Cursos de Ciencia de los datos en Carolina del Norte

Esta capacitación en vivo dirigida por un instructor en Carolina del Norte (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores que desean aprender y desarrollar sus carreras en Ciencia de Datos utilizando Kaggle. Al final de esta capacitación, los participantes serán capaces de:

• Obtenga más información sobre la ciencia de datos y el aprendizaje automático.
• Explora el análisis de datos.
• Obtenga más información sobre Kaggle y cómo funciona.

Jupyter es un entorno de computación e IDE interactivo de código abierto basado en la web. Este curso en vivo dirigido por un instructor introduce la idea del desarrollo colaborativo en la ciencia de datos y demuestra cómo usar Jupyter para rastrear y participar como un equipo en el "ciclo de vida de una idea computacional". Lleva a los participantes a través de la creación de un proyecto de muestra de ciencia de datos basado en la parte superior del ecosistema de Jupyter. Al final de esta capacitación, los participantes podrán:

• Instalar y configurar Jupyter, incluida la creación e integración de un repositorio de equipo en Git
• Utilice las funciones de Jupyter, como extensiones, widgets interactivos, modo multiusuario y más para habilitar la colaboración del proyecto
• Crea, comparte y organiza Jupyter Notebooks con miembros del equipo
• Elija entre Scala, Python, R, para escribir y ejecutar código contra sistemas de big data como Apache Spark, a través de la interfaz de Jupyter.

Audiencia

• Equipos de ciencia de datos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Nota

• El Juppyter Notebook admite más de 40 idiomas, incluidos R, Python, Scala, Julia, etc. Para personalizar este curso a su (s) idioma (s) de su elección, contáctenos para organizarlo.

En la primera parte de esta capacitación, cubrimos los fundamentos de MATLAB y su función como lenguaje y plataforma. Se incluye en esta discusión una introducción a la sintaxis, arreglos y matrices de MATLAB, visualización de datos, desarrollo de guiones y principios orientados a objetos. En la segunda parte, demostramos cómo usar MATLAB para minería de datos, aprendizaje automático y análisis predictivo. Para proporcionar a los participantes una perspectiva clara y práctica del enfoque y el poder de MATLAB, hacemos comparaciones entre el uso de MATLAB y el uso de otras herramientas como hojas de cálculo, C, C ++ y Visual Basic. En la tercera parte de la capacitación, los participantes aprenden a optimizar su trabajo al automatizar el procesamiento de datos y la generación de informes. A lo largo del curso, los participantes pondrán en práctica las ideas aprendidas a través de ejercicios prácticos en un entorno de laboratorio. Al final de la capacitación, los participantes tendrán un conocimiento completo de las capacidades de MATLAB y podrán emplearlo para resolver problemas de ciencia de datos del mundo real, así como para optimizar su trabajo a través de la automatización. Las evaluaciones se llevarán a cabo durante todo el curso para medir el progreso. Formato del curso

• El curso incluye ejercicios teóricos y prácticos, incluidas discusiones de casos, inspección de código de muestra e implementación práctica.

Nota

• Las sesiones de práctica se basarán en plantillas de informes de datos de muestra previamente organizadas. Si tiene requisitos específicos, contáctenos para hacer arreglos.

The training course will help the participants prepare for Web Application Development using Python Programming with Data Analytics. Such data visualization is a great tool for Top Management in decision making.

Participants who complete this training will gain a practical, real-world understanding of Data Science and its related technologies, methodologies and tools. Participants will have the opportunity to put this knowledge into practice through hands-on exercises. Group interaction and instructor feedback make up an important component of the class. The course starts with an introduction to elemental concepts of Data Science, then progresses into the tools and methodologies used in Data Science. Audience

• Developers
• Technical analysts
• IT consultants

Format of the Course

• Part lecture, part discussion, exercises and heavy hands-on practice

Note

• To request a customized training for this course, please contact us to arrange.

