數據科學導論培訓

這是一個爲期5天的數據科學與人工智能（AI）入門課程。

課程通過Python的示例和練習進行講解。

本次由講師指導的培訓（線上或線下）面向中級參與者，旨在幫助他們使用Apache Airflow自動化和管理機器學習工作流，包括模型訓練、驗證和部署。

培訓結束後，參與者將能夠：

• 設置Apache Airflow以進行機器學習工作流編排。
• 自動化數據預處理、模型訓練和驗證任務。
• 將Airflow與機器學習框架和工具集成。
• 使用自動化管道部署機器學習模型。
• 監控和優化生產中的機器學習工作流。

這種由 講師指導的 香港 現場培訓（在線或現場）面向希望使用 Anaconda 生態系統在單一平臺中捕獲、管理和部署軟體包和數據分析工作流 的數據科學家。

在本次培訓結束時，參與者將能夠：

• 安裝和配置 Anaconda 個元件和庫。
• 瞭解 Anaconda 的核心概念、功能和優勢。
• 使用 Anaconda Navigator 管理包、環境和頻道。
• 將 Conda、R 和 Python 包用於數據科學和機器學習。
• 瞭解管理多個數據環境的一些實際使用案例和技術。

本課程爲講師指導的培訓，在 香港（線上或線下）進行，面向希望使用 AWS Cloud9 簡化數據科學工作流程的中級數據科學家和分析師。

培訓結束後，參與者將能夠：

• 在 AWS Cloud9 中設置數據科學環境。
• 在 Cloud9 中使用 Python、R 和 Jupyter Notebook 進行數據分析。
• 將 AWS Cloud9 與 AWS 數據服務（如 S3、RDS 和 Redshift）集成。
• 使用 AWS Cloud9 進行機器學習模型的開發和部署。
• 優化基於雲的數據分析和處理工作流程。

本次由講師主導的培訓在香港（線上或線下）進行，面向初學者級別的數據科學家和 IT 專業人士，旨在幫助他們學習使用 Google Colab 進行數據科學的基礎知識。

在培訓結束後，參與者將能夠：

• 設置和導航 Google Colab。
• 編寫和執行基本的 Python 代碼。
• 導入和處理數據集。
• 使用 Python 庫創建可視化。

完成本培訓的學員將獲得對數據科學及其相關技術、方法和工具的實踐性、現實世界的理解。

學員將有機會通過動手練習將所學知識付諸實踐。小組互動和講師反饋是課程的重要組成部分。

課程從數據科學的基本概念介紹開始，然後逐步深入數據科學中使用的工具和方法。

受衆

• 開發者
• 技術分析師
• IT顧問

課程形式

• 部分講座，部分討論，練習和大量動手實踐

注意

• 如需爲此課程定製培訓，請聯繫我們安排。

大數據是如此龐大和復雜的數據集，傳統的數據處理應用軟件不足以處理它們。大數據挑戰包括捕獲數據，數據存儲，數據分析，搜索，共享，傳輸，可視化，查詢，更新和信息隱私。

本課程面向市場營銷和銷售專業人士，旨在深入探討數據科學在市場營銷和銷售中的應用。課程詳細介紹了用於“向上銷售”、“交叉銷售”、市場細分、品牌建設和客戶終身價值（CLV）的各種數據科學技術。

市場營銷與銷售的區別 - 銷售和市場營銷有何不同？

簡單來說，銷售可以被視爲一個專注於個人或小羣體的過程。而市場營銷則針對更大的羣體或公衆。市場營銷包括研究（識別客戶需求）、產品開發（生產創新產品）和產品推廣（通過廣告）以及在消費者中建立產品意識。因此，市場營銷意味着生成潛在客戶或線索。一旦產品進入市場，銷售人員的工作就是說服客戶購買產品。銷售意味着將潛在客戶或線索轉化爲購買和訂單，而市場營銷則着眼於長期目標，銷售則與短期目標相關。

本課程爲講師引導的培訓（線上或線下），介紹了數據科學中的協作開發理念，並演示瞭如何使用 Jupyter 跟蹤並作爲團隊參與“計算想法的生命週期”。課程將帶領學員基於 Jupyter 生態系統創建一個示例數據科學項目。

在本課程結束時，學員將能夠：

• 安裝和配置 Jupyter，包括在 Git 上創建和集成團隊倉庫。
• 使用 Jupyter 的擴展、交互式小部件、多用戶模式等功能，實現項目協作。
• 與團隊成員創建、共享和組織 Jupyter Notebook。
• 通過 Jupyter 界面選擇 Scala、Python、R 等語言，編寫並執行鍼對 Apache Spark 等大數據系統的代碼。

