DATA ANALYTICS/BIG DATA PROGRAM
INTERPRETI DEL MONDO DIGITALE
DATA DRIVEN PROFESSIONAL & DATA SCIENTIST
Condividi questo corso:
Condividi su facebook
Condividi su twitter
Condividi su linkedin
Menu
DT-UNDER
DATA ANALYTICS: Understanding Customers and Predicting Profitability
In questo modulo lavorerai per Danielle Sherman Chief Technology Officer come membro del team di eCommerce di Blackwell Electronics ("BE"). BE è un rivenditore di elettronica di consumo di successo negli Stati Uniti da oltre 40 anni. L'anno scorso, la società ha lanciato un sito Web di e-commerce. Il tuo compito consiste nell'utilizzare tecniche di data mining e di apprendimento automatico per studiare i modelli nei dati di vendita dei clienti e fornire informazioni sulle tendenze e le preferenze di acquisto dei clienti. Le inferenze tratte dai data pattern aiuteranno l'azienda a prendere data-driven decisions per le le attività di vendita e marketing.
Innanzitutto installerai la piattaforma di scienza dei dati RapidMiner e la utilizzerai per comprendere la relazione tra i dati demografici dei clienti e il comportamento di acquisto. Successivamente, utilizzerai gli algoritmi di apprendimento automatico di regressione e classificazione in RapidMiner per assisterti nella proposta di decisioni aziendali basate sulla tua analisi. Infine, presenterai alla direzione, spiegando le tue intuizioni e i suggerimenti per i miglioramenti del processo di data mining.
In questo modulo, imparerai come utilizzare le tecniche statistiche di machine learning per comprendere la relazione tra i dati demografici dei clienti e il comportamento di acquisto e quindi sviluppare un modello per prevedere il volume futuro delle vendite di prodotti.
Imparerai come applicare il linguaggio di programmazione Python per risolvere problemi di Data Analytics e Machine Learning
DT-REC
DATA ANALYTICS: Recommending Customer Credit Limits
Lavorerai come Data Scientist per Credit One, un'authority indipendente che fornisce servizi di approvazione del credito alle aziende. Credit One ti ha incaricato di esaminare i dati demografici attuali dei clienti per comprendere meglio i rischi di un default dei clienti attuali. Il tuo lavoro come Data Scientist consisterà nell'identificare quali caratteristiche del cliente sono statisticamente significative rispetto a quelle standard e dovrai costruire modelli predittivi che il Cliente può utilizzare per classificare meglio i clienti "a rischio". Utilizzerai i metodi di classificazione e regressione dell'apprendimento automatico per identificare le caratteristiche demografiche dei clienti e gli attributi dell'account che potrebbero contribuire alle inadempienze creditizie. Infine, presenterai alla direzione, spiegando le tue intuizioni e i suggerimenti per i miglioramenti del processo di data mining.
In questo modulo, continuerai a utilizzare il linguaggio di programmazione Python per eseguire attività di Machine Learning e Data Science. Più specificamente, utilizzerai Pandas, Numpy, MatPlotLib e Sci-kit Learn per sviluppare soluzioni di analisi predittiva e di machine learning.
DT-PRED
DATA ANALYTICS: PREDICTING PROFITABILITY AND CUSTOMER PREFERENCES
Lavorerai con Thomas Bayes, Chief Technology Officer di SuperMart. Di recente hanno iniziato a sfruttare i dati raccolti dalle transazioni online e in negozio per ottenere informazioni sul comportamento di acquisto dei propri clienti. Il tuo compito è di far evolvere l'applicazione di di analisi dei dati per sviluppare modelli per prevedere quali marchi di prodotti informatici preferiscono i clienti SuperMart in base ai dati demografici dei clienti raccolti da un sondaggio di marketing. Svilupperai anche un sistema di raccomandazione di prodotti e-commerce basato sulle vendite storiche di prodotti che aiuteranno SuperMart a identificare le opportunità di vendita incrociata che possono essere utilizzate per aumentare la redditività del loro negozio online. Infine, presenterai al management, spiegando il tuo lavoro e fornirai suggerimenti per migliorare il processo di data mining.
In questo modulo, imparerai ad utilizzare tecniche statistiche di machine learning per prevedere le preferenze dei brand in base alle caratteristiche del cliente, quindi svilupperai un modello per raccomandare nuovi prodotti basati sugli acquisti dei clienti. Imparerai e userai il linguaggio di programmazione R Statistical e l'ambiente di di R Studio Analytics.
DT-DEEP
DATA ANALYTICS: DEEP ANALYTICS AND VISUALIZATION
Lavorerai per una società di analisi "Internet of Things" per utilizzare Data Analytics per risolvere due problemi complessi nel mondo fisico:
• Smart Energy Usage: modelli di utilizzo dell'energia per ora e giorno dell'anno in una tipica abitazione il cui sistema elettrico è monitorato da più contatori.
