Cursos de Visual Analytics - Ciencia de datos

Esta capacitación en vivo dirigida por un instructor en México (en línea o en el sitio) está dirigida a personas técnicas que deseen construir modelos de aprendizaje automático utilizando algoritmos como GLM, Deep Learning y Random Forests.

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

• Instale y configure H2O.
• Cree modelos de aprendizaje automático utilizando diferentes algoritmos populares.
• Evalúe los modelos en función del tipo de datos y los requisitos empresariales.

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

Los avances en las tecnologías y la creciente cantidad de información están transformando la forma en que se lleva a cabo la aplicación de la ley. Los desafíos que plantea Big Data son casi tan desalentadores como la promesa de Big Data. Almacenar datos de manera eficiente es uno de estos desafíos; analizarlo efectivamente es otro.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán la mentalidad con la cual abordarán las tecnologías de Big Data, evaluarán su impacto en los procesos y políticas existentes, e implementarán estas tecnologías con el propósito de identificar la actividad delictiva y prevenir el delito. Se examinarán estudios de casos de organizaciones de orden público de todo el mundo para obtener información sobre sus enfoques, desafíos y resultados de adopción.

Al final de esta capacitación, los participantes podrán:

• Combine la tecnología Big Data con procesos tradicionales de recopilación de datos para armar una historia durante una investigación
• Implementar soluciones industriales de almacenamiento y procesamiento de big data para el análisis de datos
• Preparar una propuesta para la adopción de las herramientas y procesos más adecuados para permitir un enfoque basado en datos para la investigación criminal

Audiencia

• Especialistas en aplicación de la ley con experiencia técnica

Formato del curso

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

Audiencia

Si intenta dar sentido a los datos a los que tiene acceso o desea analizar datos no estructurados disponibles en la red (como Twitter, Linked in, etc ...) este curso es para usted.

Está dirigido principalmente a los tomadores de decisiones y las personas que necesitan elegir qué datos vale la pena recopilar y qué vale la pena analizar.

No está dirigido a las personas que configuran la solución, esas personas se beneficiarán de la imagen grande sin embargo.

Modo de entrega

Durante el curso se presentarán a los delegados ejemplos prácticos de la mayoría de las tecnologías de código abierto.

Las conferencias cortas serán seguidas por la presentación y los ejercicios simples por los participantes

Contenido y software utilizados

Todo el software utilizado se actualiza cada vez que se ejecuta el curso, así que verificamos las versiones más recientes posibles.

Cubre el proceso de obtener, formatear, procesar y analizar los datos, para explicar cómo automatizar el proceso de toma de decisiones con el aprendizaje automático.

Esta capacitación en vivo dirigida por un instructor en México (en línea o en el sitio) está dirigida a científicos de datos y analistas de datos que deseen automatizar, evaluar y administrar modelos predictivos utilizando las capacidades de aprendizaje automático de DataRobot.

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

• Cargue conjuntos de datos en DataRobot para analizar, evaluar y comprobar la calidad de los datos.
• Construya y entrene modelos para identificar variables importantes y cumplir con los objetivos de predicción.
• Interprete los modelos para crear información valiosa que sea útil para tomar decisiones empresariales.
• Supervise y gestione los modelos para mantener un rendimiento de predicción optimizado.

El análisis predictivo es el proceso de usar el análisis de datos para hacer predicciones sobre el futuro. Este proceso utiliza datos junto con la extracción de datos, estadísticas y técnicas de aprendizaje automático para crear un modelo predictivo para pronosticar eventos futuros.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar Matlab para construir modelos predictivos y aplicarlos a grandes conjuntos de datos de muestra para predecir eventos futuros basados en los datos.

Al final de esta capacitación, los participantes podrán:

• Crear modelos predictivos para analizar patrones en datos históricos y transaccionales
• Use modelos predictivos para identificar riesgos y oportunidades
• Cree modelos matemáticos que capturen tendencias importantes
• Use datos de dispositivos y sistemas comerciales para reducir el desperdicio, ahorrar tiempo o reducir costos

Audiencia

• Desarrolladores
• Ingenieros
• Expertos de dominio

Formato del curso

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

R es un lenguaje de programación libre de código abierto para computación estadística, análisis de datos y gráficos. R es utilizado por un número creciente de gerentes y analistas de datos dentro de las corporaciones y el mundo académico. R tiene una amplia variedad de paquetes para minería de datos.

