Cursos de Ciencia de los datos en Pierre

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de nivel principiante que desean comprender el concepto de modelos preentrenados y aprender a aplicarlos para resolver problemas del mundo real sin construir modelos desde cero.

Al final de esta formación, los participantes serán capaces de:

• Comprender el concepto y las ventajas de los modelos previamente entrenados.
• Explore varias arquitecturas de modelos previamente entrenadas y sus casos de uso.
• Ajuste un modelo previamente entrenado para tareas específicas.
• Implemente modelos previamente entrenados en proyectos sencillos de aprendizaje automático.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a científicos y analistas de datos de nivel intermedio que deseen utilizar AWS Cloud9 para optimizar los flujos de trabajo de ciencia de datos.

Al final de esta formación, los participantes serán capaces de:

• Configure un entorno de ciencia de datos en AWS Cloud9.
• Realice análisis de datos con Python, R y Jupyter Notebook en Cloud9.
• Integre AWS Cloud9 con los servicios de datos de AWS, como S3, RDS y Redshift.
• Utilice AWS Cloud9 para el desarrollo y la implementación de modelos de aprendizaje automático.
• Optimice los flujos de trabajo basados en la nube para el análisis y el procesamiento de datos.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a participantes de nivel intermedio que desean automatizar y administrar flujos de trabajo de aprendizaje automático, incluida la capacitación, validación e implementación de modelos mediante Apache Airflow.

Al final de esta formación, los participantes serán capaces de:

• Configure Apache Airflow para la orquestación del flujo de trabajo de aprendizaje automático.
• Automatice el preprocesamiento de datos, el entrenamiento de modelos y las tareas de validación.
• Integre Airflow con marcos y herramientas de aprendizaje automático.
• Implemente modelos de aprendizaje automático mediante canalizaciones automatizadas.
• Supervise y optimice los flujos de trabajo de aprendizaje automático en producción.

Este entrenamiento en vivo, dirigido por un instructor (en línea o presencial) en Pierre, está orientado a científicos de datos y profesionales de TI principiantes que desean aprender los fundamentos del análisis de datos utilizando Google Colab.

Al finalizar este entrenamiento, los participantes podrán:

• Configurar y navegar por Google Colab.
• Escribir y ejecutar código básico de Python.
• Importar y manejar conjuntos de datos.
• Crear visualizaciones utilizando bibliotecas de Python.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) presenta la idea del desarrollo colaborativo en ciencia de datos y demuestra cómo usar Jupyter para rastrear y participar como equipo en el "ciclo de vida de una idea computacional".  Guía a los participantes a través de la creación de un proyecto de ciencia de datos de muestra basado en el ecosistema de Jupyter.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure Jupyter, incluida la creación e integración de un repositorio de equipo en Git.
• Utilice las funciones de Jupyter, como extensiones, widgets interactivos, modo multiusuario, etc., para habilitar la colaboración en proyectos.
• Cree, comparta y organice Jupyter Notebooks con los miembros del equipo.
• Elija entre Scala, Python, R, para escribir y ejecutar código en sistemas de big data como Apache Spark, todo a través de la interfaz de Jupyter.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a científicos de datos y desarrolladores que desean aprender y desarrollar sus carreras en Data Science utilizando Kaggle.

Al final de esta formación, los participantes serán capaces de:

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

En la primera parte de esta capacitación, cubrimos los fundamentos de MATLAB y su función como lenguaje y plataforma.  En esta discusión se incluye una introducción a MATLAB la sintaxis, matrices y matrices, la visualización de datos, el desarrollo de scripts y los principios orientados a objetos.

En la segunda parte, demostramos cómo usar MATLAB para la minería de datos, el aprendizaje automático y el análisis predictivo. Para proporcionar a los participantes una perspectiva clara y práctica del enfoque y el poder de MATLAB, establecemos 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 formación, los participantes aprenden a agilizar su trabajo automatizando 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 una comprensión profunda de las capacidades de MATLAB y podrán emplearlas para resolver problemas de ciencia de datos del mundo real, así como para optimizar su trabajo a través de la automatización.

Se llevarán a cabo evaluaciones a lo largo del curso para medir el progreso.

