SMACK Stack for Data Scienceのトレーニングコース

このインストラクターによるライブトレーニングは、Kaggleを使用してデータサイエンスを学び、キャリアを築きたいデータサイエンティストや開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• データサイエンスと機械学習について学ぶ
。
• データ分析について学ぶ
。
• Kaggleとその仕組みについて学ぶ
。

このインストラクターによるライブトレーニングは、Modinを使ってPandasの並列計算を構築・実装し、より高速なデータ分析を行いたいと考えているデータサイエンティストや開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• Modinを使って大規模なPandasワークフローの開発を始めるために必要な環境をセットアップする。
• Modinの機能、アーキテクチャ、利点を理解する。
• Modin、Dask、Ray の違いを知る。
• ModinでPandasの操作を高速に実行できる。
• PandasのAPIと関数をすべて実装する。

このインストラクターによるライブトレーニングは、RAPIDSを使用して、XGBoostやcuMLなどの機械学習アルゴリズムを適用し、GPUアクセラレーションによるデータパイプライン、ワークフロー、ビジュアライゼーションを構築したいデータサイエンティストや開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• NVIDIARAPIDSを使用してデータモデルを構築するために必要な開発環境をセットアップする。
• RAPIDSの機能、コンポーネント、および利点を理解する
。
• エンドツーエンドのデータおよび分析パイプラインを高速化するために GPU を活用する。
• cuDFとApache Arrowを使用して、GPUで高速化されたデータ準備とETLを実装する
。
• XGBoostとcuMLアルゴリズムで機械学習タスクを実行する方法を学ぶ
。
• cuXfilterとcuGraphを使用して、データの可視化を構築し、グラフ分析を実行します。

このインストラクターによるライブトレーニングは、Anacondaエコシステムを使用して、パッケージとデータ分析ワークフローを単一のプラットフォームでキャプチャ、管理、デプロイすることを希望するデータサイエンティストを対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• Anacondaコンポーネントとライブラリをインストールし設定する。
• Anacondaのコアコンセプト、機能、利点を理解する。
• Anaconda Navigator を使用してパッケージ、環境、チャンネルを管理する。
• データサイエンスと機械学習のために Conda、R、Python パッケージを使用する。
• 複数のデータ環境を管理するための実践的なユースケースとテクニックを知ることができます。

このインストラクターによるライブ・トレーニングでは、PythonとSparkを組み合わせてビッグデータを分析する方法を、実習を交えながら学びます。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• PythonでSparkを使ってビッグデータを分析する方法を学びます。
• 実際のケースを想定した演習に取り組みます。
• PySparkを使用したビッグデータ分析のためのさまざまなツールやテクニックを使用します。

このインストラクターによるライブ・トレーニングでは、グラフ・データを処理するためのテクノロジーと実装アプローチについて学びます。その目的は、実世界のオブジェクト、その特徴、関係を特定し、それらの関係をモデル化し、Graph Computing（グラフ分析とも呼ばれる）アプローチを使ってデータとして処理することです。本講演では、まず大まかな概要を説明し、ケーススタディ、実習、ライブデプロイメントを通して、特定のツールに絞り込んでいきます。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• グラフデータがどのように永続化され、トラバースされるかを理解する
。
• 与えられたタスクに最適なフレームワークを選択する（グラフデータベースからバッチ処理フレームワークまで）
。
• Hadoop、Spark、GraphX、Pregelを実装し、多数のマシンでグラフコンピューティングを並列に実行する
。
• 現実のビッグデータ問題をグラフ、プロセス、トラバーサルの観点から見る。

MLlibはSparkの機械学習（ML）ライブラリです。その目標は、実用的な機械学習をスケーラブルかつ簡単にすることです。これは、分類、回帰、クラスタリング、協調フィルタリング、次元削減、低レベルの最適化プリミティブ、高レベルのパイプラインAPIなど、一般的な学習アルゴリズムとユーティリティで構成されています。

