Predictive Analytics Training in Namen

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op technische personen die machine learning-modellen willen bouwen met behulp van algoritmen zoals GLM, Deep Learning en Random Forests.Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer H2O.
• Maak machine learning-modellen met behulp van verschillende populaire algoritmen.
• Evalueer modellen op basis van het type gegevens en zakelijke vereisten.

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

Vooruitgang in technologieën en de toenemende hoeveelheid informatie transformeert de manier waarop wetshandhaving wordt uitgevoerd. De uitdagingen die Big Data meebrengen zijn bijna net zo ontmoedigend als de belofte van Big Data . Gegevens efficiënt opslaan is een van deze uitdagingen; effectief analyseren is een andere. In deze door een instructeur geleide, live training leren deelnemers de mentaliteit om Big Data technologieën te benaderen, hun impact op bestaande processen en beleidsmaatregelen te beoordelen en deze technologieën te implementeren om criminele activiteiten te identificeren en criminaliteit te voorkomen. Casestudies van wetshandhavingsorganisaties over de hele wereld zullen worden onderzocht om inzicht te krijgen in hun aanpak, uitdagingen en resultaten van adoptie. Aan het einde van deze training kunnen deelnemers:

• Combineer Big Data technologie met traditionele gegevensverzamelingsprocessen om een verhaal samen te stellen tijdens een onderzoek
• Implementeer industriële big data-opslag- en verwerkingsoplossingen voor data-analyse
• Een voorstel opstellen voor de goedkeuring van de meest adequate hulpmiddelen en processen om een gegevensgestuurde aanpak van strafrechtelijk onderzoek mogelijk te maken

Publiek

• Specialisten in rechtshandhaving met een technische achtergrond

Formaat van de cursus

• Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

Publiek Als u de gegevens waartoe u toegang heeft, wilt begrijpen of ongestructureerde gegevens op het internet wilt analyseren (zoals Twitter, Linked in, enz ...), is deze cursus iets voor u. Het is vooral bedoeld voor besluitvormers en mensen die moeten kiezen welke gegevens het verzamelen waard zijn en wat het analyseren waard is. Het is niet gericht op mensen die de oplossing configureren, die mensen zullen echter profiteren van het grote geheel. Bezorgingsmodus Tijdens de cursus krijgen de deelnemers werkvoorbeelden van voornamelijk open source-technologieën. Korte lezingen worden gevolgd door een presentatie en eenvoudige oefeningen door de deelnemers Gebruikte inhoud en software Alle gebruikte software wordt elke keer dat de cursus wordt uitgevoerd bijgewerkt, dus we controleren de nieuwste versies mogelijk. Het omvat het proces van het verkrijgen, formatteren, verwerken en analyseren van de gegevens, om uit te leggen hoe het besluitvormingsproces kan worden geautomatiseerd met machine learning.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op datawetenschappers en data-analisten die voorspellende modellen willen automatiseren, evalueren en beheren met behulp van de machine learning-mogelijkheden van DataRobot.Aan het einde van deze training kunnen deelnemers:

• Laad datasets in DataRobot om gegevens te analyseren, beoordelen en de kwaliteit ervan te controleren.
• Bouw en train modellen om belangrijke variabelen te identificeren en voorspellingsdoelstellingen te behalen.
• Interpreteer modellen om waardevolle inzichten te creëren die nuttig zijn bij het nemen van zakelijke beslissingen.
• Bewaak en beheer modellen om geoptimaliseerde voorspellingsprestaties te behouden.

R is een opensource-vrije programmeertaal voor statistische gegevensverwerking, gegevensanalyse en grafische weergave R wordt gebruikt door een groeiend aantal managers en data-analisten binnen bedrijven en universiteiten R heeft een grote verscheidenheid aan pakketten voor datamining .

Voorspellende analyses zijn het gebruik van gegevensanalyses om voorspellingen over de toekomst te doen Dit proces gebruikt gegevens samen met datamining, statistieken en machinale leertechnieken om een ​​voorspellend model te maken voor het voorspellen van toekomstige gebeurtenissen Tijdens deze live training met instructeur leren deelnemers Matlab te gebruiken om voorspellende modellen te bouwen en deze toe te passen op grote voorbeeldgegevenssets om toekomstige gebeurtenissen te voorspellen op basis van de gegevens Aan het einde van deze training kunnen deelnemers: Creëer voorspellende modellen om patronen in historische en transactionele gegevens te analyseren Gebruik voorspellende modellering om risico's en kansen te identificeren Bouw wiskundige modellen die belangrijke trends vastleggen Gebruik gegevens van apparaten en bedrijfssystemen om afval te verminderen, tijd te besparen of kosten te besparen Publiek ontwikkelaars ingenieurs Domein experts Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .

R is een open-source gratis programmeertaal voor statistisch computergebruik, gegevensanalyse en grafische afbeeldingen. R wordt gebruikt door een groeiend aantal managers en data-analisten binnen bedrijven en de academische wereld. R heeft een grote verscheidenheid aan pakketten voor datamining.

RapidMiner is een open source softwareplatform voor data science voor snelle prototyping en ontwikkeling van applicaties. Het bevat een geïntegreerde omgeving voor gegevensvoorbereiding, machine learning, diep leren, text mining en voorspellende analyse. In deze door een instructeur geleide live training leren deelnemers hoe ze RapidMiner Studio kunnen gebruiken voor gegevensvoorbereiding, machine learning en voorspellende RapidMiner . Aan het einde van deze training kunnen deelnemers:

• RapidMiner installeren en configureren
• Gegevens voorbereiden en visualiseren met RapidMiner
• Valideer machine learning-modellen
• Mashup-gegevens en voorspellende modellen maken
• Operationaliseer voorspellende analyses binnen een bedrijfsproces
• Problemen met RapidMiner oplossen en optimaliseren

Publiek

• Data wetenschappers
• ingenieurs
• ontwikkelaars

Indeling van de cursus

• Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

Notitie

• Neem contact met ons op om een aangepaste training voor deze cursus aan te vragen.

Deze klassikale trainingssessie zal presentaties, computergebaseerde voorbeelden en case study-oefeningen bevatten.