Formato del curso

• El curso incluye ejercicios teóricos y prácticos, que incluyen 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 preestablecidas. Si tiene requisitos específicos, póngase en contacto con nosotros para organizarlo.

El curso de formación ayudará a los participantes a prepararse para el desarrollo de aplicaciones web utilizando Python Programming con Data Analytics. Dicha visualización de datos es una gran herramienta para Top Management en la toma de decisiones.

Los participantes que completen esta capacitación obtendrán una comprensión práctica y del mundo real de Data Science y sus tecnologías, metodologías y herramientas relacionadas.

Los participantes tendrán la oportunidad de poner en práctica estos conocimientos a través de ejercicios prácticos. La interacción grupal y la retroalimentación del instructor constituyen un componente importante de la clase.

El curso comienza con una introducción a los conceptos elementales de Data Science, luego avanza hacia las herramientas y metodologías utilizadas en Data Science.

Audiencia

• Desarrolladores
• Analistas técnicos
• Consultores de TI

Formato del curso

• En parte conferencia, en parte discusión, ejercicios y práctica práctica intensa

Nota

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

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
• Descargar, instalar y mantener las mejores herramientas de desarrollo para crear aplicaciones financieras en Python
• Seleccionar y utilizar los paquetes y técnicas de programación más adecuados de Python para organizar, visualizar y analizar datos financieros de diversas fuentes (CSV, Excel, bases de datos, web, etc.)
• Construir aplicaciones que resuelvan problemas relacionados con la asignación de activos, el análisis de riesgos, el rendimiento de las inversiones y más
• Solucionar problemas, integrar, implementar y optimizar una aplicación en Python

Audiencia

• Desarrolladores
• Analistas
• Quants

Formato del curso

• Parte teórica, parte discusión, ejercicios y práctica intensiva

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 desee agregar o ampliar, por favor contáctenos para organizarlo.

Esta es una introducción de 5 días a Data Science y Artificial Intelligence (AI).

El curso se imparte con ejemplos y ejercicios utilizando Python 

Esta formación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales que desean comenzar una carrera en Data Science.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure Python y MySql.
• Comprenda qué es Data Science y cómo puede agregar valor a prácticamente cualquier negocio. 
• Aprende los fundamentos de la codificación en Python
• Aprender técnicas supervisadas y no supervisadas Machine Learning, y cómo implementarlas e interpretar los resultados.  

Formato del curso

• Charla y discusión interactiva.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) 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 formación, los participantes serán capaces de:

• Instale y configure Anaconda componentes y bibliotecas.
• 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 la gestión de múltiples entornos de datos.

Visión general

Los proveedores de servicios (CSP) se enfrentan a la presión de reducir los costes y maximizar los ingresos medios por usuario (ARPU), al tiempo que garantizan una excelente experiencia al cliente, pero los volúmenes de datos siguen creciendo. El tráfico global de datos móviles crecerá a una tasa de crecimiento anual compuesta (CAGR) del 78 por ciento hasta 2016, alcanzando los 10,8 exabytes por mes.

Mientras tanto, los CSP están generando grandes volúmenes de datos, incluidos los registros detallados de llamadas (CDR), los datos de red y los datos de los clientes. Las empresas que explotan al máximo estos datos obtienen una ventaja competitiva. Según una encuesta reciente de The Economist Intelligence Unit, las empresas que utilizan la toma de decisiones dirigida por datos disfrutan de un aumento del 5-6% en la productividad. Sin embargo, el 53% de las empresas aprovechan solo la mitad de sus valiosos datos, y una cuarta parte de los encuestados señaló que grandes cantidades 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 seguir el ritmo, lo que hace que los datos valiosos se descarten o se ignoren.

Con el software de big data escalable y de alta velocidad de Big Data & Analytics, los CSP pueden extraer todos sus datos para una mejor toma de decisiones en menos tiempo. Los diferentes productos y técnicas de Big Data proporcionan una plataforma de software de extremo a extremo para recopilar, preparar, analizar y presentar información a partir de Big Data. Las áreas de aplicación incluyen el monitoreo del rendimiento de la red, la detección de fraudes, la detección de pérdida de clientes y el análisis de riesgo crediticio. Los productos de Big Data y Analytics se escalan para manejar terabytes de datos, pero la implementación de tales herramientas necesita un nuevo tipo de sistema de base de datos basado en la nube como Hadoop o un procesador de computación paralela a escala masiva (KPU, etc.)