これは2つのパッケージに分けられます。

• spark.mllibには、RDDの上に構築されたオリジナルのAPIが含まれています。

• spark.mlは、MLパイプラインを構築するためのDataFrameの上に構築された高レベルAPIを提供します。

観客

このコースは、 Apache Spark用の組み込みMachine Libraryを利用しようとしているエンジニアや開発者を対象としています。

コースの形式

• インタラクティブな講義とディスカッション。
• 多くの演習と実習
。
• ライブラボ環境での実践的な実装。

コース・カスタマイズ・オプション

• このコースのカスタマイズトレーニングをご希望の場合は、お問い合わせください。

概要

Communicationのサービスプロバイダー(CSP)は、コストを削減し、ユーザーごとに平均収入(ARPU)を最大化するための圧力に直面しており、優れた顧客体験を確保していますが、データの量は増え続けています。 グローバルモバイルデータトラフィックは、2016年までに78%の統合年間成長率(CAGR)で成長し、月間で10.8 exabytesに達する。

一方、CSPは、通話詳細記録(CDR)、ネットワークデータ、顧客データなど、大量のデータを生成しています。 これらのデータを完全に利用する企業は、競争の限界を獲得します。 エコノミスト・インテリジェンス・ユニット(The Economist Intelligence Unit)の最近の調査によると、データベースの意思決定を利用する企業は生産性の5～6%増加を享受している。 しかし、企業の53パーセントが価値のあるデータの半分しか利用できず、回答者の4分の1は、有用なデータの膨大な量が失われていることに気づいた。 データの量は非常に高く、手動分析は不可能であり、ほとんどの遺産ソフトウェアシステムは保存することができず、貴重なデータが無視または無視されるようになります。

Big Data & アナリティクス’ 高速、スケール可能なビッグデータソフトウェアで、CSPはより短時間でより良い意思決定のためにすべてのデータを採掘することができます。 さまざまな製品やテクニックは、ビッグデータからの洞察を収集、準備、分析、プレゼンするための最終的なソフトウェアプラットフォームを提供します。 アプリケーション分野には、ネットワークパフォーマンスモニタリング、詐欺検出、クライアントクルーン検出、クレジットリスク分析が含まれています。 Big Data & アナリティクス製品のスケールは、データのテラビットを処理するが、そのようなツールの実装には、新しいタイプのクラウドベースのデータベースシステムを必要とする(例えば、 Hadoop または大規模なスケールのパラレルコンピューティングプロセッサ(KPUなど)。

このコースは、生産性の向上と新しいビジネス収入の流れを開くためにCSPが投資しているすべての新興分野をカバーしています。 このコースは、Telcoにおける Big Data BI の完全な 360 度の概要を提供するので、意思決定者やマネージャーは、生産性と収益を得るためにTelcoにおける Big Data BI の可能性について非常に幅広く、包括的な概要を得ることができます。

コース目標

コースの主な目的は、4つのセクターで新しいビジネスインテリジェンステクニックを導入することです Telecom Business (Marketing/販売、ネットワーク運営、金融運営および顧客関係 Management)。 学生は以下に導入されます:

• 導入 Big Data-what is 4Vs (volume, velocity, variety and veracity) in Big Data- テルコの視点から生成、抽出、管理
• アナリティクスは遺産データアナリティクスとはどのように異なりますか?
• 内部の正当化 Big Data -Telcoの視点
• エコシステムへの導入 すべてのツールの知り合い Hive, 豚, SPARC –いつ、どのようにそれらが問題を解決するために使用されるか Big Data
• アナリティクスツールを分析するためにどのように Big Data を抽出するか Business Analysis’s は統合された Hadoop ダッシュボードアプローチを通じてデータの収集および分析の痛み点を減らすことができます。
• インサイグアナリティクス、ビジュアルアナリティクス、予測アナリティクスの基本的な導入 Telco
• クライアントチャーン分析と Big Data-how Big Data分析は、テルコケース研究におけるクライアントチャーンと顧客不満を減らすことができます。
• ネットワーク失敗およびサービス失敗分析 ネットワークメタデータおよびIPDR
• 財務分析詐欺、詐欺および売上および運用データからのROIの推定
• 顧客買収問題 - ターゲットマーケティング、顧客セグメンテーション、販売データからのクロスセールス
• すべての Big Data 分析製品の導入と概要とそれらがテルコ分析スペースに適している場所
• 結論 - あなたの組織に導入するためのステップ・ステップアプローチを取る方法 Big Data Business Intelligence

ターゲット観客

• ネットワーク運営、金融マネージャー、CRMマネージャー、テルコCIO事務所のトップITマネージャー。
• 【テレコのアナリスト】
• CFOオフィスマネージャー/アナリスト
• 運用マネージャー
• Qマネージャー

ビッグデータは非常に膨大で複雑なデータセットであるため、従来のデータ処理アプリケーションソフトウェアでは処理できません。ビッグデータの課題には、データのキャプチャ、データストレージ、データ分析、検索、共有、転送、視覚化、クエリ、更新、および情報のプライバシーが含まれます。

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'. 

