Data Science with KNIME Analytics Platform培訓

這是為期5天的Data Science和AI入門。

本課程隨附使用Python示例和練習

這種由講師指導的 台灣 現場培訓（在線或現場）面向希望自動化和管理機器學習工作流程的中級參與者，包括使用 Apache Airflow 進行模型訓練、驗證和部署。

在本次培訓結束時，參與者將能夠：

• 設置 Apache Airflow 用於機器學習工作流編排。
• 自動執行數據預處理、模型訓練和驗證任務。
• 將 Airflow 與機器學習框架和工具整合。
• 使用自動化管道部署機器學習模型。
• 監控和優化生產中的機器學習工作流程。

這種由 講師指導的 台灣 現場培訓（在線或現場）面向希望使用 Anaconda 生態系統在單一平臺中捕獲、管理和部署軟體包和數據分析工作流 的數據科學家。

在本次培訓結束時，參與者將能夠：

• 安裝和配置 Anaconda 個元件和庫。
• 瞭解 Anaconda 的核心概念、功能和優勢。
• 使用 Anaconda Navigator 管理包、環境和頻道。
• 將 Conda、R 和 Python 包用於數據科學和機器學習。
• 瞭解管理多個數據環境的一些實際使用案例和技術。

這種以講師指導的現場培訓<本地>（在線或現場）面向希望使用 AWS Cloud9 簡化數據科學工作流程的中級數據科學家和分析師。

在本次培訓結束時，參與者將能夠：

• 在 AWS Cloud9 中設置數據科學環境。
• 在 Cloud9 中使用 Python、R 和 Jupyter Notebook 執行數據分析。
• 將 AWS Cloud9 與 S3、RDS 和 Redshift 等 AWS 數據服務整合。
• 利用 AWS Cloud9 進行機器學習模型的開發和部署。
• 優化基於雲的工作流程以進行數據分析和處理。

概述

服务提供商(CSP)面临压力,以降低成本,最大限度地提高用户平均收入(ARPU),同时确保优秀的客户体验,但数据量仍在增长。 到2016年,全球移动数据流量将以78%的合并年增长率(CAGR)增长,每月达到10.8 exabytes。

与此同时,CSP正在产生大量的数据,包括呼叫细节记录(CDR),网络数据和客户数据。 充分利用这些数据的公司获得了竞争优势。 根据The Economist Intelligence Unit最近的一项调查,使用数据导向决策的公司享有5至6%的生产力增长。 然而,53%的公司只利用其有价值的数据的一半,其中四分之一的受访者指出,大量有用的数据正在失去。 数据量如此高,以至于手动分析是不可能的,而大多数遗产软件系统无法保持,导致有价值的数据被忽略或忽略。

使用高速可扩展的大数据软件,CSP 可以在更短的时间内挖掘所有数据,以便在更短的时间内做出更好的决策。 不同 Big Data 产品和技术提供一个终端软件平台,以收集,准备,分析和展示来自大数据的洞察力。 应用领域包括网络性能监测、欺诈检测、客户端检测和信用风险分析。 Big Data 分析产品规模处理数据的特拉比特,但这些工具的实施需要新的类型的基于云的数据库系统,如(3)或大规模平行计算处理器(KPU等)。

该课程工作在 Big Data BI for Telco 覆盖了所有新兴的领域,在这些领域,CSP 正在投资,以提高生产力,并打开新的业务收入流。 该课程将提供一个完整的360学位的视图 Big Data BI在Telco,以便决策者和管理人员可以有一个非常广泛和全面的概述的可能性 Big Data BI在Telco的生产力和收入收益。

课程目标

该课程的主要目标是引入4个领域的新(0)商业智能技术(9)(Marketing/销售、网络运营、金融运营和客户关系(4))。 学生将被介绍为如下:

• 引入 Big Data - 什么是 4Vs (容量,速度,多样性和可靠性) 在 Big Data - 从 Telco 视角的发行,提取和管理
• 如何分析与遗产数据分析不同
• 内部正当化 Big Data -Telco 视角
• 引入 Hadoop 生态系统 - 熟悉所有 Hadoop 工具,如 Hive, 猪, SPARC –什么时候和如何使用它们来解决 Big Data 问题
• 如何 Big Data 被提取到分析分析工具 - 如何 Business Analysis’s 可以通过集成 Hadoop 板块方法来减少数据收集和分析的疼痛点
• 基础介绍 Insight 分析、视觉分析和预测分析为 Telco
• 客户评估分析和如何评估分析可以在Telco案例研究中减少客户评估和客户不满
• 网络故障和服务故障分析来自网络 meta 数据和 IPDR
• 财务分析 - 欺诈、欺诈和从销售和运营数据中获得的ROI估计
• 客户收购问题 - 目标营销,客户分区和从销售数据中交叉销售
• 介绍和概述所有 Big Data 分析产品以及它们适合在 Telco 分析空间的位置
• 结论 - 如何采取一步一步的方法来引入 Big Data Business Intelligence 在您的组织

目标观众

• 网络运营,财务经理,CRM经理和Telco CIO办公室的顶级IT经理。
• Business 分析师在 Telco
• CFO办公室经理/分析师
• 运营经理
• QA管理员

