Presto for Data Science Training Course

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που επιθυμούν να μάθουν και να αναπτύξουν τη σταδιοδρομία τους στην Επιστήμη Δεδομένων χρησιμοποιώντας το Kaggle.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Μάθετε για την επιστήμη των δεδομένων και τη μηχανική μάθηση.
• Εξερευνήστε την ανάλυση δεδομένων.
• Μάθετε για το Kaggle και πώς λειτουργεί.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το Modin για να δημιουργήσουν και να εφαρμόσουν παράλληλους υπολογισμούς με το Pandas για ταχύτερη ανάλυση δεδομένων.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Ρυθμίστε το απαραίτητο περιβάλλον για να ξεκινήσετε την ανάπτυξη Pandas ροών εργασίας σε κλίμακα με το Modin.
• Κατανοήστε τα χαρακτηριστικά, την αρχιτεκτονική και τα πλεονεκτήματα του Modin.
• Γνωρίστε τις διαφορές μεταξύ Modin, Dask και Ray.
• Εκτελέστε λειτουργίες Pandas πιο γρήγορα με το Modin.
• Εφαρμόστε ολόκληρο το Pandas API και τις λειτουργίες.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που επιθυμούν να χρησιμοποιήσουν το RAPIDS για να δημιουργήσουν αγωγούς δεδομένων με επιτάχυνση GPU, ροές εργασίας και οπτικοποιήσεις, εφαρμόζοντας αλγόριθμους μηχανικής μάθησης, όπως π.χ. XGBoost, cuML, κ.λπ.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Ρυθμίστε το απαραίτητο περιβάλλον ανάπτυξης για τη δημιουργία μοντέλων δεδομένων με τη NVIDIA RAPIDS.
• Κατανοήστε τα χαρακτηριστικά, τα στοιχεία και τα πλεονεκτήματα του RAPIDS.
• Αξιοποιήστε τις GPU για την επιτάχυνση των σωληνώσεων δεδομένων και αναλυτικών στοιχείων από άκρο σε άκρο.
• Εφαρμόστε προετοιμασία δεδομένων με επιτάχυνση GPU και ETL με cuDF και Apache Arrow.
• Μάθετε πώς να εκτελείτε εργασίες μηχανικής εκμάθησης με τους αλγόριθμους XGBoost και cuML.
• Δημιουργήστε οπτικοποιήσεις δεδομένων και εκτελέστε ανάλυση γραφημάτων με το cuXfilter και το cuGraph.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να χρησιμοποιήσουν το οικοσύστημα Anaconda για να συλλάβουν, να διαχειριστούν και να αναπτύξουν πακέτα και ροές εργασίας ανάλυσης δεδομένων σε μια ενιαία πλατφόρμα.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε στοιχεία και βιβλιοθήκες Anaconda.
• Κατανοήστε τις βασικές έννοιες, τα χαρακτηριστικά και τα οφέλη του Anaconda.
• Διαχειριστείτε πακέτα, περιβάλλοντα και κανάλια χρησιμοποιώντας το Anaconda Navigator.
• Χρησιμοποιήστε πακέτα Conda, R και Python για επιστήμη δεδομένων και μηχανική εκμάθηση.
• Γνωρίστε ορισμένες περιπτώσεις πρακτικής χρήσης και τεχνικές για τη διαχείριση πολλαπλών περιβαλλόντων δεδομένων.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων μεσαίου επιπέδου που επιθυμούν να μάθουν πώς να χρησιμοποιούν την ενότητα COST IT του Presto για ανάλυση κόστους.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

Κατανοήστε τις βασικές αρχές του Presto και τον ρόλο του στην ανάλυση μεγάλων δεδομένων. Αποκτήστε επάρκεια στη χρήση της ενότητας COST IT του Presto για ανάλυση κόστους. Βελτιστοποιήστε τα Presto ερωτήματα για βελτιωμένη απόδοση και χρήση πόρων. Προσδιορίστε και εφαρμόστε βελτιστοποιήσεις βάσει κόστους στο Presto. Αντιμετώπιση προβλημάτων και επίλυση κοινών ζητημάτων απόδοσης και κόστους στο Presto.

