Formation Predictive Modelling with R

Tidyverse est une collection de logiciels R polyvalents destinés au nettoyage, au traitement, à la modélisation et à la visualisation de données. Certains des packages inclus sont: ggplot2, dplyr, tidyr, readr, purrr et tibble.

Dans cette formation en direct animée par un instructeur, les participants apprendront à manipuler et à visualiser des données à l'aide des outils inclus dans Tidyverse .

À la fin de cette formation, les participants seront en mesure de:

• Effectuer une analyse des données et créer des visualisations attrayantes
• Tirer des conclusions utiles à partir de divers ensembles de données d'échantillons de données
• Filtrer, trier et résumer les données pour répondre à des questions exploratoires
• Transformez les données traitées en tracés linéaires, en barres et en histogrammes informatifs
• Importer et filtrer des données provenant de diverses sources de données, notamment Excel fichiers Excel , CSV et SPSS

Public

• Débutants à la langue R
• Débutants en analyse et visualisation de données

Format du cours

• Partie de conférence, partie de discussion, exercices et exercices intensifs

Résumé

Les fournisseurs de services (CSP) sont confrontés à une pression pour réduire les coûts et maximiser le revenu moyen par utilisateur (ARPU), tout en assurant une excellente expérience client, mais les volumes de données continuent de croître. Le trafic mondial de données mobiles va croître à un taux de croissance annuel combiné (CAGR) de 78 % à 2016, atteignant 10,8 exabytes par mois.

Pendant ce temps, les CSP génèrent de grands volumes de données, y compris les enregistrements détaillés des appels (CDR), les données réseau et les données client. Les entreprises qui exploitent pleinement ces données gagnent une limite concurrentielle. Selon une récente enquête de The Economist Intelligence Unit, les entreprises qui utilisent la prise de décision basée sur les données bénéficient d’une augmentation de productivité de 5-6%. Cependant, 53% des entreprises n’utilisent que la moitié de leurs données précieuses, et un quart des répondants a noté que de vastes quantités de données utiles ne sont pas utilisées. Les volumes de données sont si élevés que l'analyse manuelle est impossible, et la plupart des systèmes logiciels héréditaires ne peuvent pas se maintenir, ce qui entraîne que les données précieuses sont déchirées ou ignorées.

Avec Big Data & Analytics’ logiciel de big data à grande vitesse, scalable, les CSPs peuvent miner tous leurs données pour une meilleure prise de décision en moins de temps. Différents Big Data produits et techniques fournissent une plate-forme logicielle end-to-end pour la collecte, la préparation, l'analyse et la présentation d'informations sur les grandes données. Les domaines d'application comprennent la surveillance des performances du réseau, la détection de fraudes, la détection du client et l'analyse du risque de crédit. Big Data & Scale des produits d'analyse pour gérer des terabytes de données mais la mise en œuvre de ces outils nécessite un nouveau type de système de base de données basé sur le cloud comme Hadoop ou un processeur de calcul parallèle à grande échelle (KPU, etc.)

Ce cours travaille sur Big Data BI pour Telco couvre toutes les nouvelles zones émergentes dans lesquelles les CSP investissent pour augmenter la productivité et ouvrir de nouveaux flux de revenus d'affaires. Le cours fournira une vue complète de 360 degrés sur Big Data BI à Telco afin que les décideurs et les gestionnaires puissent avoir un aperçu très large et complet des possibilités de Big Data BI à Telco pour la productivité et l'amélioration des revenus.

Objectifs du cours

L'objectif principal du cours est d'introduire de nouvelles Big Data techniques d'intelligence d'affaires dans 4 secteurs de Telecom Business (Marketing/Ventes, Opération réseau, Opération financière et Relation client Management). Les étudiants seront introduits à suivre :

