Cursos de Data Science Programme

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

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

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

The explosion of information and data in today’s world is un-paralleled, our ability to innovate and push the boundaries of the possible is growing faster than it ever has. The role of Data Scientist is one of the highest in-demand skills across industry today.

We offer much more than learning through theory; we deliver practical, marketable skills that bridge the gap between the world of academia and the demands of industry.

This 7 week curriculum  can be tailored to your specific Industry requirements, please contact us for further information or visit the Nobleprog Institute website 

Audience:

This programme is aimed post level graduates as well as anyone with the required pre-requisite skills which will be determined by an assessment and interview. 

Delivery:

Delivery of the course will be a mixture of Instructor Led Classroom and Instructor Led Online; typically the 1st week will be 'classroom led', weeks 2 - 6 'virtual classroom' and week 7  back to 'classroom led'. 

 

 

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.

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.

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

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.

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.

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

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 .

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.