このトレーニングの最初の部分では、 MATLABの基礎と、言語とプラットフォームの両方としての機能について説明します。ここでは、 MATLAB構文、配列と行列、データの視覚化、スクリプト開発、およびオブジェクト指向の原則について紹介します。

後半では、データマイニング、機械学習、および予測分析のためにMATLABを使用する方法を説明します。参加者にMATLABのアプローチと能力についての明確で実用的な観点を提供するために、 MATLABを使用することと、スプレッドシート、C、 C++ 、そしてVisual Basicのような他のツールを使用することの比較を描きます。

研修の第3部では、参加者はデータ処理とレポート生成を自動化することによって作業を合理化する方法を学びます。

コースを通して、参加者はラボ環境での実地演習を通して学んだアイデアを実践に移します。トレーニングの終わりまでに、参加者はMATLABの機能を十分に把握し、それを実際のデータ科学の問題を解決するために、そして自動化を通して作業を合理化するために利用することができます。

進捗状況を評価するために、コース全体を通して評価が行われます。

コースの形式

• コースには、ケースディスカッション、サンプルコードの検査、実践的な実装など、理論的および実践的な演習が含まれています。

注意

• プラクティスセッションは、事前に手配されたサンプルデータレポートテンプレートに基づいて行われます。具体的な要件がある場合は、手配を依頼してください。

Jupyter は、オープンソースの Web ベースのインタラクティブ IDE およびコンピューティング環境です。

このインストラクター主導のライブ トレーニング (オンラインまたはオンサイト) では、データ サイエンスにおける共同開発の考え方を紹介し、Jupyter を使用して「計算アイデアのライフ サイクル」をチームとして追跡および参加する方法を示します。参加者は、Jupyter エコシステムをベースにしたサンプル データ サイエンス プロジェクトの作成手順を順を追って学習します。

このトレーニングの終了までに、参加者は次のことができるようになります。

• Git 上のチーム リポジトリの作成と統合を含む、Jupyter をインストールして構成します。
• 拡張機能、インタラクティブ ウィジェット、マルチユーザー モードなどの Jupyter 機能を使用して、プロジェクトのコラボレーションを可能にします。
• チームメンバーと Jupyter Notebook を作成、共有、整理します。
• Scala、Python、Rから選択して、Apache Sparkなどのビッグデータシステムに対してコードを記述および実行します。すべてJupyterインターフェースを介して行われます。

コースの形式

• インタラクティブな講義とディスカッション。
• たくさんの練習と実践。
• ライブラボ環境での実践的な実装。

コースカスタマイズオプション

• Jupyter Notebookは、R、Python、Scala、Juliaなどを含む40以上の言語をサポートしています。このコースをご希望の言語にカスタマイズするには、お問い合わせください。

データサイエンスは、現実世界のデータを理解し、解釈するために、統計解析、機械学習、データ視覚化、およびプログラミングのアプリケーションです。F # は、効率的な実行、REPL、強力なライブラリ、拡張性に優れたデータ統合を組み合わせたもので、データ科学に適したプログラミング言語です。

このインストラクター主導のライブトレーニングでは、F # を使用して一連の現実世界のデータ科学の問題を解決する方法を受講者が学習します。

このトレーニングの終わりまでに、参加者は次のことができるようになります:

• は F # & #39 の統合データサイエンスパッケージを使用して
• は F # を使用して、Excel、R、Matlab、および Python
を含む他の言語およびプラットフォームと相互運用します。
• Deedle パッケージを使用して、時系列の問題を解決してください
• は、生産品質コード
の最小限のラインで高度な分析を行う
• は、関数型プログラミングが科学的およびビッグデータの計算にとって自然に適合する方法を理解する
F # でデータにアクセスして視覚化する
• は機械学習のための F # を適用する

は、ビジネスインテリジェンスやソーシャルゲームなどのドメインの問題のためのソリューションを探る

観客

• 開発者
• データサイエンティスト

形式

• 部講義、パート討論、演習と重い実地練習