Data Science with KNIME Analytics Platform 培训

这是为期5天的Data Science和AI入门。

本课程随附使用Python示例和练习

这种由讲师指导的 中国 现场培训（在线或现场）面向希望自动化和管理机器学习工作流程的中级参与者，包括使用 Apache Airflow 进行模型训练、验证和部署。

在本次培训结束时，参与者将能够：

• 设置 Apache Airflow 用于机器学习工作流编排。
• 自动执行数据预处理、模型训练和验证任务。
• 将 Airflow 与机器学习框架和工具整合。
• 使用自动化管道部署机器学习模型。
• 监控和优化生产中的机器学习工作流程。

这种由 讲师指导的 中国 现场培训（在线或现场）面向希望使用 Anaconda 生态系统在单一平台中捕获、管理和部署软体包和数据分析工作流 的数据科学家。

在本次培训结束时，参与者将能够：

• 安装和配置 Anaconda 个元件和库。
• 了解 Anaconda 的核心概念、功能和优势。
• 使用 Anaconda Navigator 管理包、环境和频道。
• 将 Conda、R 和 Python 包用于数据科学和机器学习。
• 了解管理多个数据环境的一些实际使用案例和技术。

这种以讲师指导的现场培训<本地>（在线或现场）面向希望使用 AWS Cloud9 简化数据科学工作流程的中级数据科学家和分析师。

在本次培训结束时，参与者将能够：

• 在 AWS Cloud9 中设置数据科学环境。
• 在 Cloud9 中使用 Python、R 和 Jupyter Notebook 执行数据分析。
• 将 AWS Cloud9 与 S3、RDS 和 Redshift 等 AWS 数据服务整合。
• 利用 AWS Cloud9 进行机器学习模型的开发和部署。
• 优化基于云的工作流程以进行数据分析和处理。

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

这种以讲师为主导的中国现场培训（现场或远程）面向希望使用[0 * ogle Colab学习数据科学基础知识的初级数据科学家和IT专业人员。

在培训结束时，参与者将能够：

• 设置和导航 Google Colab.
• 编写并执行基本 Python 代码。
• 导入和处理数据集。
• 使用 Python 个库创建可视化效果。

完成此培训的参与者将获得对 Data Science 及其相关技术、方法和工具的实际、真实理解。

参与者将有机会通过动手练习将这些知识付诸实践。小组互动和教师反馈构成了课程的重要组成部分。

本课程首先介绍了 Data Science 的基本概念，然后进入了 Data Science 中使用的工具和方法。

观众

• 开发人员
• 技术分析师
• IT 顾问

课程形式

• 部分讲座、部分讨论、练习和大量动手实践

注意

• 要申请本课程的定制培训，请联系我们进行安排。

大数据是如此庞大和复杂的数据集，传统的数据处理应用软件不足以处理它们。大数据挑战包括捕获数据，数据存储，数据分析，搜索，共享，传输，可视化，查询，更新和信息隐私。

本课程面向有意在Marketing /销售中深入应用数据科学的Marketing销售专业人员。课程提供
详细介绍了用于“升级”，“交叉销售”，市场细分，品牌推广和CLV的不同数据科学技术。

Marketing和销售的差异 - 销售和营销如何不同？

简而言之，销售可以被称为集中或针对个人或小团体的过程。另一方面， Marketing针对的是更大的群体或普通大众。 Marketing包括研究（确定客户需求），开发产品（生产创新产品）和推广产品（通过广告），并在消费者中创造产品意识。因此，营销意味着产生潜在客户或潜在客一旦产品进入市场，销售人员的任务就是说服顾客购买产品。销售意味着将潜在客户或潜在客户转化为购买和订单，而营销的目标是更长期，销售则涉及更短的目标。

这个由 讲师指导的 中国 现场培训（在线或现场）面向希望在 Data Science 中使用 Kaggle 学习和建立职业生涯的数据科学家和开发人员。

在本次培训结束时，参与者将能够：

• 了解数据科学和机器学习。
• 探索数据分析。
• 了解 Kaggle 及其工作原理。

KNIME Analytics Platform是数据驱动创新的领先开源选项，可帮助您发现隐藏在数据中的潜力，挖掘新的见解或预测新的未来。 KNIME Analytics Platform拥有1000多个模块，数百个可立即运行的示例，全面的集成工具以及最广泛的高级算法选择，是任何数据科学家和业务分析师的理想工具箱。

KNIME分析平台的这门课程是向KNIME介绍初学者，高级用户和KNIME专家的理想机会，学习如何更有效地使用它，以及如何基于KNIME工作流程创建清晰，全面的报告

“分析平台 KNIME”培训课程全面概述了这个免费的数据分析平台。该计划包括数据处理和分析、安装和配置 KNIME、工作流构建、创建业务模型和数据建模的方法的介绍。该课程还讨论了高级数据分析工具、工作流导入和导出、工具集成、ETL 流程、数据挖掘、可视化、扩展以及与 R、Java、Python、Gephi、Neo4j 等工具的集成。结论包括报告、与 BIRT 和 KNIME WebPortal 的集成概述。

这种以讲师为主导的中国现场培训（现场或远程）针对希望以Python和R为KNIME编程的数据科学家。

在培训结束时，参与者将能够：

• 在 KNIME 中规划、构建和部署机器学习模型。
• 为运营做出数据驱动的决策。
• 实施端到端数据科学项目。

这种由 讲师指导的 中国 现场现场培训（在线或现场）面向希望使用 Modin 构建和实施并行计算的数据科学家和开发人员 Pandas 以加快数据分析速度。

在本次培训结束时，参与者将能够：

• 设置必要的环境，开始使用 Modin 大规模开发 Pandas 工作流。
• 了解 Modin 的功能、架构和优势。
• 了解 Modin、Dask 和 Ray 之间的区别。
• 使用 Modin 更快地执行 Pandas 操作。
• 实现整个 Pandas API 和函数。

这种以讲师为主导的中国现场培训（现场或远程）针对希望使用RAPIDS构建GPU加速数据管道，工作流和可视化的数据科学家和开发人员，应用机器学习算法，如XGBoost，cuML等。

在培训结束时，参与者将能够：

• 设置必要的开发环境以使用 NVIDIA RAPIDS 构建数据模型。
• 了解 RAPIDS 的特性、组件和优势。
• 利用 GPU 加速端到端数据和分析管道。
• 使用 cuDF 和 Apache Arrow 实现 GPU 加速的数据准备和 ETL。
• 了解如何使用 XGBoost 和 cuML 算法执行机器学习任务。
• 使用 cuXfilter 和 cuGraph 构建数据可视化并执行图形分析。