Data Science essential for Marketing/Sales professionals Treningskurs

Dette er en 5-dagers introduksjon til Data Science og Kunstig Intelligens (AI).

Kurset blir gjennomført med eksempler og øvelser ved bruk av Python.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot dataforskere som ønsker å bruke Anaconda-økosystemet til å fange opp, administrere og distribuere pakker og dataanalysearbeidsflyter på én enkelt plattform.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Anaconda komponenter og biblioteker.
• Forstå kjernekonseptene, funksjonene og fordelene ved Anaconda.
• Administrer pakker, miljøer og kanaler ved hjelp av Anaconda Navigator.
• Bruk Conda-, R- og Python-pakker for datavitenskap og maskinlæring.
• Bli kjent med noen praktiske brukstilfeller og teknikker for å administrere flere datamiljøer.

Deltakerne som fullfører denne treningen vil få en praktisk, reell forståelse av Data Science og dens relaterte teknologier, metoder og verktøy.

Deltakerne vil ha muligheten til å sette dette kunnskapen i praksis gjennom håndsjekkede øvelser. Gruppeinteraksjon og instruktørtilbakemelding er en viktig del av kurset.

Kurset starter med en introduksjon til grunnleggende konsepter i Data Science, for så å gå over til verktøyene og metodene som brukes i Data Science.

Målgruppe

• Utviklere
• Tekniskanalytikere
• IT-konsulenter

Kursformat

• Del forelesning, del diskusjon, øvelser og mye praktisk arbeid

Merk

• For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å ordne det.

Eksplosjonen av informasjon og data i dagens verden er uten sidestykke, vår evne til å innovere og flytte grensene for det mulige vokser raskere enn den noen gang har gjort. Rollen som Data Scientist er en av de høyest etterspurte ferdighetene i bransjen i dag.

Vi tilbyr mye mer enn å lære gjennom teori; vi leverer praktiske, salgbare ferdigheter som bygger bro mellom akademia og industriens krav.

Denne 7 ukers læreplanen kan skreddersys til dine spesifikke bransjekrav, vennligst kontakt oss for mer informasjon eller besøk Nobleprog Institutes nettsted

Publikum:

Dette programmet er rettet mot kandidater på postnivå så vel som alle med de nødvendige forutsetningene som vil bli bestemt av en vurdering og intervju.

Leveranse:

Levering av kurset vil være en blanding av Instructor Led Classroom og Instructor Led Online; typisk vil den første uken være 'klasseromsledet', uke 2 - 6 'virtuelt klasserom' og uke 7 tilbake til 'klasseromsledet'.

Big data er datasett som er så omfangsrike og komplekse at tradisjonell databehandlingsapplikasjonsprogramvare er utilstrekkelig til å håndtere dem. Store datautfordringer inkluderer innhenting av data, datalagring, dataanalyse, søk, deling, overføring, visualisering, spørring, oppdatering og informasjon om personvern.

Denne instruktørledede, live-opplæringen (online eller på sted) er rettet mot fagpersoner som ønsker å starte en karriere innen Data Science.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installere og konfigurere Python og MySql.
• Forstå hva Data Science er og hvordan det kan legge til verdi for nesten ethvert foretak.
• Lære grunnleggende kodeteknikker i Python.
• Lære overvåket og uovervåket Maskinlæringsmetoder, og hvordan man implementerer dem og tolker resultatene.

Kursets format

• Interaktiv forelesning og diskusjon.
• Mye øvelser og praktisk trening.
• Håndson implementering i et live-lab-miljø.

Kursets tilpasningsmuligheter

• For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.

Denne instruktørledede, live-trening på Norge (online eller på sted) introduserer ideen om samarbeidsutvikling innen datascience og demonstrerer hvordan man bruker Jupyter til å følge og delta som et team i "livssyklusen til en beregningside". Den leder deltakere gjennom opprettelsen av et eksempel på et datascience-prosjekt basert på Jupyter-økosystemet.

Ved slutten av denne treningen vil deltakerne kunne:

• Installere og konfigurere Jupyter, inkludert opprettelse og integrering av et team-repositorium på Git.
• Bruk Jupyter-funksjoner som utvidelser, interaktive widget og flerbruker-modus for å muliggjøre samarbeid på prosjekter.
• Opprette, dele og organisere Jupyter Notebooks med teammedlemmer.
• Velge mellom Scala, Python, R, for å skrive og kjøre kode mot store datasystemer som Apache Spark, alt gjennom Jupyter-grensesnittet.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot datavitere og utviklere som ønsker å lære og bygge karrierer i Data Science ved hjelp av Kaggle.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lær om datavitenskap og maskinlæring.
• Utforsk dataanalyse.
• Lær om Kaggle og hvordan det fungerer.

I den første delen av denne opplæringen dekker vi det grunnleggende om MATLAB og dets funksjon som både et språk og en plattform. Inkludert i denne diskusjonen er en introduksjon til MATLAB syntaks, matriser og matriser, datavisualisering, skriptutvikling og objektorienterte prinsipper.

I den andre delen demonstrerer vi hvordan du bruker MATLAB til datautvinning, maskinlæring og prediktiv analyse. For å gi deltakerne et klart og praktisk perspektiv på MATLABs tilnærming og makt, trekker vi sammenligninger mellom bruk av MATLAB og andre verktøy som regneark, C, C++ og Visual Basic.

