Kursus Pelatihan Predictive Modelling with R

Pandangan Umum

Provider layanan komunikasi (CSP) mengalami tekanan untuk mengurangi biaya dan memaksimalkan rata-rata pendapatan per pengguna (ARPU), sambil memastikan pengalaman pelanggan yang luar biasa, namun volume data terus bertambah. Lalu lintas data seluler global akan tumbuh dengan tingkat pertumbuhan tahunan rata-rata (CAGR) sebesar 78 persen hingga tahun 2016, mencapai 10,8 exabyte per bulan.

Sementara itu, CSPs menghasilkan volume data yang besar, termasuk catatan detail panggilan (CDR), data jaringan dan data pelanggan. Perusahaan yang memanfaatkan data ini secara penuh mendapatkan keunggulan kompetitif. Menurut survei terbaru oleh The Economist Intelligence Unit, perusahaan yang menggunakan pengambilan keputusan yang didukung data menikmati peningkatan produktivitas sebesar 5-6%. Namun, 53% perusahaan hanya memanfaatkan setengah dari data berharganya, dan sepertiga dari responden menegaskan bahwa jumlah data yang berguna tidak terpakai. Volume data sangat besar sehingga analisis manual mustahil, dan sebagian besar sistem perangkat lunak warisan tidak bisa menyesuaikan diri, sehingga data berharga dibuang atau diabaikan.

Dengan perangkat lunak Big Data & Analytics yang cepat dan dapat di skalakan, CSPs dapat memanfaatkan semua data mereka untuk pengambilan keputusan yang lebih baik dalam waktu yang lebih singkat. Berbagai produk dan teknik Big Data menyediakan platform perangkat lunak yang lengkap untuk mengumpulkan, mempersiapkan, menganalisis, dan menyajikan wawasan dari data besar. Bidang aplikasi termasuk pemantauan kinerja jaringan, deteksi penipuan, deteksi pelanggan yang beralih, dan analisis risiko kredit. Produk Big Data & Analytics dapat di skalakan untuk mengolah terabytes data, namun pengimplementasian alat-alat ini memerlukan sistem basis data berbasis cloud baru seperti Hadoop atau pengolah komputer paralel skala besar (KPU, dll.).

Kursus ini tentang Big Data BI untuk Telco mencakup semua bidang baru yang sedang muncul di mana CSPs berinvestasi untuk meningkatkan produktivitas dan membuka aliran pendapatan bisnis baru. Kursus ini akan memberikan gambaran 360 derajat lengkap tentang Big Data BI di Telco sehingga pengambil keputusan dan manajer dapat memiliki gambaran yang sangat luas dan komprehensif tentang kemungkinan Big Data BI di Telco untuk meningkatkan produktivitas dan pendapatan.

Tujuan Kursus

Tujuan utama dari kursus ini adalah untuk memperkenalkan teknologi baru Big Data business intelligence di empat sektor Bisnis Telekomunikasi (Marketing/Penjualan, Operasi Jaringan, Operasi Keuangan, dan Manajemen Hubungan Pelanggan). Mahasiswa akan diperkenalkan kepada:

• Pendahuluan Big Data—apa itu 4Vs (volume, kecepatan, variasi, dan keakuratan) dalam Big Data—pembuatan, ekstraksi, dan manajemen dari perspektif Telco
• Bagaimana analitik Big Data berbeda dari analitik data warisan
• Penjabaran Big Data di dalam perusahaan—perspektif Telco
• Pendahuluan ekosistem Hadoop—kenalan dengan semua alat Hadoop seperti Hive, Pig, SPARC—ketika dan bagaimana digunakan untuk menyelesaikan masalah Big Data
• Bagaimana Big Data diekstrak untuk dianalisis oleh alat analitik—bagaimana analisis bisnis dapat mengurangi kesulitan pengumpulan dan analisis data melalui pendekatan dashboard Hadoop terintegrasi
• Pendahuluan dasar tentang analisis insight, analisis visualisasi, dan analisis prediktif untuk Telco
• Analisis churn pelanggan dan Big Data—bagaimana analitik Big Data dapat mengurangi churn pelanggan dan kepuasan pelanggan yang tidak memuaskan di Telco—kasus studi
• Analisis kegagalan jaringan dan kegagalan layanan dari meta-data jaringan dan IPDR
• Analisis keuangan—penipuan, pengeluaran, dan perhitungan ROI dari data penjualan dan operasional
• Masalah pengambilan pelanggan—marketing target, segmentasi pelanggan, dan penjualan silang dari data penjualan
• Pendahuluan dan ringkasan semua produk analitik Big Data dan di mana mereka masuk dalam ruang analitik Telco
• Kesimpulan—bagaimana mengikuti pendekatan bertahap untuk memasukkan Big Data Business Intelligence di organisasi Anda