RapidMiner es una plataforma de software de ciencia de datos de código abierto para la creación rápida de prototipos y desarrollo de aplicaciones. Incluye un entorno integrado para la preparación de datos, aprendizaje automático, aprendizaje profundo, minería de texto y análisis predictivo.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar RapidMiner Studio para la preparación de datos, el aprendizaje automático y la implementación del modelo predictivo.

Al final de esta capacitación, los participantes podrán:

• Instalar y configurar RapidMiner
• Prepare y visualice datos con RapidMiner
• Validar modelos de aprendizaje automático
• Combina datos y crea modelos predictivos
• Operacionalice el análisis predictivo dentro de un proceso comercial
• Solucionar problemas y optimizar RapidMiner

Audiencia

• Científicos de datos
• Ingenieros
• Desarrolladores

Formato del curso

• Conferencia parcial, discusión parcial, ejercicios y práctica práctica.

Nota

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

Esta capacitación en vivo dirigida por un instructor en México (en línea o en el sitio) está dirigida a profesionales de software de nivel intermedio que deseen aprovechar la IA y el aprendizaje automático para mejorar la eficiencia y la innovación en el desarrollo de software.

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

• Comprender el papel de la IA y el aprendizaje automático en la automatización de las tareas de desarrollo de software.
• Implemente herramientas de IA para generar código, pruebas y documentación.
• Aplique técnicas de IA para la optimización del código, el control de calidad y la depuración.
• Integre la IA en las canalizaciones DevOps y CI/CD para mejorar las estrategias de implementación.
• Abordar las consideraciones éticas y los desafíos en la ingeniería de software aumentada por IA.

Esta capacitación en vivo dirigida por un instructor en México (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar asistentes de codificación de IA en su flujo de trabajo de desarrollo.

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

• Comprender el papel y las capacidades de los asistentes de codificación de IA en el desarrollo de software.
• Utilice varias herramientas de asistente de codificación de IA para automatizar las tareas de codificación rutinarias.
• Integre los asistentes de codificación de IA en su ciclo de vida de desarrollo de software.
• Mejore su productividad y concéntrese en tareas de programación más complejas y creativas.
• Abordar las consideraciones éticas y el uso responsable de la IA en el desarrollo de software.

Esta es una introducción de 5 días a Data Science y AI.

El curso se entrega con ejemplos y ejercicios con Python

Esta capacitación en vivo dirigida por un instructor en México (en línea o en el sitio) está dirigida a especialistas en marketing que desean utilizar la IA para mejorar las estrategias de marketing digital a través de valiosos conocimientos de los clientes.

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

• Aproveche el software de IA para mejorar la forma en que las marcas se conectan con los usuarios.
• Utiliza chatbots para optimizar la experiencia del usuario.
• Aumente la productividad y los ingresos a través de la automatización de tareas.

Esta capacitación en vivo dirigida por un instructor en México (en línea o en el sitio) está dirigida a gerentes y líderes empresariales que deseen aprender sobre los fundamentos de la inteligencia artificial y administrar proyectos de IA para su organización.

Al final de esta formación, los participantes serán capaces de entender la IA a nivel técnico y elaborar estrategias utilizando los datos y recursos de su organización para gestionar con éxito los proyectos de IA.

Esta capacitación en vivo dirigida por un instructor en México (en línea o en el sitio) está dirigida a ingenieros que desean programar y crear robots a través de métodos básicos de IA.

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

• Implemente filtros (Kalman y partículas) para permitir que el robot localice objetos en movimiento en su entorno.
• Implemente algoritmos de búsqueda y planificación de movimiento.
• Implemente controles PID para regular el movimiento de un robot dentro de un entorno.
• Implemente algoritmos SLAM para permitir que un robot mapee un entorno desconocido.