Cursos de Data Cleaning

Audiencia

Analistas, investigadores, científicos, graduados y estudiantes y cualquiera que esté interesado en aprender cómo facilitar el análisis estadístico en Microsoft Excel.

Objetivos del Curso

Este curso ayudará a mejorar su familiaridad con Excel y las estadísticas y como resultado aumentar la eficacia y la eficiencia de su trabajo o investigación.

Este curso describe cómo usar el Analysis ToolPack en Microsoft Excel, funciones estadísticas y cómo realizar procedimientos estadísticos básicos. Explicará las limitaciones de Excel y cómo superarlas.

R es un entorno de código abierto muy popular para la computación estadística, el análisis de datos y los gráficos. Este curso presenta el lenguaje de programación R a los estudiantes.  Cubre los fundamentos del lenguaje, las bibliotecas y los conceptos avanzados.  Análisis de datos avanzados y gráficos con datos del mundo real.

Audiencia

Desarrolladores / análisis de datos

Duración

3 días

Formato

Conferencias y prácticas

Este curso cubre cómo usar el lenguaje Hive SQL (AKA: Hive HQL, SQL en Hive, HiveQL) para personas que extraen datos de Hive

Pandas es un paquete Python que proporciona estructuras de datos para trabajar con datos estructurados (tabulares, multidimensionales, potencialmente heterogéneos) y de series temporales.

El descubrimiento de conocimiento en bases de datos (KDD) es el proceso de descubrir conocimiento útil de una colección de datos. Las aplicaciones de la vida real para esta técnica de minería de datos incluyen marketing, detección de fraude, telecomunicaciones y fabricación.

En este curso, presentamos los procesos involucrados en KDD y llevamos a cabo una serie de ejercicios para practicar la implementación de esos procesos.

Audiencia

•      Analistas de datos o cualquier persona interesada en aprender a interpretar datos para resolver problemas

Formato del curso

•      Después de una discusión teórica sobre KDD, el instructor presentará casos de la vida real que requieren la aplicación de KDD para resolver un problema. Los participantes prepararán, seleccionarán y limpiarán conjuntos de datos de muestra y utilizarán sus conocimientos previos sobre los datos para proponer soluciones basadas en los resultados de sus observaciones.

Se estima que los datos no estructurados representan más del 90 por ciento de todos los datos, gran parte de ellos en forma de texto. Las publicaciones del blog, los tweets, los medios sociales y otras publicaciones digitales añaden continuamente a este creciente cuerpo de datos.

Este curso se centra en la extracción de información y significado de estos datos. Utilizando las bibliotecas de lenguaje y procesamiento de lenguaje natural (NLP), combinamos conceptos y técnicas de la informática, la inteligencia artificial y la lingüística computacional para entender algorítmicamente el significado detrás de los datos de texto. Las muestras de datos están disponibles en varios idiomas según los requisitos del cliente.

Al final de este entrenamiento los participantes serán capaces de preparar conjuntos de datos (grandes y pequeños) de fuentes dispares, a continuación, aplicar los algoritmos adecuados para analizar e informar sobre su significado.

Audiencia
Lingüistas y programadores

Formato del curso
Parte conferencia, discusión de la parte, práctica práctica pesada, pruebas ocasionales para calibrar la comprensión

Los participantes que completen esta capacitación en vivo dirigida por un instructor en Colombia obtendrán una comprensión práctica y del mundo real de Big Data y sus tecnologías, metodologías y herramientas relacionadas.

Los participantes tendrán la oportunidad de poner en práctica estos conocimientos a través de ejercicios prácticos. La interacción grupal y la retroalimentación del instructor constituyen un componente importante de la clase.

El curso comienza con una introducción a los conceptos elementales de Big Data, luego avanza hacia los lenguajes de programación y las metodologías utilizadas para realizar el análisis de datos. Finalmente, discutimos las herramientas y la infraestructura que permiten el almacenamiento de Big Data, el procesamiento distribuido y la Scalabilidad.

Esta capacitación en vivo dirigida por un instructor en Colombia está dirigida a desarrolladores de software que desean crear soluciones de búsqueda y análisis utilizando Elasticsearch.

El entrenamiento comienza con una discusión de la arquitectura Elasticsearch, incluido su modelo distribuido y la API de búsqueda. A continuación, se explica la funcionalidad de Elasticsearch y la mejor manera de integrarla en una aplicación existente.

Los ejercicios prácticos constituyen una parte importante de la capacitación y brindan a los participantes la oportunidad de poner en práctica sus conocimientos mientras reciben comentarios sobre su implementación y progreso.

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.

El análisis de datos es una herramienta crucial en los negocios de hoy. Nos enfocaremos en el desarrollo de habilidades para el práctico análisis de datos. El objetivo es ayudar a los delegados a dar respuestas basadas en evidencia a preguntas:

¿Lo que ha sucedido?

• procesamiento y análisis de datos
• produciendo visualizaciones informativas de datos

¿Lo que sucederá?

