Introductie tot Data Science Training Cursus

Dit is een introductiecursus van 5 dagen naar Data Science en Kunstmatige Intelligentie (AI).

De cursus wordt aangeboden met voorbeelden en oefeningen in Python

Deze door een instructeur gegeven, live training (online of op locatie) is gericht op deelnemers op intermediair niveau die machine learning workflows willen automatiseren en beheren, inclusief model training, validatie en implementatie met behulp van Apache Airflow.

Na afloop van deze training zullen de deelnemers in staat zijn om:

• Apache Airflow in te stellen voor het orchestreren van machine learning workflows.
• Data preprocessing, model training en validatietaken te automatiseren.
• Airflow te integreren met machine learning frameworks en tools.
• Machine learning modellen te implementeren met behulp van geautomatiseerde pipelines.
• Machine learning workflows in productie te monitoren en te optimaliseren.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers die het Anaconda-ecosysteem willen gebruiken om pakketten en workflows voor gegevensanalyse vast te leggen, te beheren en te implementeren in één enkel platform.

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

• Installeer en configureer Anaconda componenten en bibliotheken.
• Begrijp de kernconcepten, kenmerken en voordelen van Anaconda.
• Beheer pakketten, omgevingen en kanalen met behulp van Anaconda Navigator.
• Gebruik Conda-, R- en Python-pakketten voor datawetenschap en machine learning.
• Maak kennis met enkele praktische use cases en technieken voor het beheren van meerdere data-omgevingen.

Deze door een docent begeleide, live training (online of op locatie) is gericht op datawetenschappers en analisten op intermiddelair niveau die AWS Cloud9 willen gebruiken voor gestroomlijnde data science workflows.

Aan het einde van deze training kunnen de deelnemers:

• Een data science omgeving instellen in AWS Cloud9.
• Data-analyse uitvoeren met Python, R en Jupyter Notebook in Cloud9.
• AWS Cloud9 integreren met AWS data-services zoals S3, RDS en Redshift.
• AWS Cloud9 gebruiken voor de ontwikkeling en implementatie van machine learning-modellen.
• Cloudgebaseerde workflows optimaliseren voor data-analyse en -verwerking.

Deze instructeur-leden, live training in Nederland (online of ter plaatse) is gericht op beginneling-datawetenschappers en IT-professionals die de basisprincipes van data science willen leren met behulp van Google Colab.

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

• Google Colab op te stellen en te navigeren.
• Basis Python code te schrijven en uit te voeren.
• Datasets in te lezen en te verwerken.
• Visualisaties te maken met behulp van Python-bibliotheken.

Deelnemers die deze training voltooien zullen een praktisch, realistisch inzicht krijgen in Data Science en de daarbij horende technologieën, methodieken en tools.

De deelnemers krijgen de mogelijkheid om dit kennis op te doen door middel van praktijkopdrachten. Groepsinteracties en instructeurfeedback vormen een belangrijk onderdeel van de cursus.

Het programma begint met een inleiding tot de basisconcepten van Data Science, waarna het verder gaat naar de tools en methodieken die worden gebruikt in Data Science.

Doelgroep

• Ontwikkelaars
• Technische analisten
• IT-adviseurs

Cursusopzet

• Deel theorie, deel discussie, oefeningen en veel praktijkwerk

Opmerking

• Voor een op maat gemaakte training voor deze cursus, neem contact met ons op om de details te regelen.

Big data zijn datasets die zo omvangrijk en complex zijn dat traditionele applicatiesoftware voor gegevensverwerking onvoldoende is om hiermee om te gaan. Big data-uitdagingen zijn onder meer het vastleggen van gegevens, gegevensopslag, gegevensanalyse, zoeken, delen, overdragen, visualiseren, opvragen, bijwerken en informatieprivacy.