Penonton Sasar

• Manajer operasi jaringan, manajer keuangan, manajer CRM, dan manajer IT tingkat atas di kantor CIO Telco.
• Analis bisnis di Telco
• Manajer/analis kantor CFO
• Manajer operasional
• Manajer QA

Dalam pelatihan langsung yang dipandu instruktur di Indonesia ini, peserta akan mempelajari pola pikir untuk mendekati Big Data teknologi, menilai dampaknya terhadap proses dan kebijakan yang ada, dan menerapkan teknologi ini untuk tujuan mengidentifikasi aktivitas kriminal dan mencegah kejahatan. Studi kasus dari organisasi penegak hukum di seluruh dunia akan diperiksa untuk mendapatkan wawasan tentang pendekatan adopsi, tantangan, dan hasil mereka.

Pada akhir pelatihan ini, peserta akan dapat:

• Gabungkan teknologi Big Data dengan proses pengumpulan data tradisional untuk menyusun cerita selama investigasi.
• Terapkan solusi penyimpanan dan pemrosesan data besar industri untuk analisis data.
• Siapkan proposal untuk penerapan alat dan proses yang paling memadai untuk memungkinkan pendekatan berbasis data terhadap investigasi kriminal.

Penonton

Jika Anda mencoba membuat arti dari data yang Anda miliki atau ingin menganalisis data tidak terstruktur yang tersedia di jaringan (seperti Twitter, LinkedIn, dll), kursus ini untuk Anda.

Kursus ini sebagian besar ditujukan untuk pembuat keputusan dan orang-orang yang perlu memutuskan data apa yang layak dikumpulkan dan data apa yang layak dianalisis.

Kursus ini tidak ditujukan untuk orang-orang yang mengonfigurasi solusi, meskipun mereka akan mendapatkan manfaat dari gambaran besar.

Mode Pengiriman

Selama kursus, peserta akan diajak dengan contoh-contoh teknologi yang sebagian besar bersumber terbuka.

Materi singkat akan diikuti oleh presentasi dan latihan sederhana oleh peserta.

Isi dan Perangkat Lunak yang Digunakan

Semua perangkat lunak yang digunakan diperbarui setiap kali kursus dijalankan, sehingga kita memeriksa versi terbaru yang mungkin.

Kursus ini mencakup proses dari mendapatkan, memformat, memproses dan menganalisis data, hingga menjelaskan cara mengotomatisasi proses pembuatan keputusan dengan machine learning.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk ilmuwan data dan analis data yang ingin mengotomatiskan, mengevaluasi, dan mengelola model prediktif menggunakan kemampuan pembelajaran mesin DataRobot.

Pada akhir pelatihan ini, peserta akan dapat:

• Muat kumpulan data dalam DataRobot untuk menganalisis, menilai, dan memeriksa kualitas data.
• Bangun dan latih model untuk mengidentifikasi variabel penting dan memenuhi target prediksi.
• Menafsirkan model untuk menciptakan wawasan berharga yang berguna dalam pengambilan keputusan bisnis.
• Pantau dan kelola model untuk mempertahankan kinerja prediksi yang optimal.

Pelatihan live dengan instruktur di Indonesia (daring atau tatap muka) ini ditujukan untuk analis data dan profesional bisnis tingkat menengah yang ingin melakukan peramalan deret waktu dan mengotomatiskan alur kerja analisis data menggunakan R.

Setelah selesai pelatihan ini, peserta akan dapat:

• Memahami dasar-dasar teknik peramalan dalam R.
• Mengaplikasikan model smoothing eksponensial dan ARIMA untuk analisis deret waktu.
• Menggunakan paket ‘forecast’ untuk menghasilkan model peramalan yang akurat.
• Mengotomatiskan alur kerja peramalan untuk aplikasi bisnis dan penelitian.