Πρόκειται για μια εισαγωγή 5 ημερών στη Data Science και την AI.

Το μάθημα παραδίδεται με παραδείγματα και ασκήσεις χρησιμοποιώντας Python

Συνοπτική

Οι πάροχοι υπηρεσιών (CSP) αντιμετωπίζουν πίεση για να μειώσουν το κόστος και να μεγιστοποιήσουν το μέσο εισόδημα ανά χρήστη (ARPU), διασφαλίζοντας παράλληλα μια εξαιρετική εμπειρία πελατών, αλλά οι όγκοι δεδομένων συνεχίζουν να αυξάνονται. Η παγκόσμια κυκλοφορία κινητών δεδομένων θα αυξηθεί με συνδεδεμένο ετήσιο ρυθμό ανάπτυξης (CAGR) 78 τοις εκατό έως το 2016, φτάνοντας τα 10,8 exabytes το μήνα.

Εν τω μεταξύ, οι CSPs παράγουν μεγάλους όγκους δεδομένων, συμπεριλαμβανομένων των αρχείων λεπτομέρειων κλήσης (CDR), των δεδομένων δικτύου και των δεδομένων πελατών. Οι εταιρείες που εκμεταλλεύονται πλήρως αυτά τα δεδομένα κερδίζουν ένα ανταγωνιστικό όριο. Σύμφωνα με πρόσφατη έρευνα της Economist Intelligence Unit, οι εταιρείες που χρησιμοποιούν την λήψη αποφάσεων με βάση τα δεδομένα απολαμβάνουν αύξηση της παραγωγικότητας κατά 5-6%. Εντούτοις, το 53% των εταιρειών χρησιμοποιεί μόνο το ήμισυ των πολύτιμων δεδομένων τους και το ένα τέταρτο των ερωτηθέντων παρατήρησε ότι τεράστιες ποσότητες χρήσιμων δεδομένων δεν καταγράφονται. Οι όγκοι δεδομένων είναι τόσο υψηλοί που η χειροκίνητη ανάλυση είναι αδύνατη, και τα περισσότερα συστήματα λογισμικού κληρονομιάς δεν μπορούν να διατηρηθούν, οδηγώντας σε πολύτιμα δεδομένα που απορρίπτονται ή αγνοούνται.

Με το Big Data & Analytics’ υψηλής ταχύτητας, κλιμακούμενο λογισμικό μεγάλων δεδομένων, οι CSPs μπορούν να εξορύξουν όλα τα δεδομένα τους για καλύτερη λήψη αποφάσεων σε μικρότερο χρονικό διάστημα. Διαφορετικά προϊόντα και τεχνικές παρέχουν μια τελική πλατφόρμα λογισμικού για τη συλλογή, την προετοιμασία, την ανάλυση και την παρουσίαση εντύπων από τα μεγάλα δεδομένα. Οι τομείς εφαρμογής περιλαμβάνουν παρακολούθηση της απόδοσης δικτύου, ανίχνευση απάτης, ανίχνευση πελατών και ανάλυση πιστωτικού κινδύνου. Big Data & Η κλίμακα των προϊόντων αναλύσεων για την επεξεργασία terabytes δεδομένων, αλλά η εφαρμογή τέτοιων εργαλείων απαιτεί ένα νέο είδος συστήματος βάσης δεδομένων σε σύννεφο, όπως Hadoop ή μαζική κλίμακα παράλληλος επεξεργαστής υπολογιστών (KPU κλπ.)

Αυτό το μάθημα λειτουργεί στο Big Data BI για Telco καλύπτει όλες τις αναδυόμενες νέες περιοχές στις οποίες οι CSP επενδύουν για την αύξηση της παραγωγικότητας και το άνοιγμα νέων ροών εσόδων των επιχειρήσεων. Το μάθημα θα παρέχει μια πλήρη 360 βαθμούς όρασης Big Data BI στο Telco έτσι ώστε οι υπεύθυνοι λήψης αποφάσεων και οι διαχειριστές μπορούν να έχουν μια πολύ ευρεία και ολοκληρωμένη επισκόπηση των δυνατοτήτων Big Data BI στο Telco για την παραγωγικότητα και την απόκτηση εσόδων.