Python es un lenguaje de programación que ha ganado gran popularidad en la industria financiera. Utilizado por los mayores bancos de inversión y fondos de cobertura, se está empleando para construir una amplia gama de aplicaciones financieras que van desde los principales programas de negociación hasta los sistemas de gestión de riesgos. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar Python para desarrollar aplicaciones prácticas para resolver una serie de problemas específicos relacionados con las finanzas. Al final de esta capacitación, los participantes podrán:

• Comprender los fundamentos del lenguaje de programación Python
• Descargue, instale y mantenga las mejores herramientas de desarrollo para crear aplicaciones financieras en Python
• Seleccione y utilice los paquetes de Python más adecuados y las técnicas de programación para organizar, visualizar y analizar datos financieros de varias fuentes (CSV, Excel, bases de datos, web, etc.)
• Cree aplicaciones que resuelvan problemas relacionados con la asignación de activos, el análisis de riesgos, el rendimiento de la inversión y más
• Solucionar problemas, integrar, implementar y optimizar una aplicación de Python

Audiencia

• Desarrolladores
• Analistas
• Quants

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Nota

• Esta capacitación tiene como objetivo proporcionar soluciones para algunos de los principales problemas que enfrentan los profesionales de las finanzas. Sin embargo, si tiene un tema, herramienta o técnica en particular que desea agregar o elaborar más adelante, contáctenos para organizarlo.

This is a 5 day introduction to Data Science and Artificial Intelligence (AI). The course is delivered with examples and exercises using Python 

La ciencia de datos es la aplicación de análisis estadístico, aprendizaje automático, visualización de datos y programación con el fin de comprender e interpretar datos del mundo real. F # es un lenguaje de programación adecuado para la ciencia de datos, ya que combina una ejecución eficiente, REPL-scripting, potentes bibliotecas e integración de datos escalables. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar F # para resolver una serie de problemas de ciencia de datos del mundo real. Al final de esta capacitación, los participantes podrán:

• Use los paquetes de ciencia de datos integrados de F #
• Use F # para interoperar con otros lenguajes y plataformas, incluidos Excel, R, Matlab y Python.
• Usa el paquete Deedle para resolver problemas de series de tiempo
• Llevar a cabo análisis avanzados con líneas mínimas de código de calidad de producción
• Comprender cómo la programación funcional es una opción natural para los cálculos científicos y de big data
• Acceda y visualice datos con F #
• Aplicar F # para el aprendizaje automático
• Explore soluciones para problemas en dominios tales como inteligencia empresarial y juegos sociales

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

This instructor-led, live training (online or onsite) is aimed at professionals who wish to start a career in Data Science. By the end of this training, participants will be able to:

• Install and configure Python and MySql.
• Understand what Data Science is and how it can add value to virtually any business. 
• Learn the fundamentals of coding in Python
• Learn supervised and unsupervised Machine Learning techniques, and how to implement them and interpret the results.  

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Esta capacitación en vivo dirigida por un instructor en Carolina del Norte (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores que deseen utilizar RAPIDS para crear canalizaciones de datos, flujos de trabajo y visualizaciones aceleradas por GPU, aplicando algoritmos de aprendizaje automático, como XGBoost, cuML, etc. Al final de esta capacitación, los participantes serán capaces de:

• Configure el entorno de desarrollo necesario para crear modelos de datos con NVIDIA RAPIDS.
• Comprender las características, componentes y ventajas de RAPIDS.
• Aproveche las GPU para acelerar las canalizaciones de datos y análisis de extremo a extremo.
• Implemente la preparación de datos acelerada por GPU y ETL con cuDF y Apache Arrow.
• Aprenda a realizar tareas de aprendizaje automático con los algoritmos XGBoost y cuML.
• Cree visualizaciones de datos y ejecute análisis de gráficos con cuXfilter y cuGraph.