Pelatihan ini yang dipimpin instruktur, live training (online atau tatap muka) ini ditujukan untuk pengembang tingkat menengah yang ingin membangun aplikasi berbasis AI menggunakan analitik prediktif dan model generatif.

Di akhir pelatihan ini, peserta akan mampu:

• Memahami dasar-dasar AI prediktif dan model generatif.
• Menggunakan alat-alat berbasis AI untuk prediktif coding, peramalan, dan otomatisasi.
• Mengimplementasikan LLMs (Large Language Models) dan transformers untuk pembuatan teks dan kode.
• Menerapkan peramalan time-series dan rekomendasi berbasis AI.
• Mengembangkan dan memfokuskan AI models untuk aplikasi dunia nyata.
• Menevaluasi pertimbangan etis dan praktik terbaik dalam penempatan AI.

Pelatihan ini yang diarahkan oleh instruktur, diadakan secara langsung di Indonesia (pelatihan online langsung atau pelatihan langsung tatap muka) ditujukan untuk para profesional IT level pemula yang ingin memahami dasar-dasar Predictive AI.

Setelah menyelesaikan pelatihan ini, peserta akan dapat:

• Memahami konsep dasar Predictive AI dan aplikasinya.
• Mengumpulkan, membersihkan, dan memproses ulang data untuk analisis prediktif.
• Menjelajahi dan memvisualisasikan data untuk menemukan wawasan.
• Membangun model statistik dasar untuk membuat prediksi.
• Menevaluasi kinerja model prediktif.
• Mengaplikasikan konsep Predictive AI pada skenario dunia nyata.

R adalah bahasa pemrograman open-source gratis untuk komputasi statistik, analisis data, dan grafis. R digunakan oleh semakin banyak manajer dan analis data di dalam perusahaan dan akademisi. R memiliki berbagai macam paket untuk penambangan data.

Predictive analytics adalah proses menggunakan analisis data untuk membuat prediksi tentang masa depan. Proses ini menggunakan data bersama dengan data mining, statistik, dan teknik machine learning untuk menciptakan model prediktif untuk memprediksi kejadian masa depan.

Dalam pelatihan langsung tatap muka ini yang dipimpin instruktur, peserta akan belajar bagaimana menggunakan Matlab untuk membangun model prediktif dan menerapkannya pada data sampel besar untuk memprediksi kejadian masa depan berdasarkan data.

Di akhir pelatihan ini, peserta akan mampu:

• Membuat model prediktif untuk menganalisis pola dalam data historis dan transaksional
• Menggunakan model prediktif untuk mengidentifikasi risiko dan peluang
• Membangun model matematika yang menangkap tren penting
• Menggunakan data dari perangkat dan sistem bisnis untuk mengurangi limbah, menyimpan waktu, atau mengurangi biaya

Audience

• Pengembang
• Insinyur
• Ahli bidang

Format of the course

• Bagian kuliah, bagian diskusi, latihan, dan banyak latihan praktis

Pelatihan ini, yang dipimpin instruktur, dilaksanakan Indonesia (online atau tatap muka) dan ditujukan untuk profesional data tingkat menengah yang ingin menerapkan teknik machine learning pada masalah bisnis berbasis data, termasuk peramalan penjualan dan pemodelan prediktif menggunakan jaringan saraf.

Di akhir pelatihan ini, peserta akan mampu:

• Memahami konsep inti dan jenis machine learning.
• Menerapkan algoritma utama untuk klasifikasi, regresi, klastering, dan analisis asosiasi.
• Melakukan analisis data eksplorasi dan persiapan data menggunakan Python.
• Menggunakan jaringan saraf untuk tugas pemodelan nonlinier.
• Mengimplementasikan analitik prediktif untuk peramalan bisnis, termasuk data penjualan.
• Menevaluasi dan mengoptimalkan kinerja model menggunakan teknik visual dan statistik.