Στόχοι διαδρομής

Ο κύριος στόχος του μαθήματος είναι να εισαγάγει νέες Big Data τεχνικές επιχειρηματικής νοημοσύνης σε 4 τομείς Telecom Business (Marketing / πωλήσεις, λειτουργία δικτύου, χρηματοοικονομική λειτουργία και σχέσεις πελατών Management). Οι μαθητές θα εισαχθούν στο εξής:

• Εισαγωγή στο Big Data-τι είναι 4Vs (υπολογισμός, ταχύτητα, ποικιλία και βεβαιότητα) στο Big Data- Γενιά, εξόρυξη και διαχείριση από την προοπτική Telco
• Πώς Big Data η ανάλυση διαφέρει από την ανάλυση δεδομένων κληρονομιάς
• Εσωτερική αιτιολόγηση Big Data -Telco προοπτική
• Εισαγωγή στο Hadoop οικοσύστημα- εξοικειωμένοι με όλα τα Hadoop εργαλεία όπως Hive, Pig, SPARC – πότε και πώς χρησιμοποιούνται για την επίλυση Big Data προβλήματος
• Πώς Big Data εξάγεται για την ανάλυση για το εργαλείο ανάλυσης-όπως Business Analysis’s μπορεί να μειώσει τα σημεία πόνου τους από τη συλλογή και την ανάλυση των δεδομένων μέσω της ολοκληρωμένης Hadoop προσέγγισης dashboard
• Βασική εισαγωγή της ανάλυσης Insight, της ανάλυσης απεικόνισης και της προβλέψιμης ανάλυσης για το Telco
• Η ανάλυση πελατών και η Big Data-how Big Data ανάλυση μπορούν να μειώσουν την αμηχανία πελατών και την δυσαρέσκεια πελατών σε μελέτες Telco-case
• Ανάλυση αποτυχίας δικτύου και αποτυχίας υπηρεσιών από τα μετα-δεδομένα δικτύου και το IPDR
• Χρηματοοικονομική ανάλυση - απάτη, πλοήγηση και εκτίμηση ROI από πωλήσεις και επιχειρησιακά δεδομένα
• Προβλήματα αγοράς πελατών - Στόχος μάρκετινγκ, κατακερματισμός πελατών και διαμεσολάβηση από τα δεδομένα πωλήσεων
• Εισαγωγή και σύνοψη όλων των Big Data αναλυτικών προϊόντων και πού ταιριάζουν στον αναλυτικό χώρο Telco
• Συμπέρασμα-όπως να λάβετε βήμα προς βήμα προσέγγιση για να εισαγάγετε Big Data Business Intelligence στην οργάνωση σας

Στόχος κοινό

• Δραστηριότητες δικτύου, χρηματοοικονομικοί διευθυντές, διευθυντές CRM και κορυφαίοι διευθυντές IT στο γραφείο του Telco CIO.
• Business Αναλυτές στο Telco
• Διευθυντές γραφείων / αναλυτές CFO
• Οι επιχειρησιακοί διευθυντές
• ΔΗΜΟΣΙΟΓΡΑΦΟΙ

Οι συμμετέχοντες που θα ολοκληρώσουν αυτήν την εκπαίδευση θα αποκτήσουν μια πρακτική, πραγματική κατανόηση του Data Science και των σχετικών τεχνολογιών, μεθοδολογιών και εργαλείων του.

Οι συμμετέχοντες θα έχουν την ευκαιρία να κάνουν πράξη αυτή τη γνώση μέσα από πρακτικές ασκήσεις. Η ομαδική αλληλεπίδραση και η ανατροφοδότηση του εκπαιδευτή αποτελούν ένα σημαντικό στοιχείο της τάξης.

Το μάθημα ξεκινάει με μια εισαγωγή στις στοιχειώδεις έννοιες του Data Science και στη συνέχεια εξελίσσεται στα εργαλεία και τις μεθοδολογίες που χρησιμοποιούνται στο Data Science.

