SMACK Stack for Data Science培訓

這種以講師為主導的台灣現場培訓（現場或遠端）針對的是希望使用Kaggle學習和建立數據科學職業的數據科學家和開發人員。

在培訓結束時，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。

這種以講師為主導的台灣現場現場培訓針對的是希望使用Modin構建和實現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現場培訓面向希望使用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 的功能、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。

這種以講師為主導的台灣現場（現場或遠端）現場培訓面向希望使用Anaconda生態系統在單個平臺中捕獲，管理和部署包和數據分析工作流 的數據科學家。

在培訓結束時，參與者將能夠：

• 安裝和配置 Anaconda 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。
• 瞭解一些管理多個數據環境的實際用例和技術。

在這個由講師指導的 台灣 現場培訓中，參與者將學習如何在動手練習時結合使用 Python 和 Spark 來分析大數據。

在培訓結束時，參與者將能夠：

• 瞭解如何將Spark與 Python 結合使用來分析大數據。
• 進行模仿真實案例的練習。
• 使用不同的工具和技術使用 PySpark 進行大數據分析。

在這個以講師為主導的台灣現場培訓中，參與者將瞭解用於處理圖形數據的技術產品和實施方法。目的是識別真實世界的物件、它們的特徵和關係，然後對這些關係進行建模，並使用 Graph Computing（也稱為圖形分析）方法將它們作為數據進行處理。我們從廣泛的概述開始，並在逐步完成一系列案例研究、動手練習和即時部署時縮小具體工具的範圍。

在培訓結束時，參與者將能夠：

• 瞭解如何持久化和遍歷圖形數據。
• 為給定任務選擇最佳框架（從圖形資料庫到批處理框架）。
• 實現 Hadoop、Spark、GraphX 和 Pregel，在多台機器上並行進行圖計算。
• 從圖形、流程和遍歷的角度查看現實世界的大數據問題。

MLlib是Spark的機器學習（ML）庫。其目標是使實用的機器學習可擴展且簡單。它由常見的學習算法和實用程序組成，包括分類，回歸，聚類，協同過濾，降維，以及低級優化原語和更高級別的管道API。

它分為兩個包：

• spark.mllib包含在RDD之上構建的原始API。

• spark.ml提供了構建在DataFrame之上的更高級API，用於構建ML管道。

聽眾

本課程面向希望利用Apache Spark內置機器庫的工程師和開發人員

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在現場實驗室環境中動手實施。

課程自定義選項

• 如需申請本課程的定製培訓，請聯繫我們進行安排。

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

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。

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'. 

 

 

本次培訓的第一部分介紹了MATLAB的基本原理及其作爲語言和平台的功能。本次討論包括MATLAB語法、數組和矩陣、數據可視化、腳本開發及面向對象原理的介紹。

在第二部分中，我們演示如何使用MATLAB進行數據挖掘、機器學習和預測性分析。爲了給參與者一個關于MATLAB方法和功能的清晰和實用的觀點，我們將使用MATLAB和使用電子表格、C、C ++、Visual Basic等其他工具進行比較。

在培訓的第三部分，參與者學習如何通過自動化數據處理和報告生成來簡化工作。

在整個課程中，參與者將在實驗室環境裏把通過動手練習學到的想法付諸實踐。培訓結束後，參與者將對MATLAB的功能有一個全面的掌握，並將能夠用它來解決實際的數據科學問題，並通過自動化來簡化他們的工作。

整個課程中將進行評估以衡量進度。

課程形式

• 課程包含理論和實踐練習，包括案例討論、樣本代碼檢查和實操。

注意

• 練習課程將根據預先安排的樣本數據報告模板進行。如果您有特殊要求，請聯系我們以作安排。

Jupyter 是一個開源的、基於 Web 的互動式 IDE 和計算環境。

這種由講師指導的現場培訓（在線或現場）介紹了數據科學中協作開發的理念，並演示了如何使用 Jupyter 作為團隊跟蹤和參與“計算思想的生命週期”。  它引導參與者完成基於 Jupyter 生態系統的示例數據科學項目的創建。

在培訓結束時，參與者將能夠：

• 安裝和配置 Jupyter，包括在 Git 上創建和整合團隊儲存庫。
• 使用 Jupyter 功能（如擴展、互動式小部件、多使用者模式等）實現項目協作。
• 與團隊成員一起創建、共用和組織 Jupyter Notebook。
• 從 Scala、Python、R 中進行選擇，以針對 Apache Spark 等大數據系統編寫和執行代碼，所有這些都通過 Jupyter 介面完成。

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在現場實驗室環境中動手實施。

課程自定義選項

• Jupyter Notebook 支援 40 多種語言，包括 R、Python、Scala、Julia 等。要根據您選擇的語言定製本課程，請聯繫我們進行安排。

數據科學是統計分析，機器學習，數據可視化和編程的應用，用于理解和解釋真實世界的數據。 F＃是一款非常適合數據科學的編程語言，因爲它結合了高效執行，REPLscripting，強大的庫和可擴展的數據集成。 在這個有指導意義的現場培訓中，參與者將學習如何使用F＃來解決一系列現實世界的數據科學問題。 在培訓結束後，參與者將能夠： 使用F＃的集成數據科學軟件包使用F＃與其他語言和平台進行互操作，包括Excel，R，Matlab和Python 使用Deedle包解決時間序列問題用最少的生産線質量代碼進行高級分析了解函數式編程如何非常適合科學和大數據計算使用F＃訪問和可視化數據將F＃應用于機器學習探索商業智能和社交遊戲等領域問題的解決方案 聽衆 開發商數據科學家 課程的格式 部分講座，部分討論，練習和沈重的練習

Python是一門在金融行業擁有巨大聲望的編程語言。最大的投資銀行和對沖基金正在使用它來構建包括核心交易項目及風險管理系統在內的廣泛的金融應用。

在這一由講師引導的現場培訓中，參與者將學習如何使用Python開發實際的應用程序以解決一些特定的財務相關的問題。

在本次培訓結束後，參與者將能夠：

• 了解Python編程語言的基礎知識
• 下載、安裝和維護用Python創建財務應用程序的最佳開發工具
• 選擇和利用最合適的Python軟件包和編程技術來組織、可視化和分析從各種來源（CSV、Excel、數據庫、網站等）得來的財務數據。
• 構建解決資産配置、風險分析、投資績效等相關問題的應用程序
• 故障排除、集成部署和優化他們的應用程序

受衆

• 開發人員
• 分析師
• 寬客

課程形式

• 部分講座、部分討論、練習和大量實操

注意事項

• 該培訓旨在爲金融專業人士所面對的一些原則問題提供解決方案。但是，如果您有一個特定的主題、工具或技術想要附加或詳細說明，請聯系我們以作安排。