Cursos de Ciencia de los datos en Columbia

Esta capacitación en vivo dirigida por un instructor en Columbia (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.

El curso de formación ayudará a los participantes a prepararse para el Desarrollo de Aplicaciones Web utilizando Python Programming con Data Analytics. Esta 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 del mundo real de Data Science y sus tecnologías, metodologías y herramientas relacionadas Los participantes tendrán la oportunidad de poner este conocimiento en práctica a través de ejercicios manuales La interacción grupal y la retroalimentación del instructor conforman 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 Conferencia de parte, parte de discusión, ejercicios y práctica manual Nota Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos .

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.

Esta es una introducción de 5 días a Data Science y AI. El curso se entrega con ejemplos y ejercicios con 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

Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a profesionales que desean comenzar una carrera en Data Science . Al final de esta capacitación, los participantes podrán:

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

Formato del curso

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

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en Columbia (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 Columbia (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.

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.

El servidor es el software empresarial para la colaboración de equipo, la automatización, la gestión y el despliegue de flujos de trabajo de la ciencia de datos como aplicaciones y servicios analíticos. Al final de este curso, los participantes podrán:

• Los flujos de trabajo de análisis de calendario se ejecutan automáticamente y se da más tiempo para centrarse en la ciencia de los datos.
• Control de flujos de trabajopara la gestión automática del modelo
• Ejecución del flujo de trabajo de escala y pin con una arquitectura de servidor bien equipada y de alto rendimiento que se configura a sus especificaciones.
• Diseñar, editar y ejecutar flujos de trabajo en el servidor utilizando el editor de flujo de trabajo remoto y aprovechar el hardware bien equipado en un entorno seguro.

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 capacitación en vivo dirigida por un instructor en Columbia (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 Columbia (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.

Práctico Quantum Computing: En vivo en línea Inicie su carrera en alta tecnología Este es un curso de capacitación en línea en vivo dirigido por un instructor de 10 horas . Después de su formación inmersiva, estará listo para comenzar a trabajar como desarrollador de computación cuántica de nivel básico. Al final de esta capacitación, 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

• Conferencia 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 concertar una cita.

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

Esta capacitación en vivo dirigida por un instructor en Columbia (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 Columbia (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.