• pronosticando el rendimiento futuro
• evaluar pronósticos

¿Qué debería pasar?

• convirtiendo los datos en decisiones comerciales basadas en la evidencia
• optimizando procesos

El curso en sí se puede impartir como un curso presencial de 6 días o de forma remota durante un período de semanas, si así lo prefiere. Podemos trabajar con usted para ofrecerle el curso que mejor se adapte a sus necesidades.

El objetivo de este curso es proporcionar una comprensión clara del uso de SQL para diferentes
bases de datos (Oracle, SQL Server, MS Access ...). Comprensión de las funciones analíticas y
forma de cómo unir diferentes tablas en una base de datos ayudará a los delegados a mover el análisis de datos
operaciones al lado de la base de datos, en lugar de hacer esto en la aplicación MS Excel. Esto también puede
ayuda en la creación de cualquier sistema de TI, que utiliza cualquier base de datos relacional.

Apache Kylin es un motor de análisis extremo y distribuido para Big Data.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Apache Kylin para configurar un depósito de datos en tiempo real.

Al final de esta capacitación, los participantes podrán:

• Consume datos de transmisión en tiempo real usando Kylin
• Utilice las potentes funciones de Apache Kylin, incluido el soporte del esquema de copos de nieve, una rica interfaz de SQL, cubicación de chispa y latencia de consulta de segundo plano

Nota

• Usamos la última versión de Kylin (al momento de escribir esto, Apache Kylin v2.0)

Audiencia

• Grandes ingenieros de datos
• Analistas de Big Data

Formato del curso

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

Datameer es una plataforma de inteligencia de negocios y análisis construida en Hadoop. Permite a los usuarios finales acceder, explorar y correlacionar datos a gran escala, estructurados, semiestructurados y no estructurados de una manera fácil de usar.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Datameer para superar la pronunciada curva de aprendizaje de Hadoop a medida que avanzan en la configuración y el análisis de una serie de grandes fuentes de datos.

Al final de esta capacitación, los participantes podrán:

• Crea, selecciona e interactivamente explora un lago de datos empresariales
• Acceda a almacenes de datos de inteligencia empresarial, bases de datos transaccionales y otras tiendas analíticas
• Use una interfaz de usuario de hoja de cálculo para diseñar las tuberías de procesamiento de datos de extremo a extremo
• Acceda a funciones preconstruidas para explorar relaciones de datos complejas
• Utilice asistentes de arrastrar y soltar para visualizar datos y crear paneles
• Use tablas, cuadros, gráficos y mapas para analizar los resultados de las consultas

Audiencia

• Analistas de datos

Formato del curso

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

Embedding Projector es una aplicación web de código abierto para visualizar los datos utilizados para entrenar sistemas de aprendizaje automático. Creado por Google, es parte de TensorFlow.

Esta capacitación en vivo dirigida por un instructor presenta los conceptos detrás de Embedding Projector y guía a los participantes a través de la configuración de un proyecto de demostración.

Al final de esta capacitación, los participantes podrán:

• Explore cómo los datos se interpretan mediante modelos de aprendizaje automático
• Navegue a través de vistas 3D y 2D de datos para comprender cómo lo interpreta un algoritmo de aprendizaje automático
• Comprenda los conceptos detrás de Embeddings y su papel en la representación de vectores matemáticos para imágenes, palabras y números.
• Explore las propiedades de una incrustación específica para comprender el comportamiento de un modelo
• Aplicar Embedding Project a casos de uso del mundo real, como crear un sistema de recomendación de canciones para amantes de la música

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

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

kdb + es una base de datos en memoria, orientada a columnas yq es su lenguaje integrado e interpretado basado en vectores. En kdb +, las tablas son columnas de vectores yq se usa para realizar operaciones en los datos de la tabla como si fuera una lista. kdb + yq se utilizan comúnmente en el comercio de alta frecuencia y son populares entre las principales instituciones financieras, como Goldman Sachs, Morgan Stanley, Merrill Lynch, JP Morgan, etc.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo crear una aplicación de datos de series temporales utilizando kdb + yq.

Al final de esta capacitación, los participantes podrán:

• Comprender la diferencia entre una base de datos orientada a filas y una base de datos orientada a columnas
• Seleccionar datos, escribir guiones y crear funciones para llevar a cabo análisis avanzados
• Analizar datos de series de tiempo tales como datos de stock y de intercambio de productos
• Use las capacidades en memoria de kdb + para almacenar, analizar, procesar y recuperar grandes conjuntos de datos a alta velocidad
• Piense en funciones y datos en un nivel más alto que el enfoque de función estándar (argumentos) común en lenguajes no vectores
• Explore otras aplicaciones sensibles al tiempo para kdb +, que incluyen el comercio de energía, telecomunicaciones, datos de sensores, datos de registro y monitoreo de uso de la máquina y la red

Audiencia

• Desarrolladores
• Ingenieros de bases
• Científicos de datos
• Analistas de datos

Formato del curso

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