Ακροατήριο

Προγραμματιστές Τεχνικοί αναλυτές σύμβουλοι πληροφορικής

Μορφή του μαθήματος

Μέρος διάλεξη, μέρος συζήτηση, ασκήσεις και βαριά πρακτική εξάσκηση

Σημείωση

Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.

Η έκρηξη πληροφοριών και δεδομένων στον σημερινό κόσμο είναι απαράμιλλη, η ικανότητά μας να καινοτομούμε και να ξεπερνάμε τα όρια του δυνατού αυξάνεται ταχύτερα από ποτέ. Ο ρόλος του Επιστήμονα Δεδομένων είναι μία από τις δεξιότητες με τη μεγαλύτερη ζήτηση στον κλάδο σήμερα.

Προσφέρουμε πολύ περισσότερα από τη μάθηση μέσω της θεωρίας. παρέχουμε πρακτικές, εμπορεύσιμες δεξιότητες που γεφυρώνουν το χάσμα μεταξύ του ακαδημαϊκού κόσμου και των απαιτήσεων της βιομηχανίας.

Αυτό το πρόγραμμα σπουδών 7 εβδομάδων μπορεί να προσαρμοστεί στις συγκεκριμένες απαιτήσεις του κλάδου σας, επικοινωνήστε μαζί μας για περισσότερες πληροφορίες ή επισκεφθείτε τον ιστότοπο του Ινστιτούτου Nobleprog

Ακροατήριο:

Αυτό το πρόγραμμα απευθύνεται σε πτυχιούχους μεταπτυχιακού επιπέδου καθώς και σε οποιονδήποτε έχει τις απαιτούμενες προαπαιτούμενες δεξιότητες που θα καθοριστούν με αξιολόγηση και συνέντευξη.

Διανομή:

Η παράδοση του μαθήματος θα είναι ένας συνδυασμός Instructor Led Classroom και Instructor Led Online. Συνήθως η 1η εβδομάδα θα είναι «οδηγούμενη στην τάξη», η εβδομάδα 2 - 6 «εικονική τάξη» και η εβδομάδα 7 πίσω στην «οδηγούμενη στην τάξη».

Τα μεγάλα δεδομένα είναι σύνολα δεδομένων που είναι τόσο ογκώδη και περίπλοκα που το παραδοσιακό λογισμικό εφαρμογών επεξεργασίας δεδομένων είναι ανεπαρκές για την αντιμετώπισή τους. Οι μεγάλες προκλήσεις δεδομένων περιλαμβάνουν τη συλλογή δεδομένων, την αποθήκευση δεδομένων, την ανάλυση δεδομένων, την αναζήτηση, την κοινή χρήση, τη μεταφορά, την οπτικοποίηση, την αναζήτηση, την ενημέρωση και την προστασία της ιδιωτικής ζωής των πληροφοριών.

Αυτό το μάθημα προορίζεται για Marketing Επαγγελματίες πωλήσεων που σκοπεύουν να εμβαθύνουν στην εφαρμογή της επιστήμης δεδομένων στο Marketing/ Πωλήσεις. Το μάθημα παρέχει λεπτομερή κάλυψη διαφορετικών τεχνικών επιστήμης δεδομένων που χρησιμοποιούνται για «ανώτερη πώληση», «διασταυρούμενη πώληση», τμηματοποίηση αγοράς, επωνυμία και CLV.

Διαφορά μεταξύ Marketing και πωλήσεων - Πώς διαφέρουν οι πωλήσεις και το μάρκετινγκ;

Με πολύ απλά λόγια, οι πωλήσεις μπορούν να ονομαστούν ως μια διαδικασία που εστιάζει ή στοχεύει σε άτομα ή μικρές ομάδες. Το Marketing από την άλλη πλευρά στοχεύει μια μεγαλύτερη ομάδα ή το ευρύ κοινό. Το Marketing περιλαμβάνει έρευνα (προσδιορισμός αναγκών του πελάτη), ανάπτυξη προϊόντων (παραγωγή καινοτόμων προϊόντων) και προώθηση του προϊόντος (μέσω διαφημίσεων) και δημιουργία ευαισθητοποίησης για το προϊόν στους καταναλωτές. Ως εκ τούτου, το μάρκετινγκ σημαίνει τη δημιουργία δυνητικών πελατών ή προοπτικών. Μόλις το προϊόν κυκλοφορήσει στην αγορά, είναι καθήκον του πωλητή να πείσει τον πελάτη να αγοράσει το προϊόν. Πωλήσεις σημαίνει μετατροπή των δυνητικών πελατών ή των προοπτικών σε αγορές και παραγγελίες, ενώ το μάρκετινγκ στοχεύει σε μεγαλύτερους όρους, οι πωλήσεις αφορούν μικρότερους στόχους.