Este curso sobre Big Data BI para telecomunicaciones cubre todas las nuevas áreas emergentes en las que los CSP están invirtiendo para aumentar la productividad y abrir nuevas fuentes de ingresos comerciales. El curso proporcionará una visión completa de 360 grados de Big Data BI en Telco para que los responsables de la toma de decisiones y los gerentes puedan tener una visión general muy amplia y completa de las posibilidades de Big Data BI en Telco para la productividad y el aumento de ingresos.

Objetivos del curso

El objetivo principal del curso es introducir nuevas técnicas de inteligencia de negocio Big Data en 4 sectores de Telecom Negocio (Marketing/Ventas, Operación de Red, Operación Financiera y Gestión de Relaciones con el Cliente). A los estudiantes se les presentará lo siguiente:

• Introducción al Big Data: qué son las 4V (volumen, velocidad, variedad y veracidad) en Big Data: generación, extracción y gestión desde la perspectiva de las telecomunicaciones
• En qué se diferencia el análisis de Big Data del análisis de datos heredado
• Justificación interna de la perspectiva Big Data -Telco
• Introducción al ecosistema de Hadoop: familiaridad con todas las herramientas de Hadoop como Hive, Pig, SPARC: cuándo y cómo se utilizan para resolver problemas de Big Data.
• Cómo se extrae Big Data para analizarlo para la herramienta de análisis: cómo los análisis de negocios pueden reducir sus puntos débiles de recopilación y análisis de datos a través del enfoque integrado del panel de control de Hadoop
• Introducción básica de la analítica de Insight, la analítica de visualización y la analítica predictiva para las empresas de telecomunicaciones
• Análisis de pérdida de clientes y Big Data: cómo el análisis de Big Data puede reducir la pérdida de clientes y la insatisfacción de los clientes en los estudios de casos de telecomunicaciones
• Análisis de fallos de red y fallos de servicio a partir de metadatos de red e IPDR
• Análisis financiero: estimación de fraude, desperdicio y ROI a partir de datos operativos y de ventas
• Problema de adquisición de clientes: marketing objetivo, segmentación de clientes y venta cruzada a partir de datos de ventas
• Introducción y resumen de todos los productos analíticos de Big Data y dónde encajan en el espacio analítico de las telecomunicaciones
• Conclusión: cómo adoptar un enfoque paso a paso para introducir Big Data Business Intelligence en su organización

Público objetivo

• Operación de redes, gerentes financieros, gerentes de CRM y altos gerentes de TI en la oficina de CIO de telecomunicaciones.
• Business Analistas de telecomunicaciones
• Gerentes/analistas de la oficina del CFO
• Gerentes de operaciones
• Gerentes de control de calidad

Big data son conjuntos de datos que son tan voluminosos y complejos que el software de aplicación de procesamiento de datos tradicional es inadecuado para manejarlos. Los grandes desafíos de datos incluyen la captura de datos, el almacenamiento de datos, el análisis de datos, la búsqueda, el intercambio, la transferencia, la visualización, la consulta, la actualización y la privacidad de la información.

Este curso está dirigido a Marketing profesionales de ventas que tienen la intención de profundizar 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 de mercado, branding y CLV.

Diferencia de Marketing y Ventas: ¿en qué se diferencian las ventas y el marketing?

En palabras muy simples, las ventas se pueden denominar como un proceso que se enfoca o se dirige a individuos o grupos pequeños. Marketing Por otro lado, se dirige a un grupo más grande o al público en general. Marketing incluye la investigación (identificación de las necesidades del cliente), el desarrollo de productos (producción de productos innovadores) y la promoción del producto (a través de anuncios) y la creación de conciencia sobre el producto entre los consumidores. Como tal, el marketing significa generar clientes potenciales o prospectos. Una vez que el producto está en el mercado, es tarea del vendedor persuadir al cliente para que compre el producto. Las ventas significan convertir los clientes potenciales o potenciales en compras y pedidos, mientras que el marketing está dirigido a plazos más largos, las ventas pertenecen a objetivos más cortos.