Esta capacitación en vivo dirigida por un instructor en Carolina del Norte (en línea o en el sitio) está dirigida a científicos de datos que desean utilizar el ecosistema Anaconda para capturar, administrar e implementar paquetes y flujos de trabajo de análisis de datos en una sola plataforma. Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure los componentes y bibliotecas de Anaconda.
• Comprender los conceptos básicos, las características y los beneficios de Anaconda.
• Administre paquetes, entornos y canales con Anaconda Navigator.
• Utilice los paquetes Conda, R y Python para la ciencia de datos y el aprendizaje automático.
• Conozca algunos casos de uso prácticos y técnicas para administrar múltiples entornos de datos.

Los proveedores de servicios de comunicaciones (CSP) se enfrentan a presiones para reducir los costos y maximizar el ingreso promedio por usuario (ARPU), a la vez que garantizan una excelente experiencia del cliente, pero los volúmenes de datos siguen creciendo. El tráfico global de datos móviles crecerá a una tasa de crecimiento anual compuesta (CAGR) de 78 por ciento a 2016, alcanzando 10.8 exabytes al mes. Mientras tanto, los CSP están generando grandes volúmenes de datos, incluyendo registros de detalle de llamadas (CDR), datos de red y datos de clientes. Las empresas que explotan plenamente estos datos ganan una ventaja competitiva. Según una encuesta reciente de The Economist Intelligence Unit, las empresas que utilizan la toma de decisiones orientada a datos disfrutan de un aumento de 5-6% en la productividad. Sin embargo, el 53% de las empresas aprovechan sólo la mitad de sus datos valiosos, y una cuarta parte de los encuestados señaló que gran cantidad de datos útiles no se explotan. Los volúmenes de datos son tan altos que el análisis manual es imposible, y la mayoría de los sistemas de software heredados no pueden mantenerse al día, lo que resulta en que los datos valiosos sean descartados o ignorados. Con el software de datos grande y escalable de Big Data & Analytics, los CSP pueden extraer todos sus datos para una mejor toma de decisiones en menos tiempo. Diferentes productos y técnicas de Big Data proporcionan una plataforma de software de extremo a extremo para recopilar, preparar, analizar y presentar información sobre grandes datos. Las áreas de aplicación incluyen monitoreo del rendimiento de la red, detección de fraude, detección de churn del cliente y análisis de riesgo de crédito. Big Data & Analytics escala de productos para manejar terabytes de datos, pero la implementación de tales herramientas necesitan un nuevo tipo de sistema de base de datos basado en nube como Hadoop o procesador de cálculo paralelo a gran escala (KPU, etc.) Este curso de trabajo sobre Big Data BI para Telco cubre todas las nuevas áreas emergentes en las que los CSP están invirtiendo para obtener ganancias de productividad y abrir nuevos flujos de ingresos empresariales. El curso proporcionará una visión completa de 360 ​​grados de Big Data BI en Telco para que los tomadores de decisiones y los gerentes puedan tener una visión muy amplia y completa de las posibilidades de Big Data BI en Telco para la productividad y la ganancia de ingresos. Objetivos del Curso El objetivo principal del curso es introducir nuevas técnicas de Business Intelligence de Big Data en 4 sectores de Telecom Business (Marketing / Ventas, Operación de Red, Operación Financiera y Gestión de Relaciones con Clientes). Los estudiantes serán presentados a:

• Introducción a Big Data-lo que es 4Vs (volumen, velocidad, variedad y veracidad) en Big Data-Generation, extracción y gestión desde la perspectiva de Telco
• Cómo el analista de Big Data difiere de los analistas de datos heredados
• Justificación interna de Big Data - perspectiva de Tcco
• Introducción al ecosistema de Hadoop - familiaridad con todas las herramientas de Hadoop como colmena, cerdo, SPARC - cuándo y cómo se utilizan para resolver el problema de Big Data
• Cómo se extraen los datos grandes para analizar para la herramienta de análisis-cómo Business Analysis puede reducir sus puntos de dolor de la recopilación y el análisis de datos a través del enfoque de panel integrado de Hadoop
• Introducción básica de análisis de Insight, análisis de visualización y análisis predictivo para Telco
• Analítica de Churn de clientes y datos grandes: cómo Big Data analítico puede reducir el abandono de clientes y la insatisfacción de los clientes en los estudios de casos de Telco
• Análisis de fracaso de la red y fallos de servicio de Metadatos de red e IPDR
• Análisis financiero-fraude, desperdicio y estimación de ROI de ventas y datos operativos
• Problema de adquisición de clientes: marketing objetivo, segmentación de clientes y ventas cruzadas a partir de datos de ventas
• Introducción y resumen de todos los productos analíticos de Big Data y donde encajan en el espacio analítico de Telco
• Conclusión: cómo tomar un enfoque paso a paso para introducir Big Data Business Intelligence en su organización

Público objetivo

• Operaciones de red, Gerentes Financieros, Gerentes de CRM y altos gerentes de TI en la oficina de Telco CIO.
• Analistas de Negocios en Telco
• Gerentes / analistas de oficina de CFO
• Gerentes operacionales
• Gerentes de control de calidad

Este curso está dirigido a profesionales de ventas de marketing que tienen la intención de obtener
más profundo en la aplicación de la ciencia de datos en Marketing / Ventas. El curso proporciona
cobertura detallada de las diferentes técnicas de ciencia de datos utilizadas para "upsale", "cross-sale",
segmentación del mercado, marca y CLV.
Diferencia de marketing y ventas: ¿cómo es que las ventas y el marketing son diferentes? En muy simple
En palabras, las ventas pueden denominarse como un proceso que se enfoca o se dirige a individuos o grupos pequeños.
Por otro lado, el marketing se dirige a un grupo más grande o al público en general.
El marketing incluye investigación (identificación de las necesidades del cliente), desarrollo de productos (producción
productos innovadores) y promover el producto (a través de anuncios) y crear conciencia sobre
el producto entre los consumidores. Como tal marketing significa generar clientes potenciales o prospectos. Una vez el
producto está en el mercado, es la tarea del vendedor persuadir al cliente para que compre el
producto. Bueno, las ventas significan convertir clientes potenciales o prospectos en compras y pedidos.
Si bien el marketing está dirigido a plazos más largos, las ventas se refieren a objetivos más cortos. El marketing implica una mayor
proceso de crear un nombre para una marca y persuadir al cliente para que lo compre aunque no lo necesite.
Donde las ventas solo implican un proceso a corto plazo para encontrar al consumidor objetivo.
En concepto también, las ventas y el marketing tienen mucha diferencia. Las ventas solo se enfocan en convertir al consumidor
la demanda coincide con los productos. Pero los objetivos de marketing para satisfacer las demandas del consumidor.
El marketing se puede llamar como un pie de página para las ventas. Prepara el terreno para que un vendedor se acerque a un
consumidor. El marketing como tal no es directo y utiliza varios métodos como publicidad, marketing de marca,
relaciones públicas, correos directos y marketing viral para crear conciencia sobre el producto. Las ventas dependen
a menudo interacciones interpersonales. Las ventas involucran reuniones uno a uno, redes y llamadas.
Otra diferencia que se ve entre el marketing y las ventas es que la primera implica tanto micro y
análisis macro centrado en intenciones estratégicas. Por otro lado, las ventas se refieren a los desafíos y
relaciones con el cliente.