這個由 講師指導的 香港 現場培訓（在線或現場）面向希望在 Data Science 中使用 Kaggle 學習和建立職業生涯的數據科學家和開發人員。

在本次培訓結束時，參與者將能夠：

• 了解數據科學和機器學習。
• 探索數據分析。
• 瞭解 Kaggle 及其工作原理。

KNIME分析平臺是數據驅動創新的領先開源選擇，幫助您發現數據中隱藏的潛力，挖掘新的見解，或預測未來。擁有超過1000個模塊、數百個即用示例、全面的集成工具集以及最廣泛的高級算法選擇，KNIME分析平臺是任何數據科學家和業務分析師的完美工具箱。

本課程爲KNIME分析平臺提供了理想的機會，適合初學者、高級用戶和KNIME專家，介紹KNIME，學習如何更有效地使用它，並基於KNIME工作流創建清晰、全面的報告。

本次由講師主導的培訓（線上或線下）面向希望使用KNIME解決複雜業務需求的數據專業人士。

目標受衆是不懂編程，但希望使用前沿工具實現分析場景的人員。

培訓結束後，學員將能夠：

• 安裝和配置KNIME。
• 構建數據科學場景。
• 訓練、測試和驗證模型。
• 實現數據科學模型的端到端價值鏈。

課程形式

• 互動講座和討論。
• 大量練習和實踐。
• 在即時實驗室環境中進行實操。

課程定製選項

• 如需爲本課程定製培訓或瞭解更多信息，請聯繫我們安排。

在本培訓的第一部分，我們將介紹 MATLAB 的基礎知識及其作為語言和平臺的功能。  本次討論包括對 MATLAB 語法、陣列和矩陣、數據可視化、腳本開發和面向對象原則的介紹。

在第二部分中，我們將演示如何使用 MATLAB 進行數據挖掘、機器學習和預測分析。為了向參與者提供一個清晰而實用的視角來瞭解 MATLAB 的方法和能力，我們將使用 MATLAB 與使用其他工具（如電子表格、C、C++ 和 Visual Basic）進行比較。

在培訓的第三部分，參與者學習如何通過自動化數據處理和報告生成來簡化他們的工作。

在整個課程中，參與者將通過實驗室環境中的實踐練習將學到的想法付諸實踐。在培訓結束時，參與者將全面掌握 MATLAB 的能力，並能夠利用它來解決現實世界的數據科學問題，以及通過自動化來簡化他們的工作。

將在整個課程中進行評估，以衡量進展情況。

課程形式

• 課程包括理論和實踐練習，包括案例討論、示例代碼檢查和動手實施。

注意

• 實踐課程將基於預先安排的樣本數據報告範本。如果您有具體要求，請聯繫我們安排。

這項由講師指導的香港（線上或線下）培訓，針對中級數據分析師、開發人員或有志成為數據科學家的人士，旨在應用機器學習技術於Python中，以提取洞察、進行預測並自動化數據驅動的決策。

在本課程結束時，參與者將能夠：

• 理解並區分關鍵的機器學習範式。
• 探索數據預處理技術和模型評估指標。
• 應用機器學習算法解決實際數據問題。
• 使用Python庫和Jupyter筆記本進行實作開發。
• 構建用於預測、分類、推薦和聚類的模型。

這種由 講師指導的 香港 現場現場培訓（在線或現場）面向希望使用 Modin 構建和實施並行計算的數據科學家和開發人員 Pandas 以加快數據分析速度。

在本次培訓結束時，參與者將能夠：

• 設置必要的環境，開始使用 Modin 大規模開發 Pandas 工作流。
• 瞭解 Modin 的功能、架構和優勢。
• 瞭解 Modin、Dask 和 Ray 之間的區別。
• 使用 Modin 更快地執行 Pandas 操作。
• 實現整個 Pandas API 和函數。

本次由講師指導的線下或線上培訓，面向希望使用RAPIDS構建GPU加速的數據管道、工作流和可視化的數據科學家和開發者，應用如XGBoost、cuML等機器學習算法。

培訓結束後，參與者將能夠：

• 設置必要的開發環境，使用NVIDIA RAPIDS構建數據模型。
• 瞭解RAPIDS的特性、組件和優勢。
• 利用GPU加速端到端的數據和分析管道。
• 使用cuDF和Apache Arrow實現GPU加速的數據準備和ETL。
• 學習如何使用XGBoost和cuML算法執行機器學習任務。
• 使用cuXfilter和cuGraph構建數據可視化並執行圖分析。