Deze cursus is bedoeld voor marketing- en verkoopprofessionals die dieper ingaan op de toepassing van datawetenschap in marketing en verkoop. De cursus biedt een gedetailleerde behandeling van verschillende datawetenschapstechnieken die worden gebruikt voor “upsale”, “cross-sale”, marktsegmentatie, branding en CLV.

Verschil tussen Marketing en Verkoop - Hoe verschillen verkoop en marketing van elkaar?

In heel eenvoudige bewoordingen kan verkoop worden omschreven als een proces dat zich richt op individuen of kleine groepen. Marketing richt zich daarentegen op een grotere groep of het algemeen publiek. Marketing omvat onderzoek (identificatie van de behoeften van de klant), productontwikkeling (het produceren van innovatieve producten) en promotie van het product (door middel van reclame) en creëert bewustzijn over het product onder consumenten. Zo is marketing gericht op het genereren van leads of prospects. Zodra het product op de markt is, is het de taak van de verkoper om de klant te overtuigen om het product te kopen. Verkoop betekent leads of prospects omzetten in aankopen en bestellingen, terwijl marketing zich richt op langere termijn, richt verkoop zich op kortere doelen.

Deze door een instructeur geleide live training in Nederland (online of op locatie) introduceert het idee van samenwerkende ontwikkeling in datawetenschap en demonstreert hoe Jupyter te gebruiken om als team deel te nemen in de "levenscyclus van een computabel idee". Het begeleidt de deelnemers door het creëren van een voorbeeldproject in datawetenschap, gebaseerd op het Jupyter-ecosysteem.

Na deze training kunnen de deelnemers:

• Jupyter installeren en configureren, inclusief het maken en integreren van een teamrepository op Git.
• Jupyter-functies zoals extensies, interactieve widgets, multiuser-modus en meer gebruiken om projectcollaboratie mogelijk te maken.
• Jupyter Notebooks maken, delen en organiseren met teamleden.
• Kiezen uit Scala, Python, R, om code te schrijven en uit te voeren tegen big data systemen zoals Apache Spark, alles via de Jupyter-interface.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers en -ontwikkelaars die willen leren en hun carrière willen opbouwen in Data Science met behulp van Kaggle.

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

• Meer informatie over datawetenschap en machine learning.
• Verken data-analyse.
• Lees meer over Kaggle en hoe het werkt.

KNIME Analytics Platform is een leidend opensource alternatief voor data-gedreven innovatie, dat helpt om het potentieel verborgen in uw gegevens te ontdekken, nieuwe inzichten te verkennen of nieuwe toekomsten te voorspellen. Met meer dan 1000 modules, honderden klaar om uit te voeren voorbeelden, een uitgebreide reeks geïntegreerde tools en de grootste keuze aan geavanceerde algoritmen beschikbaar, is KNIME Analytics Platform het perfecte toolbox voor elke data scientist en business analyst.

Deze cursus over KNIME Analytics Platform is een ideale kans voor beginners, gevorderde gebruikers en KNIME-experts om bekend te raken met KNIME, om effectiever mee te leren werken en om heldere, uitgebreide rapporten op basis van KNIME-werkstromen te maken.

Deze door een instructeur geleide live training (online of ter plekke) is gericht op data-professionals die willen leren hoe ze KNIME kunnen gebruiken om complexe bedrijfsbehoeften op te lossen.

Het is bedoeld voor een publiek dat niet bekend is met programmeren en de intentie heeft om snijrand-tools te gebruiken om analytics-scenario's uit te voeren.

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

• KNIME te installeren en te configureren.
• Data Science-scenario's op te bouwen
• Modellen te trainen, testen en valideren
• De volledige waardeketen van data science-modellen uit te voeren

Format van de Cursus

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

Cursus Aanpassingsmogelijkheden

• Om een aangepaste training voor deze cursus aan te vragen of om meer informatie over dit programma te krijgen, neem contact met ons op om in te plannen.