KNIME La Plataforma de Analytics es una opción de código abierto líder para la innovación basada en datos, ayudando a descubrir el potencial oculto en sus datos, minas para nuevas perspectivas, o predecir nuevos futuros. Con más de 1000 módulos, cientos de ejemplos listos, una amplia gama de herramientas integradas, y la más amplia selección de algoritmos avanzados disponibles, KNIME Analytics Platform es la botella de herramientas perfecta para cualquier científico de datos y analista de negocios.

Este curso para KNIME Plataforma de Analytics es una oportunidad ideal para principiantes, usuarios avanzados y KNIME expertos para ser introducidos a KNIME, para aprender cómo utilizarlo de manera más eficaz, y cómo crear informes claros y completos basados en KNIME flujos de trabajo.

Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a profesionales de datos que desean utilizar KNIME para resolver las necesidades empresariales complejas.

Está dirigido al público que no sabe la programación y tiene la intención de utilizar herramientas avanzadas para implementar escenarios de análisis.

Al final de este curso, los participantes podrán:

• Instalar y configurar KNIME.
• Construcción Data Science escenarios
• Tren, pruebas y modelos validados
• La implementación termina con la cadena de valor final de los modelos de la ciencia de los datos

Formato del curso

• Lecciones y discusiones interactivas.
• Muchos ejercicios y prácticas.
• Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

• Para solicitar una formación personalizada para este curso o para saber más sobre este programa, por favor contacte con nosotros para organizar.

Esta formación en vivo dirigida por un instructor en Pierre (en línea o presencial) está destinada a analistas de datos intermedios, desarrolladores o científicos de datos aspirantes que desean aplicar técnicas de aprendizaje automático en Python para extraer insights, hacer predicciones y automatizar decisiones basadas en datos.

Al finalizar este curso, los participantes podrán:

• Comprender y diferenciar los principales paradigmas de aprendizaje automático.
• Explorar técnicas de preprocesamiento de datos y métricas de evaluación de modelos.
• Aplicar algoritmos de aprendizaje automático para resolver problemas de datos del mundo real.
• Utilizar bibliotecas de Python y cuadernos Jupyter para el desarrollo práctico.
• Construir modelos para predicción, clasificación, recomendación y agrupamiento.

Esta formación en vivo dirigida por un instructor en Pierre (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 formación, 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.

Práctico Quantum Computing: En vivo en línea

Lanza tu carrera en alta tecnología

Este es un curso de capacitación en línea en vivo de 10 horas dirigido por un instructor. Después de su capacitación inmersiva, estará listo para comenzar a trabajar como desarrollador de computación cuántica de nivel de entrada.

Al final de esta formación, los participantes serán capaces de:

• Ejecute y pruebe sus programas cuánticos con el IBM Q integrado
• Utilice Qiskit para crear, compilar y ejecutar programas de computación cuántica
• Trabajar con algoritmos cuánticos prácticos y avanzados como QAOA 
• Reformular los problemas del mundo real en un lenguaje de computación cuántica apropiado 

Formato del curso

• Charla interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a científicos de datos y desarrolladores que desean usar RAPIDS para crear canalizaciones, flujos de trabajo y visualizaciones de datos acelerados GPU, aplicando algoritmos de aprendizaje automático, como XGBoost, cuML etcetera.

Al final de esta formación, los participantes serán capaces de:

• Configure el entorno de desarrollo necesario para crear modelos de datos con NVIDIA RAPIDS.
• Comprenda las características, componentes y ventajas de RAPIDS.
• Aproveche GPUs para acelerar las canalizaciones de datos y análisis de extremo a extremo.
• Implemente la preparación de datos acelerada 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 Pierre (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 Pierre (en línea o presencial) está dirigida a científicos de datos y desarrolladores que desean usar Modin para crear e implementar cálculos paralelos con Pandas para un análisis de datos más rápido.

Al final de esta formación, los participantes serán capaces de:

• Configure el entorno necesario para comenzar a desarrollar Pandas flujos de trabajo a escala con Modin.
• Comprender 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.