebruikt om voorspellingen te doen over de toekomst. Dit proces maakt gebruik van gegevens samen met datamining, statistieken en machine learning-technieken om een voorspellend model te creëren voor het voorspellen van toekomstige gebeurtenissen.

In deze live training onder leiding van een instructeur leren deelnemers hoe ze Matlab kunnen gebruiken om voorspellende modellen te bouwen en deze toe te passen op grote steekproefdatasets om toekomstige gebeurtenissen te voorspellen op basis van de gegevens.

Aan het einde van deze training zijn de deelnemers in staat om:

• Creëer voorspellende modellen om patronen in historische en transactionele gegevens te analyseren
• Gebruik voorspellende modellering om risico's en kansen te identificeren
• Bouw wiskundige modellen die belangrijke trends vastleggen
• Gebruik gegevens van apparaten en bedrijfssystemen om afval te verminderen, tijd te besparen of kosten te besparen

Audiëntie

• Ontwikkelaars
• Ingenieurs
• Domein experts

Vorm van de cursus

• Deels lezing, deels discussie, oefeningen en zware hands-on oefening

R is een open-source gratis programmeertaal voor statistisch computergebruik, gegevensanalyse en grafische afbeeldingen. R wordt gebruikt door een groeiend aantal managers en data-analisten binnen bedrijven en de academische wereld. R heeft een grote verscheidenheid aan pakketten voor datamining.

RapidMiner is een open source datawetenschapssoftwareplatform voor snelle prototyping en ontwikkeling van applicaties. Het omvat een geïntegreerde omgeving voor gegevensvoorbereiding, machine learning, deep learning, text mining en voorspellende analyses. 

In deze live training onder leiding van een instructeur leren deelnemers hoe ze RapidMiner Studio kunnen gebruiken voor gegevensvoorbereiding, machine learning en implementatie van voorspellende modellen. 

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeren en configureren RapidMiner
• Gegevens voorbereiden en visualiseren met RapidMiner
• Machine learning-modellen valideren
• Mashup data en creëer voorspellende modellen
• Operationaliseren van predictive analytics binnen een bedrijfsproces
• Problemen oplossen en optimaliseren RapidMiner

Audiëntie

• Datawetenschappers
• Ingenieurs
• Ontwikkelaars

Vorm van de cursus

• Deels lezing, deels discussie, oefeningen en zware hands-on oefening

Notitie

• Om een training op maat voor deze cursus aan te vragen, neem dan contact met ons op om een afspraak te maken.

Deze klassikale trainingssessie zal presentaties, computergebaseerde voorbeelden en case study-oefeningen bevatten.