Η επιστήμη των δεδομένων είναι η εφαρμογή της στατιστικής ανάλυσης, της μηχανικής μάθησης, της οπτικοποίησης δεδομένων και του προγραμματισμού με σκοπό την κατανόηση και την ερμηνεία δεδομένων του πραγματικού κόσμου. Η F# είναι μια κατάλληλη γλώσσα προγραμματισμού για την επιστήμη δεδομένων καθώς συνδυάζει αποτελεσματική εκτέλεση, δέσμες ενεργειών REPL, ισχυρές βιβλιοθήκες και κλιμακούμενη ενοποίηση δεδομένων.

Σε αυτή τη ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιούν το F# για να λύσουν μια σειρά από προβλήματα της επιστήμης δεδομένων του πραγματικού κόσμου.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

Χρησιμοποιήστε τα ενσωματωμένα πακέτα επιστήμης δεδομένων του F# Χρησιμοποιήστε το F# για διαλειτουργικότητα με άλλες γλώσσες και πλατφόρμες, συμπεριλαμβανομένων των Excel, R, Matlab και Python Χρησιμοποιήστε το πακέτο Deedle για επίλυση προβλημάτων χρονοσειρών Εκτελέστε προηγμένη ανάλυση με ελάχιστες γραμμές κώδικα ποιότητας παραγωγής Κατανοήστε πώς Ο λειτουργικός προγραμματισμός είναι μια φυσική εφαρμογή για επιστημονικούς και υπολογισμούς μεγάλων δεδομένων Πρόσβαση και οπτικοποίηση δεδομένων με F# Εφαρμογή F# για μηχανική μάθηση

Εξερευνήστε λύσεις για προβλήματα σε τομείς όπως η επιχειρηματική ευφυΐα και τα κοινωνικά παιχνίδια

Ακροατήριο

Προγραμματιστές Επιστήμονες δεδομένων

Μορφή του μαθήματος

Μέρος διάλεξη, μέρος συζήτηση, ασκήσεις και βαριά πρακτική εξάσκηση

Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση (επιτόπου ή απομακρυσμένη) απευθύνεται σε επαγγελματίες που επιθυμούν να ξεκινήσουν μια καριέρα στην Data Science .

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

• Εγκαταστήστε και ρυθμίστε τις παραμέτρους Python και MySql.
• Κατανοήστε τι είναι το Data Science και πώς μπορεί να προσθέσει αξία σχεδόν σε κάθε επιχείρηση.
• Μάθετε τα βασικά στοιχεία της κωδικοποίησης στην Python
• Μάθετε τις εποπτευόμενες και μη εποπτευόμενες τεχνικές Machine Learning και πώς να τις εφαρμόσετε και να ερμηνεύσετε τα αποτελέσματα.

Μορφή του μαθήματος

• Διαδραστική διάλεξη και συζήτηση.
• Πολλές ασκήσεις και πρακτική.
• Χειροκίνητη υλοποίηση σε εργασιακό περιβάλλον.

Επιλογές προσαρμογής μαθημάτων

• Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.

Το Jupyter είναι ένα διαδραστικό IDE και υπολογιστικό περιβάλλον ανοιχτού κώδικα, βασισμένο στο διαδίκτυο.