• Introduction à Big Data-ce qui est 4Vs (volume, vitesse, variété et veracité) dans Big Data- Génération, extraction et gestion de la perspective Telco
• Comment Big Data l'analytique diffère de l'analytique des données d'héritage
• La justification intérieure de la Big Data -Telco perspective
• Introduction à Hadoop Écosystème- familiarité avec tous les Hadoop outils tels que Hive, Pig, SPARC – quand et comment ils sont utilisés pour résoudre Big Data problème
• Comment Big Data est extrait pour l'analyse pour les outils d'analyse-comment Business Analysis’s peuvent réduire leurs points de douleur de collecte et d'analyse des données grâce à une approche intégrée Hadoop de tableau de bord
• Introduction fondamentale de l'analyse Insight, de l'analyse de la visualisation et de l'analyse prédictive pour Telco
• L'analyse client Churn et Big Data-comment Big Data peut réduire l'analyse client Churn et l'insatisfaction des clients dans les études de cas Telco
• Analyse d'échecs réseau et d'échecs de service à partir des méta-data réseau et IPDR
• Analyse financière-fraude, fraude et estimation du ROI à partir des ventes et des données opérationnelles
• Problème d'acquisition client-Marketing cible, segmentation client et cross-sales à partir des données de vente
• Introduction et résumé de tous Big Data produits d'analyse et où ils s'adaptent à l'espace d'analyse Telco
• Conclusion-comment prendre une approche étape par étape pour introduire Big Data Business Intelligence dans votre organisation

Audience cible

• Opération réseau, gestionnaires financiers, gestionnaires CRM et gestionnaires informatiques de premier plan dans le bureau du CIO de Telco.
• Business Analystes à Telco
• Gestionnaire de bureau / analystes
• gestionnaires opérationnels
• Général QA

Public

Si vous essayez de comprendre les données auxquelles vous avez accès ou souhaitez analyser des données non structurées disponibles sur le réseau (comme Twitter, Linked in, etc.), ce cours est pour vous.

Il s’adresse principalement aux décideurs et aux personnes qui doivent choisir les données qui méritent d’être collectées et celles qui méritent d’être analysées.

Cela ne vise pas les personnes qui configurent la solution, ces personnes bénéficieront d'une vue d'ensemble.

Mode de livraison

Pendant le cours, des exemples concrets de technologies principalement open source seront présentés aux délégués.

De courtes conférences seront suivies de présentations et d'exercices simples des participants.

Contenu et logiciel utilisés

Tous les logiciels utilisés sont mis à jour à chaque exécution du cours, nous vérifions donc les dernières versions possibles.

Il couvre le processus d'obtention, de formatage, de traitement et d'analyse des données, afin d'expliquer comment automatiser le processus de prise de décision avec l'apprentissage automatique.

R est un langage de programmation sans opensource pour le calcul statistique, l'analyse de données et les graphiques R est utilisé par un nombre croissant de gestionnaires et d'analystes de données au sein des entreprises et des universités R a une grande variété de paquets pour l'exploration de données .

L'analyse prédictive est le processus d'utilisation de l'analyse de données pour faire des prédictions sur le futur Ce processus utilise des données ainsi que des techniques d'exploration de données, de statistiques et d'apprentissage automatique pour créer un modèle prédictif de prévision d'événements futurs Dans cette formation en ligne, les participants apprendront à utiliser Matlab pour créer des modèles prédictifs et les appliquer à de grands ensembles de données pour prédire les événements futurs en fonction des données À la fin de cette formation, les participants seront en mesure de: Créer des modèles prédictifs pour analyser les modèles dans les données historiques et transactionnelles Utiliser la modélisation prédictive pour identifier les risques et les opportunités Construire des modèles mathématiques qui capturent les tendances importantes Utiliser les données des appareils et des systèmes d'entreprise pour réduire le gaspillage, gagner du temps ou réduire les coûts Public Développeurs Ingénieurs Les experts du domaine Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .

Les progrès technologiques et la quantité croissante d'informations transforment la manière dont la police est appliquée. Les défis que Big Data posent sont presque aussi difficile que Big Data promesse. Le stockage efficace des données est l’un de ces défis; l’analyser efficacement en est un autre.

Dans le cadre de cette formation en direct animée par un instructeur, les participants apprendront l’état d’esprit permettant d’approcher Big Data technologies Big Data , d’évaluer leur impact sur les processus et les politiques existants, et de mettre en œuvre ces technologies afin de détecter les activités criminelles et de les prévenir. Des études de cas d’organismes d’application de la loi du monde entier seront examinées pour mieux comprendre leurs approches, leurs défis et leurs résultats en matière d’adoption.

À la fin de cette formation, les participants seront en mesure de:

• Combinez Big Data technologie Big Data avec les processus de collecte de données traditionnels pour reconstituer une histoire au cours d'une enquête
• Mettre en œuvre des solutions industrielles de stockage et de traitement de données volumineuses pour l'analyse de données
• Préparer une proposition en vue de l'adoption des outils et des processus les plus adéquats pour permettre une approche des enquêtes criminelles fondée sur les données

Public

• Spécialistes de l'application de la loi avec une formation technique

Format du cours

• Partie de conférence, partie de discussion, exercices et exercices intensifs

This classroom based training session will contain presentations and computer based examples and case study exercises to undertake.