• Indoor Location: determinare la posizione fisica di una persona in uno spazio interno multi-edificio utilizzando l'impronta digitale Wi-Fi (lo schema dei segnali radio da più hotspot WiFi che vengono ricevuti da uno smartphone in una determinata posizione).
Creerai visualizzazioni, quindi genererai statistiche descrittive e modelli predittivi utilizzando sia classificatori statistici sia tecniche di regressione lineare. Infine, presenterai i risultati al management dell'azienda, spiegando i punti di forza e di debolezza degli approcci che hai implementato e realizzato
suggerimenti per un ulteriore miglioramento.
In questo modulo, continuerai ad utilizzare il linguaggio di programmazione R statistical e una varietà di "pacchetti" aggiuntivi per visualizzare le relazioni di dati e implementare modelli di classificazione e regressione per le applicazioni di ingegneria emergenti, come la comprensione del comportamento nell'Internet of Things “.
DT-TXTM
DATA ANALYTICS: Text Mining and Sentiment Analysis
Lavorerai come analista di dati per Alert Analytics, una società di consulenza di analisi dei dati. Ti verrà chiesto di assumere un analista trasferito di recente che ha lavorato a un progetto di big data per Helio, una società di consulenza per il servizio clienti. Helio sta lavorando con un grande rivenditore online per creare un processo automatizzato di Sentimental Analyses dei clienti su molti dei prodotti venduti dal rivenditore. Ciò fornirà una migliore comprensione di quali prodotti preferiscono i loro clienti e alcune delle possibili ragioni per cui i loro clienti potrebbero non preferirne altri. Dopo aver esaminato alcune delle recensioni dei clienti, che sono state raccolte dal proprio sito Web, il rivenditore ha fornito a Helio un elenco specifico di prodotti da esaminare.
Per eseguire questa analisi, Helio ha incaricato Alert Analytics di condurre un'estrazione automatica delle parole chiave utilizzando Apache Spark e Amazon Web Service’s elastic map-reduce per ottenere informazioni sulle attitudini degli utenti nei confronti dei prodotti. Nel corso della creazione di questo processo, imparerai anche a identificare e rimuovere le parole di uso comune presenti nelle recensioni dei clienti e ad assegnare valori alle parole che sono più rilevanti per il sentimento dei clienti. Il tuo compito è condurre questa analisi e assemblare un rapporto con le percentuali specifiche del sentimento del cliente positivo e negativo che circonda ogni prodotto precedentemente identificato.
In questo modulo, imparerai come estrarre e analizzare set di dati estremamente grandi per fornire informazioni sui problemi aziendali reali. Eseguirai l'estrazione automatica delle parole chiave utilizzando Natural Language Processing e "cloud based computing" per interpretare i risultati per fare e comunicare previsioni di interesse vitale per gli stakeholder aziendali.
DT-CAP
DATA ANALYTICS: CAPSTONE Project
Questa è la tua occasione per proporre il tuo progetto di Data Science. E' il momento clou del tuo lavoro, la tua tesi che dimostrerà le tue capacità come data scientist e la firma al tuo primo lavoro nel tuo portafoglio professionale.
Sei libero di utilizzare qualsiasi tecnologia, metodo e abilità che hai appreso nel corso dei diversi moduli e puoi raccogliere i tuoi dati o utilizzare liberamente quelli disponibili dal web.
In questo modulo finale "Data Science Capstone project", proporrai e progetterai la tua soluzione di Data Science per un problema a tua scelta. L'obiettivo è una valutazione della tua capacità di utilizzare autonomamente gli strumenti e i metodi necessari per essere un Data Scientist di successo.
DT-INT
DATA ANALYTICS: Preparazione ai colloqui
I colloqui di lavoro per Data Science possono essere molto difficili e spesso coprono una vasta gamma di argomenti e aree di competenza che possono mettere in difficoltà i candidati.
Nei moduli DT-DEEP e DT-TXTM5, i mentor del programma inizieranno ad organizzare colloqui simulati con ogni studente per aiutare a prepararli a questo processo.
L'assistenza per creare un portfoglio di competenze specifiche e adatto ad ogni studente e la creazione del tipo di curriculum "ad-hoc" inizierà a partire dal modulo DT-DEEP.
Modulo incluso nel progetto a partire dal modulo DT-DEEP
Perchè i miei programmi formativi
Incrementa le tue conoscenze e non avrai concorrenza!
Ciao!
Sono RAY BAYRESS
Sono Chief Educational Officer at Experiental Teaching Online e Vice President di Socratic Arts. Nella mia vita professionale ho insegnato Software Engineering e Software Management al Campus nella Silicon Valley della Carnegie Mellon University.
Questo corso, oltre ad essere unico, divertente e coinvolgente, a differenza di altri corsi ti renderà un professionista e ti consentirà di affrontare con consapevolezza e competenza il tuo primo lavoro da sviluppatore software.
Sono certo, che alla fine di questo programma vedrai il tuo futuro con occhi diversi. Buon lavoro! Ray.