KNIME Analytics Platform is a leading open source option for data-driven innovation, helping you discover the potential hidden in your data, mine for fresh insights, or predict new futures. With more than 1000 modules, hundreds of ready-to-run examples, a comprehensive range of integrated tools, and the widest choice of advanced algorithms available, KNIME Analytics Platform is the perfect toolbox for any data scientist and business analyst. This course for KNIME Analytics Platform is an ideal opportunity for beginners, advanced users and KNIME experts to be introduced to KNIME, to learn how to use it more effectively, and how to create clear, comprehensive reports based on KNIME workflows This instructor-led, live training (online or onsite) is aimed at data professionals who wish to use KNIME to solve complex business needs. It is targeted for the audience that doesn't know programming and intends to use cutting edge tools to implement analytics scenarios By the end of this training, participants will be able to:

• Install and configure KNIME.
• Build Data Science scenarios
• Train, test and validate models
• Implement end to end value chain of data science models

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course or to know more on this program, please contact us to arrange.

KNIME Server is the enterprise software for team-based collaboration, automation, management, and deployment of data science workflows as analytical applications and services. By the end of this training, participants will be able to:

• Schedule analytics workflows to run automatically and give yourself more time to focus on data science.
• Control workflows to automate model management
• Scale and pin workflow execution with well provisioned, high performance server architecture which is configured to your specifications.
• Design, edit, and execute workflows on KNIME Server using the remote workflow editor and take advantage of well provisioned hardware in a secure environment.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course or to know more on this program, please contact us to arrange.

Esta capacitación en vivo dirigida por un instructor en Carolina del Norte (en línea o en el sitio) está dirigida a científicos de datos que desean consultar fuentes de big data con Presto. Al final de esta capacitación, los participantes serán capaces de:

• Emplee los conceptos clave de Presto para optimizar los sistemas modernos de big data.
• Utilice Presto para ejecutar almacenes a escala de exabytes.
• Clonar datos en un sistema de almacenamiento de datos propietario.
• Trabaje con herramientas de BI existentes, como R y Tableau.

Esta formación en vivo dirigida por un instructor en Carolina del Norte (en línea o presencial) está dirigida a analistas de datos y desarrolladores web que deseen desarrollar modelos asociativos en Qlik Sense. Al final de esta capacitación, los participantes serán capaces de:

• Aplique Qlik Sense en la ciencia de datos.
• Utilice y navegue por la interfaz de Qlik Sense.
• Cree una fuerza laboral alfabetizada en datos con la interacción de IA.
• Cree una empresa basada en datos con Qlik Sense.

Practical Quantum Computing: Live Online Launch your high-tech career This is a 10 hour instructor-led, live online training course. After your immersive training, you will be ready to start work as an entry level quantum computing developer. By the end of this training, participants will be able to:

• Run and test your quantum programs with the integrated IBM Q
• Use Qiskit to create, compile, and execute quantum computing programs
• Working with practical and advanced quantum algorithms such as QAOA 
• Recast real-world problems into an appropriate quantum computing language

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Esta sesión de capacitación en el aula contendrá presentaciones y sesiones de preguntas y respuestas

Esta capacitación en vivo dirigida por un instructor en Carolina del Norte (en línea o en el sitio) está dirigida a científicos de datos que desean utilizar la pila SMACK para crear plataformas de procesamiento de datos para soluciones de big data. Al final de esta capacitación, los participantes serán capaces de:

• Implemente una arquitectura de canalización de datos para procesar big data.
• Desarrollar una infraestructura de clúster con Apache, Mesos y Docker.
• Analice los datos con Spark y Scala.
• Gestione datos no estructurados con Apache Cassandra.

Esta capacitación en vivo dirigida por un instructor en Carolina del Norte (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores que deseen usar Modin para construir e implementar cálculos paralelos con Pandas para un análisis de datos más rápido. Al final de esta capacitación, los participantes serán capaces de:

• Configure el entorno necesario para comenzar a desarrollar Pandas flujos de trabajo a escala con Modin.
• Comprenda las características, la arquitectura y las ventajas de Modin.
• Conoce las diferencias entre Modin, Dask y Ray.
• Realice Pandas operaciones más rápido con Modin.
• Implemente toda la API Pandas y las funciones.