SMACK Stack for Data Science Training Cursus

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op datawetenschappers en ontwikkelaars die willen leren en hun carrière in Data Science willen opbouwen met behulp van Kaggle.

Aan het einde van deze training kunnen deelnemers:

• Leer meer over datawetenschap en machine learning.
• Ontdek data-analyse.
• Leer meer over Kaggle en hoe het werkt.

Deze door een instructeur geleide, live training in Nederland (op locatie of op afstand) is gericht op 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 kunnen deelnemers:

• Zet de benodigde omgeving op om met Modin workflows op schaal te ontwikkelen Pandas.
• 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 in Nederland (op locatie of op afstand) is gericht op datawetenschappers en ontwikkelaars die RAPIDS willen gebruiken om GPU-versnelde datapijplijnen, workflows en visualisaties te bouwen, waarbij machine learning-algoritmen worden toegepast, zoals XGBoost, cuML, enz.

Aan het einde van deze training kunnen deelnemers:

• Zet de noodzakelijke ontwikkelomgeving op om datamodellen te bouwen met NVIDIA RAPIDS.
• Begrijp de kenmerken, componenten en voordelen van RAPIDS.
• Maak gebruik van GPU's om end-to-end data- en analysepijplijnen te versnellen.
• Implementeer GPU-versnelde gegevensvoorbereiding en ETL met cuDF en Apache Arrow.
• Leer hoe u machine learning-taken uitvoert met XGBoost- en cuML-algoritmen.
• Bouw datavisualisaties en voer grafiekanalyses uit met cuXfilter en cuGraph.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op datawetenschappers die het Anaconda ecosysteem willen gebruiken om pakketten en data-analyseworkflows op één platform vast te leggen, te beheren en te implementeren.

Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer Anaconda-componenten en -bibliotheken.
• Begrijp de kernconcepten, functies en voordelen van Anaconda.
• Beheer pakketten, omgevingen en kanalen met Anaconda Navigator.
• Gebruik Conda-, R- en Python-pakketten voor datawetenschap en machine learning.
• Maak kennis met enkele praktische gebruiksscenario's en technieken voor het beheren van meerdere dataomgevingen.

In deze door een instructeur geleide, live training leren deelnemers hoe ze Python en Spark samen kunnen gebruiken om big data te analyseren terwijl ze aan praktische oefeningen werken.

Aan het einde van deze training kunnen deelnemers:

• Leer hoe u Spark met Python kunt gebruiken om Big Data te analyseren.
• Werk aan oefeningen die praktijkgevallen nabootsen.
• Gebruik verschillende tools en technieken voor big data-analyse met PySpark.

In deze door een instructeur geleide, live training leren deelnemers over het technologieaanbod en de implementatiebenaderingen voor het verwerken van grafiekgegevens. Het doel is om objecten uit de echte wereld, hun kenmerken en relaties te identificeren, deze relaties vervolgens te modelleren en ze als gegevens te verwerken met behulp van een Graph Computing (ook bekend als Graph Analytics) aanpak. We beginnen met een breed overzicht en beperken ons tot specifieke tools terwijl we een reeks casestudies, praktische oefeningen en live implementaties doorlopen.

Aan het einde van deze training kunnen deelnemers:

• Begrijp hoe grafiekgegevens worden bewaard en doorlopen.
• Selecteer het beste raamwerk voor een bepaalde taak (van grafische databases tot raamwerken voor batchverwerking).
• Implementeer Hadoop, Spark, GraphX en Pregel om graph computing parallel uit te voeren op veel machines.
• Bekijk big data-problemen uit de echte wereld in termen van grafieken, processen en traversals.

MLlib is Spark's machine learning (ML) bibliotheek. Het doel is om praktische machine learning schaalbaar en eenvoudig te maken. Het bestaat uit algemene leeralgoritmen en hulpprogramma's, waaronder classificatie, regressie, clustering, collaboratieve filtering, vermindering van de dimensionaliteit, evenals optimalisatieprimitieven op een lager niveau en pijplijn-API's op een hoger niveau.

Het is verdeeld in twee pakketten:

• spark.mllib bevat de originele API gebouwd bovenop RDD's.

• spark.ml biedt een API op een hoger niveau gebouwd bovenop DataFrames voor het construeren van ML-pijpleidingen.

Publiek

Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die een ingebouwde machinebibliotheek voor Apache Spark

Formaat van de cursus

• Interactieve lezing en discussie.
• Veel oefeningen en oefeningen.
• Praktische implementatie in een live-labomgeving.

Opties voor cursusaanpassing

• Als u een training op maat voor deze cursus wilt aanvragen, kunt u contact met ons opnemen om een afspraak te maken.

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

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.

The explosion of information and data in today’s world is un-paralleled, our ability to innovate and push the boundaries of the possible is growing faster than it ever has. The role of Data Scientist is one of the highest in-demand skills across industry today.

We offer much more than learning through theory; we deliver practical, marketable skills that bridge the gap between the world of academia and the demands of industry.