Αυτή η ζωντανή εκπαίδευση (διαδικτυακή ή επιτόπου) καθοδηγούμενη από εκπαιδευτές εισάγει την ιδέα της συνεργατικής ανάπτυξης στην επιστήμη των δεδομένων και δείχνει πώς να χρησιμοποιείτε το Jupyter για να παρακολουθείτε και να συμμετέχετε ως ομάδα στον «κύκλο ζωής μιας υπολογιστικής ιδέας». Καθοδηγεί τους συμμετέχοντες στη δημιουργία ενός δείγματος έργου επιστήμης δεδομένων που βασίζεται στην κορυφή του οικοσυστήματος Jupyter.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε το Jupyter, συμπεριλαμβανομένης της δημιουργίας και της ενσωμάτωσης ενός αποθετηρίου ομάδας στο Git.
• Χρησιμοποιήστε λειτουργίες του Jupyter, όπως επεκτάσεις, διαδραστικά γραφικά στοιχεία, λειτουργία πολλών χρηστών και άλλα για να ενεργοποιήσετε τη συνεργασία έργου.
• Δημιουργήστε, μοιραστείτε και οργανώστε σημειωματάρια Jupyter με μέλη της ομάδας.
• Επιλέξτε μεταξύ Scala, Python, R, για να γράψετε και να εκτελέσετε κώδικα σε συστήματα μεγάλων δεδομένων όπως το Apache Spark, όλα μέσω της διεπαφής Jupyter.

Μορφή του μαθήματος

• Διαδραστική διάλεξη και συζήτηση.
• Πολλές ασκήσεις και εξάσκηση.
• Πρακτική εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.

Επιλογές προσαρμογής μαθήματος

• Το Jupyter Notebook υποστηρίζει περισσότερες από 40 γλώσσες, συμπεριλαμβανομένων των R, Python, Scala, Julia, κ.λπ. Για να προσαρμόσετε αυτό το μάθημα στη γλώσσα(ες) της επιλογής σας, επικοινωνήστε μαζί μας για να κανονίσουμε.

KNIME Η πλατφόρμα Analytics είναι μια κορυφαία επιλογή ανοικτού κώδικα για την καινοτομία που βασίζεται σε δεδομένα, βοηθώντας σας να ανακαλύψετε τις δυνατότητες που κρύβονται στα δεδομένα σας, να αποκτήσετε νέες γνώσεις ή να προβλέψετε νέα μέλλοντα. Με πάνω από 1000 ενότητες, εκατοντάδες έτοιμα για εκτέλεση παραδείγματα, μια ολοκληρωμένη ποικιλία ολοκληρωμένων εργαλείων και την ευρύτερη επιλογή προηγμένων αλγόριθμων διαθέσιμες, KNIME Η πλατφόρμα Analytics είναι η τέλεια κιβώτιο εργαλείων για οποιονδήποτε επιστήμονα δεδομένων και επιχειρηματικό αναλυτή.

Αυτό το μάθημα για KNIME Analytics Platform είναι μια ιδανική ευκαιρία για αρχάριους, προηγμένους χρήστες και KNIME εμπειρογνώμονες να εισαχθούν στο KNIME, να μάθουν πώς να το χρησιμοποιούν πιο αποτελεσματικά, και πώς να δημιουργήσουν σαφείς, ολοκληρωμένες εκθέσεις με βάση KNIME ροές εργασίας

Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε επαγγελματίες δεδομένων που επιθυμούν να χρησιμοποιήσουν KNIME για την επίλυση πολύπλοκων επιχειρηματικών αναγκών.

Είναι στοχευμένο στο κοινό που δεν γνωρίζει το προγραμματισμό και σκοπεύει να χρησιμοποιήσει προηγμένα εργαλεία για την εφαρμογή αναλυτικών σενάρια.

Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:

• Εγκατάσταση και διαμόρφωση KNIME.
• Δημιουργία Data Science Σενάριο
• Τρένο, δοκιμές και επικυρωμένα μοντέλα
• Εφαρμογή στο τέλος της αλυσίδας αξίας των μοντέλων επιστήμης των δεδομένων

Η μορφή του μαθήματος

• Διαδραστική διάλεξη και συζήτηση.
• Πολλές ασκήσεις και πρακτικές.
• Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.

Επιλογές προσαρμογής μαθημάτων

• Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα ή για να μάθετε περισσότερα σχετικά με αυτό το πρόγραμμα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.