這種以講師為主導的台灣現場培訓（現場或遠端）面向希望使用[0 * ogle Colab學習數據科學基礎知識的初級數據科學家和IT專業人員。

在培訓結束時，參與者將能夠：

• 設置和導航 Google Colab.
• 編寫並執行基本 Python 代碼。
• 匯入和處理數據集。
• 使用 Python 個庫創建可視化效果。

完成此培訓的參與者將獲得對 Data Science 及其相關技術、方法和工具的實際、真實理解。

參與者將有機會通過動手練習將這些知識付諸實踐。小組互動和教師反饋構成了課程的重要組成部分。

本課程首先介紹了 Data Science 的基本概念，然後進入了 Data Science 中使用的工具和方法。

觀眾

• 開發人員
• 技術分析師
• IT 顧問

課程形式

• 部分講座、部分討論、練習和大量動手實踐

注意

• 要申請本課程的定製培訓，請聯繫我們進行安排。

当今世界信息和数据的爆炸式增长是无与伦比的，我们创新和突破可能性的能力比以往任何时候都快。数据科学家的角色是当今整个行业最需要的技能之一。

我们提供的不仅仅是通过理论学习;我们提供实用的、适销对路的技能，弥合学术界与工业界需求之间的差距。

这个为期 7 周的课程 可以根据您的特定行业要求进行定制，请联系我们了解更多信息或访问 Nobleprog Institute 网站 

观众：

该课程面向研究生以及任何具有所需必备技能的人 ，这些技能将通过评估和面试确定。 

交货：

该课程的交付将采用讲师指导的课堂和讲师 指导的在线课程;通常，第 1 周是“课堂主导”，第 2 周 - 第 6 周是“虚拟课堂”，第 7  周是“课堂主导”。 

大數據是如此龐大和復雜的數據集，傳統的數據處理應用軟件不足以處理它們。大數據挑戰包括捕獲數據，數據存儲，數據分析，搜索，共享，傳輸，可視化，查詢，更新和信息隱私。

這個由 講師指導的 台灣 現場培訓（在線或現場）面向希望在 Data Science 中使用 Kaggle 學習和建立職業生涯的數據科學家和開發人員。

在本次培訓結束時，參與者將能夠：

• 了解數據科學和機器學習。
• 探索數據分析。
• 瞭解 Kaggle 及其工作原理。

KNIME Analytics Platform是數據驅動創新的領先開源選項，可幫助您發現隱藏在數據中的潛力，挖掘新的見解或預測新的未來。 KNIME Analytics Platform擁有1000多個模塊，數百個可立即運行的示例，全面的集成工具以及最廣泛的高級算法選擇，是任何數據科學家和業務分析師的理想工具箱。

KNIME分析平台的這門課程是向KNIME介紹初學者，高級用戶和KNIME專家的理想機會，學習如何更有效地使用它，以及如何基於KNIME工作流程創建清晰，全面的報告

“分析平臺 KNIME”培訓課程全面概述了這個免費的數據分析平臺。該計劃包括數據處理和分析、安裝和配置 KNIME、工作流構建、創建業務模型和數據建模的方法的介紹。該課程還討論了高級數據分析工具、工作流導入和匯出、工具集成、ETL 流程、數據挖掘、可視化、擴展以及與 R、Java、Python、Gephi、Neo4j 等工具的集成。結論包括報告、與 BIRT 和 KNIME WebPortal 的集成概述。

這種以講師為主導的台灣現場培訓（現場或遠端）針對希望以Python和R為KNIME程式設計的數據科學家。

在培訓結束時，參與者將能夠：

• 在 KNIME 中規劃、構建和部署機器學習模型。
• 為運營做出數據驅動的決策。
• 實施端到端數據科學專案。

這種由 講師指導的 台灣 現場現場培訓（在線或現場）面向希望使用 Modin 構建和實施並行計算的數據科學家和開發人員 Pandas 以加快數據分析速度。

在本次培訓結束時，參與者將能夠：

• 設置必要的環境，開始使用 Modin 大規模開發 Pandas 工作流。
• 瞭解 Modin 的功能、架構和優勢。
• 瞭解 Modin、Dask 和 Ray 之間的區別。
• 使用 Modin 更快地執行 Pandas 操作。
• 實現整個 Pandas API 和函數。

這種以講師為主導的台灣現場培訓（現場或遠端）針對希望使用RAPIDS構建GPU加速數據管道，工作流和可視化的數據科學家和開發人員，應用機器學習演算法，如XGBoost，cuML等。

在培訓結束時，參與者將能夠：

• 設置必要的開發環境以使用 NVIDIA RAPIDS 構建數據模型。
• 瞭解 RAPIDS 的特性、元件和優勢。
• 利用 GPU 加速端到端數據和分析管道。
• 使用 cuDF 和 Apache Arrow 實現 GPU 加速的數據準備和 ETL。
• 瞭解如何使用 XGBoost 和 cuML 演算法執行機器學習任務。
• 使用 cuXfilter 和 cuGraph 構建數據可視化並執行圖形分析。