Pelatihan ini, yang dilaksanakan oleh instruktur, dalam Indonesia (online atau tatap muka) ditargetkan untuk profesional DevOps tingkat menengah yang ingin mengintegrasikan prediktif AI dalam praktik DevOps mereka.

Setelah menyelesaikan pelatihan ini, peserta akan mampu:

• Mengimplementasikan model prediktif analisis untuk memprediksi dan mengatasi tantangan dalam DevOps pipeline.
• Menggunakan alat berbasis AI untuk pengawasan dan operasi yang lebih baik.
• Mengaplikasikan teknik machine learning untuk memperbaiki alur kerja pengiriman perangkat lunak.
• Merancang strategi AI untuk penyelesaian masalah dan optimasi proaktif.
• Menavigasi pertimbangan etika dalam penggunaan AI di DevOps.

RapidMiner adalah platform perangkat lunak ilmu data sumber terbuka untuk pembuatan prototipe dan pengembangan aplikasi yang cepat. Platform ini mencakup lingkungan terintegrasi untuk persiapan data, pembelajaran mesin, pembelajaran mendalam, penambangan teks, dan analisis prediktif.

Dalam pelatihan langsung yang dipandu instruktur ini, peserta akan mempelajari cara menggunakan RapidMiner Studio untuk persiapan data, pembelajaran mesin, dan penerapan model prediktif.

Pada akhir pelatihan ini, peserta akan dapat:

• Instal dan konfigurasikan RapidMiner
• Siapkan dan visualisasikan data dengan RapidMiner
• Validasi model pembelajaran mesin
• Gabungkan data dan buat model prediktif
• Mengoperasionalkan analitik prediktif dalam proses bisnis
• Pecahkan masalah dan optimalkan RapidMiner

Hadirin

• Ilmuwan data
• Insinyur
• Pengembang

Format Kursus

• Sebagian kuliah, sebagian diskusi, latihan dan praktik langsung yang berat

Catatan

• Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk mengaturnya.

Peserta

• managers
• developers
• scientists
• students

Format pelatihan

pelatihan online langsung dan diskusi atau workshop langsung tatap muka

R adalah bahasa pemrograman open-source gratis untuk komputasi statistik, analisis data, dan grafis. R digunakan oleh jumlah semakin banyak manajer dan analis data di dalam perusahaan dan akademisi. R juga menemukan pengikut di antara statistisi, insinyur, dan ilmuwan tanpa keterampilan pemrograman komputer yang menemukan R mudah digunakan. Populeritasnya disebabkan oleh penggunaan semakin meningkat dari data mining untuk berbagai tujuan seperti menetapkan harga iklan, mencari obat baru lebih cepat atau menyesuaikan model keuangan. R memiliki berbagai macam paket untuk data mining.Kursus ini mencakup manipulasi objek dalam R termasuk membaca data, mengakses paket R, menuliskan fungsi R, dan membuat grafik informatif. Ini termasuk menganalisis data menggunakan model statistik yang umum. Kursus mengajarkan cara menggunakan perangkat lunak R (https://www.r-project.org) baik dalam command line dan dalam antarmuka grafis pengguna (GUI).

Audience

Format of the course

Dengan akhir pelatihan ini, peserta akan dapat:

Dalam pelatihan langsung yang dipandu oleh instruktur ini, peserta akan belajar bagaimana memanipulasi dan visualisasi data menggunakan alat-alat yang termasuk dalam Tidyverse.

Tidyverse adalah koleksi paket R yang fleksibel untuk membersihkan, memproses, memodelkan, dan mengvisualisasikan data. Beberapa dari paket yang disertakan adalah: ggplot2, dplyr, tidyr, readr, purrr, dan tibble.

• Pemula dalam bahasa R
• Pemula dalam analisis data dan visualisasi data

• Sebagian presentasi, sebagian diskusi, latihan, dan praktek langsung yang intensif

• Melakukan analisis data dan membuat visualisasi menarik
• Mengambil kesimpulan berguna dari berbagai dataset data contoh
• Memfilter, mengurutkan, dan meringkas data untuk menjawab pertanyaan eksplorasi
• Mengubah data yang telah diproses menjadi grafik garis informatif, diagram batang, histogram
• Mengekspor dan memfilter data dari berbagai sumber data, termasuk Excel, CSV, dan file SPSS