Python in Data Science Training Cursus

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.

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

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op datawetenschappers en software-ingenieurs die Dask willen gebruiken met het Python ecosysteem om grote datasets te bouwen, schalen en analyseren.

Aan het einde van deze training kunnen deelnemers:

• Zet de omgeving op om te beginnen met het bouwen van big data-verwerking met Dask en Python.
• Ontdek de functies, bibliotheken, tools en API's die beschikbaar zijn in Dask.
• Begrijp hoe Dask parallel computing in Python versnelt.
• Leer hoe u het Python-ecosysteem (Numpy, SciPy en Pandas) kunt schalen met Dask.
• Optimaliseer de Dask-omgeving om hoge prestaties te behouden bij het verwerken van grote datasets.

Deze door een instructeur geleide live training in Nederland (online of op locatie) is gericht op ontwikkelaars en data-analisten op intermediair niveau die hun vaardigheden in data-analyse en manipulatie met behulp van Pandas en NumPy willen verbeteren.

Na afloop van deze training kunnen de deelnemers:

• Een ontwikkelomgeving instellen die Python, Pandas en NumPy omvat.
• Een data-analyseapplicatie maken met behulp van Pandas en NumPy.
• Geavanceerde data-wrangling-, sorterings- en filteroperaties uitvoeren.
• Aggregaatoperaties uitvoeren en tijdreeksdata analyseren.
• Data visualiseren met Matplotlib en andere visualisatiebibliotheken.
• Hun data-analysecode debuggen en optimaliseren.

De explosie van informatie en data in de wereld van vandaag is ongeëvenaard; ons vermogen om te innoveren en de grenzen van het mogelijke te verleggen groeit sneller dan ooit tevoren. De rol van Data Scientist is tegenwoordig een van de meest gevraagde vaardigheden in de industrie.

Wij bieden veel meer dan leren via theorie; wij leveren praktische, verkoopbare vaardigheden die de kloof overbruggen tussen de wereld van de academische wereld en de eisen van de industrie.

Dit curriculum van 7 weken kan worden afgestemd op uw specifieke branchevereisten. Neem contact met ons op voor meer informatie of bezoek de website van het Nobleprog Instituut

Publiek:

Dit programma is bedoeld voor afgestudeerden op postniveau en voor iedereen met de vereiste vereiste vaardigheden, die zullen worden bepaald door een beoordeling en een interview.

Levering:

De cursus wordt gegeven een mix van Instructor Led Classroom en Instructor Led Online; normaal gesproken zal de eerste week 'klassikaal geleid' zijn, weken 2 - 6 'virtueel klaslokaal' en week 7 terug naar 'klassikaal geleid'.

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 door een instructeur geleide, live training (online of ter plekke) is gericht op ontwikkelaars die de FARM-stack (FastAPI, React en MongoDB) willen gebruiken om dynamische, hoogprestatievolle en schaalbare webapplicaties te bouwen.

Na het volgen van deze training zullen de deelnemers in staat zijn:

• De benodigde ontwikkelomgeving in te richten die FastAPI, React en MongoDB integreert.
• De sleutelconcepten, kenmerken en voordelen van de FARM-stack te begrijpen.
• Te leren hoe je REST APIs bouwt met FastAPI.
• Te leren hoe je interactieve applicaties ontwerpt met React.
• Applicaties (front-end en back-end) te ontwikkelen, testen en deployen met behulp van de FARM-stack.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars die FastAPI met Python willen gebruiken om RESTful API's eenvoudiger en sneller te bouwen, testen en implementeren.

Aan het einde van deze training kunnen deelnemers:

• De benodigde ontwikkelomgeving instellen om API's te ontwikkelen met Python en FastAPI.
• API's sneller en gemakkelijker creëren met behulp van de FastAPI bibliotheek.
• Leren hoe je datamodellen en schema's kunt maken op basis van Pydantic en OpenAPI.
• API's verbinden met een database met behulp van SQLAlchemy.
• Beveiliging en authenticatie implementeren in API's met behulp van de FastAPI tools.
• Containerimages bouwen en web-API's implementeren op een cloudserver.

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.

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 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.

Python is een programmeertaal die enorm populair is geworden in de financiële sector. Aangenomen door de grootste investeringsbanken en hedgefondsen, wordt het gebruikt om een breed scala aan financiële toepassingen te bouwen, variërend van kernhandelsprogramma's tot risicobeheersystemen.

In deze door een instructeur geleide, live training leren deelnemers hoe ze Python kunnen gebruiken om praktische toepassingen te ontwikkelen voor het oplossen van een aantal specifieke financiële problemen.

Aan het einde van deze training kunnen deelnemers:

• De basisbeginselen van de Python programmeertaal begrijpen
• De beste ontwikkeltools downloaden, installeren en onderhouden voor het maken van financiële applicaties in Python
• De meest geschikte Python pakketten en programmeertechnieken selecteren en gebruiken om financiële gegevens uit verschillende bronnen (CSV, Excel, databases, web, etc.) te organiseren, visualiseren en analyseren
• Applicaties bouwen die problemen oplossen gerelateerd aan asset allocatie, risicoanalyse, investeringsprestaties en meer
• Een Python applicatie troubleshooten, integreren, implementeren en optimaliseren

Publiek

• Ontwikkelaars
• Analisten
• Quants

Formaat van de cursus

• Deels hoorcollege, deels discussie, oefeningen en veel praktische toepassing

Notitie

• Deze training heeft als doel oplossingen te bieden voor enkele van de belangrijkste problemen waarmee financiële professionals worden geconfronteerd. Als u echter een specifiek onderwerp, tool of techniek heeft waarop u verder wilt ingaan, neem dan contact met ons op om dit te regelen.

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.