RapidMiner est une plateforme logicielle de science des données open source pour le prototypage et le développement rapides d'applications. Il comprend un environnement intégré pour la préparation des données, l'apprentissage automatique, l'apprentissage en profondeur, l'exploration de texte et l'analyse prédictive.

Au cours de cette formation en direct animée par un instructeur, les participants apprendront à utiliser RapidMiner Studio pour la préparation des données, l’apprentissage automatique et le déploiement de modèles prédictifs.

À la fin de cette formation, les participants seront en mesure de:

• Installer et configurer RapidMiner
• Préparer et visualiser des données avec RapidMiner
• Valider les modèles d'apprentissage machine
• Mashup des données et créer des modèles prédictifs
• Opérationnaliser l'analyse prédictive dans un processus métier
• Dépanner et optimiser RapidMiner

Public

• Scientifiques de données
• Ingénieurs
• Développeurs

Format du cours

• Partie de conférence, partie de discussion, exercices et exercices intensifs

Remarque

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux personnes techniques qui souhaitent construire des modèles d'apprentissage automatique en utilisant des algorithmes tels que GLM, Deep Learning et Random Forest.

A l'issue de cette formation, les participants seront capables de :

• Installer et configurer H2O.
• Créer des modèles d'apprentissage automatique à l'aide de différents algorithmes populaires.
• Evaluer les modèles en fonction du type de données et des besoins de l'entreprise.

Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux scientifiques et analystes de données qui souhaitent automatiser, évaluer et gérer des modèles prédictifs à l'aide des capacités d'apprentissage automatique de DataRobot.

A l'issue de cette formation, les participants seront capables de :

• Chargez les ensembles de données dans DataRobot pour analyser, évaluer et vérifier la qualité des données.
• Construire et former des modèles pour identifier les variables importantes et atteindre les objectifs de prédiction.
• Interpréter les modèles pour créer des informations utiles à la prise de décisions commerciales.
• Surveiller et gérer les modèles afin de maintenir une performance de prédiction optimisée.

Public

• les gestionnaires
• développeurs
• scientifiques
• étudiants

Format du cours

instructions et discussion en ligne OU ateliers en face-à-face

R  est un langage de programmation open-source gratuit pour la comptabilité statistique, l'analyse des données et les graphiques. La recherche est utilisée par un nombre croissant de gestionnaires et d'analystes de données à l'intérieur des sociétés et de l'académie. R a également trouvé des followers parmi des statistiques, des ingénieurs et des scientifiques sans compétences de programmation informatique qui le trouvent facile à utiliser. Sa popularité est due à l'utilisation croissante de l'exploitation de données pour divers objectifs tels que la fixation des prix publicitaires, la recherche de nouveaux médicaments plus rapidement ou des modèles financiers fine-tune. R a une grande variété de paquets pour l'exploitation de données.

Ce cours couvre la manipulation des objets dans R y compris les données de lecture, l'accès aux paquets R, l'écriture des fonctions R, et la création de graphiques informatifs. Il comprend l'analyse des données en utilisant des modèles statistiques communs. Le cours enseigne comment utiliser le logiciel R (https://www.r-project.org) à la fois sur une ligne de commande et dans une interface utilisateur graphique (GUI).

Ce cours permet aux délégués d’automatiser complètement le processus de prévision avec R

Public

Business (responsables marketing, chefs de produit, responsables de clientèle) et leurs équipes; professionnels de la connaissance client.

Vue d'ensemble

Le cours suit le cycle de vie du client: acquisition de nouveaux clients, gestion de la rentabilité des clients existants, fidélisation des clients et enfin compréhension des clients qui nous laissent et pourquoi. Nous travaillerons avec des données réelles (si anonymes) de divers secteurs, notamment les télécommunications, les assurances, les médias et la haute technologie.

Format

Formation dirigée par un instructeur au cours de cinq séances d'une demi-journée comprenant des exercices en classe et des devoirs. Il peut être dispensé en classe ou à distance (en ligne).

Ce cours est une introduction à l'application de réseaux de neurones à des problèmes du monde réel à l'aide du logiciel R-project.