This 7 week curriculum  can be tailored to your specific Industry requirements, please contact us for further information or visit the Nobleprog Institute website 

Audience:

This programme is aimed post level graduates as well as anyone with the required pre-requisite skills which will be determined by an assessment and interview. 

Delivery:

Delivery of the course will be a mixture of Instructor Led Classroom and Instructor Led Online; typically the 1st week will be 'classroom led', weeks 2 - 6 'virtual classroom' and week 7  back to 'classroom led'. 

 

 

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

In het tweede deel laten we zien hoe MATLAB te gebruiken voor datamining, machine learning en voorspellende analyses. Om deelnemers een duidelijk en praktisch perspectief van de aanpak en kracht van MATLAB te bieden, trekken 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 ideeën in praktijk brengen die ze via praktische oefeningen in een laboratoriumomgeving hebben geleerd. Aan het einde van de training hebben de deelnemers een grondige kennis van de mogelijkheden van MATLAB en kunnen ze deze gebruiken voor het oplossen van problemen met gegevenswetenschap in de praktijk en voor het stroomlijnen van hun werk door automatisering.

In de loop van de cursus worden beoordelingen uitgevoerd om de voortgang te meten.

Indeling van de cursus

• De cursus omvat theoretische en praktische oefeningen, inclusief casusbesprekingen, voorbeeldcode-inspectie en praktische implementatie.

Notitie

• Oefensessies zullen gebaseerd zijn op vooraf afgesproken voorbeeldgegevenssjablonen. Neem contact met ons op als u specifieke wensen hebt.

Jupyter is een open-source, webgebaseerde interactieve IDE- en computeromgeving.

Deze live training onder leiding van een instructeur (online of op locatie) introduceert het idee van gezamenlijke ontwikkeling in datawetenschap en laat zien hoe Jupyter kan worden gebruikt om als team deel te nemen aan de "levenscyclus van een computationeel idee".  Het leidt deelnemers door het maken van een voorbeeldproject voor datawetenschap op basis van het Jupyter-ecosysteem.

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

• Installeer en configureer Jupyter, inclusief het maken en integreren van een teamrepository op Git.
• Gebruik Jupyter-functies zoals extensies, interactieve widgets, modus voor meerdere gebruikers en meer om projectsamenwerking mogelijk te maken.
• Maak, deel en organiseer Jupyter Notebooks met teamleden.
• Kies uit Scala, Python, R, om code te schrijven en uit te voeren tegen big data-systemen zoals Apache Spark, allemaal via de Jupyter-interface.

Formaat van de cursus

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

Opties voor het aanpassen van cursussen

• De Jupyter Notebook ondersteunt meer dan 40 talen, waaronder R, Python, Scala, Julia, enz. Om deze cursus aan te passen aan uw taal of talen naar keuze, neem dan contact met ons op om dit te regelen.

Data science is de toepassing van statistische analyse, machine learning, data visualisatie en programmering met als doel het begrijpen en interpreteren van realworld data F # is een geschikte programmeertaal voor data science omdat het efficiënte uitvoering, REPLscripting, krachtige bibliotheken en schaalbare gegevensintegratie combineert In deze live training met instructeur leren deelnemers hoe ze F # kunnen gebruiken om een ​​reeks problemen op het gebied van data science op te lossen Aan het einde van deze training kunnen deelnemers: Gebruik F # 's geïntegreerde data science-pakketten Gebruik F # om samen te werken met andere talen en platforms, waaronder Excel, R, Matlab en Python Gebruik het pakket Deedle om tijdreeksproblemen op te lossen Voer geavanceerde analyse uit met minimale productiekwaliteitskwaliteiten Begrijpen hoe functioneel programmeren een natuurlijke optie is voor wetenschappelijke en big data-berekeningen Toegang tot en visualiseren van gegevens met F # F # toepassen voor machine learning Ontdek oplossingen voor problemen in domeinen zoals business intelligence en social gaming Publiek ontwikkelaars Datawetenschappers Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

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:

• Begrijp de basisprincipes van de programmeertaal Python
• Download, installeer en onderhoud de beste ontwikkeltools voor het maken van financiële applicaties in Python
• Selecteer en gebruik de meest geschikte Python pakketten en programmeertechnieken om financiële gegevens uit verschillende bronnen (CSV, Excel , databases, web, etc.) te organiseren, visualiseren en analyseren.
• Bouw applicaties die problemen oplossen met betrekking tot activaspreiding, risicoanalyse, beleggingsprestaties en meer
• Problemen met een Python toepassing oplossen, integreren, implementeren en optimaliseren

Publiek

• ontwikkelaars
• analisten
• Quants

Formaat van de cursus

• Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

Notitie

• Deze training is bedoeld om oplossingen te bieden voor enkele van de belangrijkste problemen waarmee financiële professionals worden geconfronteerd. Als u echter een bepaald onderwerp, hulpmiddel of techniek heeft die u wilt toevoegen of nader wilt uitwerken, neem dan contact met ons op om dit te regelen.