In het eerste deel van deze training behandelen we de basisprincipes van MATLAB en de functie ervan als zowel een taal als een platform.  In deze discussie is een inleiding opgenomen in MATLAB syntaxis, arrays en matrices, datavisualisatie, scriptontwikkeling en objectgeoriënteerde principes.

In het tweede deel laten we zien hoe je MATLAB kunt gebruiken voor datamining, machine learning en voorspellende analyses. Om deelnemers een duidelijk en praktisch perspectief te geven op de aanpak en kracht van MATLAB, maken we vergelijkingen tussen het gebruik van MATLAB en het gebruik van andere tools zoals spreadsheets, C, C++ en Visual Basic.

In het derde deel van de training leren deelnemers hoe ze hun werk kunnen stroomlijnen door hun gegevensverwerking en het genereren van rapporten te automatiseren.

Tijdens de cursus zullen de deelnemers de geleerde ideeën in de praktijk brengen door middel van praktische oefeningen in een laboratoriumomgeving. Aan het einde van de training hebben de deelnemers een grondig begrip van de capaciteiten van MATLAB en kunnen ze deze gebruiken voor het oplossen van real-world data science-problemen en voor het stroomlijnen van hun werk door middel van automatisering.

Tijdens de cursus zullen beoordelingen worden uitgevoerd om de voortgang te meten.

Opzet van de cursus

• De cursus omvat theoretische en praktische oefeningen, waaronder casusbesprekingen, inspectie van voorbeeldcodes en praktische implementatie.

Notitie

• Oefensessies zijn gebaseerd op vooraf afgesproken voorbeeldgegevensrapportsjablonen. Als u specifieke wensen heeft, neem dan contact met ons op om dit te regelen.

Deze door een instructeur geleide live training in Nederland (online of ter plaatse) is gericht op geavanceerde data-analyse, ontwikkelaars of toekomstige datawetenschappers die machine learning-technieken willen toepassen in Python om inzichten te verkrijgen, voorspellingen te doen en gegevensgestuurde beslissingen te automatiseren.

Na voltooiing van deze cursus zullen de deelnemers in staat zijn om:

• De belangrijkste machine learning-paradigma's te begrijpen en te onderscheiden.
• Gegevensvoorbewerkingstechnieken en modelbeoordelingsmetrieken te verkennen.
• Machine learning-algoritmen toe te passen op echte problemen met gegevens.
• Python bibliotheken en Jupyter-notebooks te gebruiken voor praktische ontwikkeling.
• Modellen te bouwen voor voorspelling, classificatie, aanbeveling en clustering.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers en -ontwikkelaars die Modin willen gebruiken om parallelle berekeningen te bouwen en te implementeren met Pandas voor snellere data-analyse.

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

• Zet de benodigde omgeving op om te beginnen met het ontwikkelen van Pandas workflows op schaal met Modin.
• Begrijp de functies, architectuur en voordelen van Modin.
• Ken de verschillen tussen Modin, Dask en Ray.
• Voer Pandas bewerkingen sneller uit met Modin.
• Implementeer de volledige Pandas API en functies.

Deze door een instructeur geleide, live training (online of ter plaatse) is bedoeld voor datawetenschappers en ontwikkelaars die RAPIDS willen gebruiken om GPU-geaccelereerde datapijplijnen, workflows en visualisaties te bouwen en machine learning algoritmen zoals XGBoost, cuML, enz. toe te passen.

Aan het einde van deze training kunnen de deelnemers:

• De noodzakelijke ontwikkelomgeving inrichten om datamodellen te bouwen met NVIDIA RAPIDS.
• De functies, componenten en voordelen van RAPIDS begrijpen.
• GPUs benutten om end-to-end data- en analytische pijplijnen te versnellen.
• GPU-geaccelereerde datapreparatie en ETL implementeren met cuDF en Apache Arrow.
• Leren hoe machine learning taken uit te voeren met XGBoost en cuML algoritmen.
• Datavisualisaties bouwen en grafische analyse uitvoeren met cuXfilter en cuGraph.