Data Science met KNIME Analytics Platform Training Cursus

Deze live training onder leiding van een instructeur in België (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

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 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 België (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 België (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 leidende open-source optie voor datagedreven innovatie, die u helpt om het verborgen potentieel in uw gegevens te ontdekken, te graven naar verse inzichten of toekomstige scenario's te voorspellen. Met meer dan 1000 modules, honderden klaar-voor-gebruik voorbeelden, een uitgebreid scala aan geïntegreerde hulpmiddelen en de grootste keuze aan geavanceerde algoritmen beschikbaar, is KNIME Analytics Platform de perfecte toolbox voor elke datawetenschapper en bedrijfsanalist.

Deze cursus over KNIME Analytics Platform is een ideale kans voor beginners, geavanceerde gebruikers en KNIME-experts om kennismaken met KNIME, te leren hoe je het effectiever kunt gebruiken en hoe je duidelijke, uitgebreide rapporten op basis van KNIME-workflows kunt maken.

De training "Analytics Platform KNIME" biedt een uitgebreid overzicht van dit gratis data-analyseplatform. Het programma omvat een inleiding tot gegevensverwerking en -analyse, installatie en configuratie KNIME, het bouwen van workflows, methodologie voor het maken van bedrijfsmodellen en gegevensmodellering. De cursus bespreekt ook geavanceerde data-analysetools, workflowimport en -export, toolintegratie, ETL-processen, datamining, visualisatie, extensies en integraties met tools zoals R, Java, Python, Gephi, Neo4j. De conclusie bevat een overzicht van rapportage, integratie met BIRT en KNIME WebPortal.

Deze door een docent geleide live training (online of op locatie) is bedoeld voor datawetenschappers die willen programmeren in Python en R voor KNIME.

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

• Machine learningmodellen in KNIME te plannen, bouwen en in te zetten.
• Data-gestuurde beslissingen te nemen voor operaties.
• Eindtotale data scienceprojecten te implementeren.

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 België (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 België (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 veel populariteit heeft gekregen in de financiële sector. Geadopteerd door de grootste beleggingsbanken en hedgefondsen wordt het gebruikt om een breed scala aan financiële toepassingen te bouwen, van kernhandelsprogramma's tot risicomanagementsystemen.

Tijdens deze instructiegeleide live training zullen deelnemers leren hoe ze Python kunnen gebruiken om praktische toepassingen te ontwikkelen voor het oplossen van een aantal specifieke financiële problemen.

Na afloop van deze training zullen deelnemers in staat zijn:

• Het basisprincipe van de Python-programmeertaal begrijpen
• De beste ontwikkeltools downloaden, installeren en onderhouden voor het creëren van financiële toepassingen 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
• Toepassingen bouwen die problemen oplossen gerelateerd aan asset allocatie, risicoanalyse, investeringsprestaties en meer
• Een Python-toepassing troubleshooten, integreren, implementeren en optimaliseren

Doelgroep

• Ontwikkelaars
• Analytici
• Quants

Cursusopzet

• Gedeeltelijk lezing, gedeeltelijk discussie, oefeningen en veel praktijkervaring

Noot

• Deze training strekt zich uit over oplossingen voor sommige van de belangrijkste problemen waarmee financiële professionals worden geconfronteerd. Als u een bepaald onderwerp, hulpmiddel of techniek wilt toevoegen of verder uitwerken, 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.