I den tredje delen av opplæringen lærer deltakerne hvordan de kan effektivisere arbeidet sitt ved å automatisere databehandlingen og rapportgenereringen.

Gjennom hele kurset vil deltakerne implementere ideene som er lært gjennom praktiske øvelser i et laboratoriemiljø. Ved slutten av opplæringen vil deltakerne ha en grundig forståelse av MATLAB sine evner og vil kunne bruke den til å løse datavitenskapelige problemer i den virkelige verden samt for å effektivisere arbeidet gjennom automatisering.

Det vil bli gjennomført vurderinger gjennom hele kurset for å måle fremgang.

Kursets format

• Kurset inkluderer teoretiske og praktiske øvelser, inkludert casediskusjoner, prøvekodeinspeksjon og praktisk implementering.

Merk

• Øvingsøktene vil være basert på forhåndsarrangerte rapportmaler for eksempeldata. Hvis du har spesifikke krav, vennligst kontakt oss for å avtale.

Denne instruktørledede, levende opplæring (online eller på stedet) er rettet mot mellomnivådataanalytikere, utviklere eller aspirerende dataforskere som ønsker å bruke maskinlæringsteknikker i Python for å trekke frem innsikt, gjøre prediksjoner og automatisere datastrømmet beslutninger.

Ved slutten av denne kurset vil deltakere være i stand til å:

• Forstå og skille mellom viktige maskinlæringsparadigmer.
• Utforske dataforberedelsesteknikker og modellevalueringsmetrikker.
• Bruke maskinlæringsalgoritmer til å løse reelle dataproblemer.
• Bruk Python biblioteker og Jupyter-notesbøker for praktisk utvikling.
• Bygg modeller for prediksjon, klassifisering, anbefaling og klustring.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og utviklere som ønsker å bruke Modin til å bygge og implementere parallelle beregninger med Pandas for raskere dataanalyse.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige miljøet for å begynne å utvikle Pandas arbeidsflyter i skala med Modin.
• Forstå funksjonene, arkitekturen og fordelene ved Modin.
• Kjenn forskjellene mellom Modin, Dask og Ray.
• Utfør Pandas operasjoner raskere med Modin.
• Implementer hele Pandas API og funksjoner.

Python er et programmeringsspråk som har vunnet stor popularitet i finansielle bransjen. Anvendt av de største investeringsbankene og hedgefondene, blir det brukt til å bygge en rekke finansielle applikasjoner, fra kjernehandelsprogrammer til risikostyringssystemer.

I dette instruktørførte, live-treningen vil deltakerne lære hvordan man bruker Python til å utvikle praktiske applikasjoner for å løse en rekke spesifikke finansielle problemer.

Etter denne treningen vil deltakerne kunne:

• Føre vell med grunnleggende prinsipper i Python-programmeringsspråket
• Last ned, installere og vedlikeholde beste utviklingsverktøy for å skape finansielle applikasjoner i Python
• Velge og bruke de mest egnete Python-pakker og programmeringsteknikker til å organisere, visualisere og analysere finansiell data fra ulike kilder (CSV, Excel, databaser, nettet osv.)
• Bygge applikasjoner som løser problemer relatert til eierskapsfordeling, risikanalyse, investeringsprestasjon og mer
• Felsøke, integrere, distribuere og optimalisere en Python-applikasjon

Målgruppe

• Utviklere
• Analytikere
• Kvantitativ analytikkere (Quants)

Kursformat

• Del forelesning, del diskusjon, øvelser og mye praktisk arbeid

Merk

• Dette treningen har til hensikt å gi løsninger for noen av de viktigste problemene finansprofesjonelle møter. Hvis du har et bestemt emne, verktøy eller teknikk som du ønsker å legge til eller utdype mer på, vennligst kontakt oss for å arrange.

Kursen vil hjelpe deltakerne med å forberede seg på Webapplikasjonutvikling ved bruk av Python-programmering og Dataanalyse. Slik datavisualisering er et utmærket verktøy for øverste ledelse i beslutningsprosessen.

Denne instruktørledede, live treningen (online eller på sted) er rettet mot dataanalytikere og webutviklere som ønsker å utvikle associative modeller i Qlik Sense.

Ved slutten av denne treningen vil deltakerne kunne:

• Bruke Qlik Sense i datavitenskap.
• Bruke og navigere i Qlik Sense-grensesnittet.
• Bygge en datakompetenst arbeidsstyrke med AI-interaksjon.
• Skape et data-drevet foretak med Qlik Sense.

Denne instruktørledede, live treningen (online eller på stedet) er rettet mot datavitere og utviklere som ønsker å bruke RAPIDS for å bygge GPU-akselerte datapipeliner, arbeidsflyter og visualiseringer, ved å bruke maskinlæringsalgoritmer, slik som XGBoost, cuML, etc.

Ved slutten av denne treningen vil deltakerne være i stand til å:

• Opprette den nødvendige utviklingsmiljøet for å bygge datamodeller med NVIDIA RAPIDS.
• Forstå funksjonene, komponentene og fordelene ved RAPIDS.
• Utnytt GPU til å akselerere ende-til-ende data- og analytiske pipeliner.
• Implementere GPU-akselert datapreparering og ETL med cuDF og Apache Arrow.
• Lære å utføre maskinlæringsoppgaver med XGBoost- og cuML-algoritmer.
• Bygge data-visualiseringer og utføre grafanalyse med cuXfilter og cuGraph.