澳門現場Data Science培訓

此講師主導的實作培訓（線上或線下）旨在協助初級專業人士理解預訓練模型的概念，並學習如何應用它們解決實際問題，無需從頭建構模型。

完成本培訓後，學員將能夠：

• 理解預訓練模型的概念與優勢。
• 探索多種預訓練模型架構及其適用情境。
• 針對特定任務微調預訓練模型。
• 在簡易機器學習專案中實作預訓練模型。

此由導師主導的現場培訓 澳門（線上或線下），面向希望透過 AWS Cloud9 優化數據科學工作流程的中階數據科學家與分析師。

完成本課程後，學員將能夠：

• 在 AWS Cloud9 中設定數據科學環境。
• 在 Cloud9 中使用 Python、R 及 Jupyter Notebook 進行數據分析。
• 將 AWS Cloud9 整合至 S3、RDS 及 Redshift 等 AWS 數據服務。
• 利用 AWS Cloud9 進行機器學習模型的開發與部署。
• 優化基於雲端的數據分析與處理工作流程。

本課程由導師現場指導，提供線上或線下培訓形式（澳門）。旨在協助中級學員自動化及管理機器學習工作流程，包含模型訓練、驗證及部署，採用 Apache Airflow 工具。

完成本培訓後，學員將能夠：

• 為機器學習工作流程協調設置 Apache Airflow。
• 自動化數據預處理、模型訓練和驗證任務。
• 將 Airflow 整合至機器學習框架和工具。
• 使用自動化管理管線部署機器學習模型。
• 監控並優化生產環境中的機器學習工作流程。

此課程由講師帶領在 澳門（線上或線下）進行培訓，主要對象為希望學習使用 Google Colab 進行基礎數據科學的初學者級數據科學家及 IT 專業人員。

完成本課程後，學員將能夠：

• 安裝與操作 Google Colab。
• 編寫並執行基礎 Python 程式碼。
• 匯入並處理資料集。
• 使用 Python 函式庫建立視覺化圖表。

Python 是一種在金融業廣受欢迎的程式語言。它已被大型投資銀行和對沖基金採用，用於構建廣泛的金融應用程式，從核心交易程式到風險管理系統。

在本課程中，參與者將在講師的現場指導下學習如何使用 Python 開發實用應用程式，以解決多個特定的金融相關問題。

完成本課程後，參與者將能夠：

• 理解 Python 程式語言的基礎
• 下載、安裝並維護用於建立 Python 金融應用程式的最佳開發工具
• 選擇並利用最合適的 Python 套件和編程技術來組織、可視化和分析來自各種來源（CSV、Excel、資料庫、網頁等）的金融數據
• 構建解決資產配置、風險分析、投資績效等問題的應用程式
• 除錯、整合、部署並優化 Python 應用程式

對象

• 開發人員
• 分析師
• 量化專家

課程形式

• 講授、討論、練習及大量實作

注意

• 本培訓旨在為金融專業人士面臨的一些核心問題提供解決方案。然而，如果您希望進一步補充或詳述某個特定主題、工具或技術，請聯繫我們以進行安排。

 深入探討使用 Python 進行數據科學和 AI 的實用方法——為專業人士提供探索數據、構建機器學習模型以及在商業環境中部署 AI 驅動應用的技能；涵蓋 CRISP-DM 工作流、統計分析、監督式和非監督式學習、基於 Tensorflow 的深度學習、自然語言處理、使用 Spark 處理大數據，以及數據驅動的敘事技巧；適合希望獲得 Python 數據科學認證並做好職業準備的初學者。

KNIME Analytics平台是領先的開源選擇，專為數據驅動的創新而設計，幫助您發現數據中隱藏的潛力，挖掘新的見解，或預測未來的趨勢。憑藉超過1000個模塊、數百個即用型示例、全面的集成工具以及最廣泛的先進算法選擇，KNIME Analytics平台是任何數據科學家和業務分析師的理想工具箱。

本KNIME Analytics平台課程為初學者、高級用戶和KNIME專家提供了一個絕佳的機會，讓大家認識KNIME，學習如何更有效地使用它，以及如何基於KNIME工作流創建清晰且全面的報告。

此由講師引導的現場培訓（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。

目標受眾是沒有編程經驗但打算使用尖端工具實現分析場景的人群。

在完成本培訓後，參與者將能夠：

• 安裝和配置KNIME。
• 構建數據科學場景。
• 訓練、測試和驗證模型。
• 實施端到端的數據科學模型價值鏈。

課程形式

• 互動式講座與討論。
• 大量的練習與實踐。
• 在實戰實驗室環境中的動手實現。

課程自定義選項

• 如需為本課程申請定制培訓或了解更多詳情，請聯繫我們以安排。

此導師主導的實訓課程在 澳門（線上或線下）進行，旨在為中等級別的資料分析師、開發人員或 aspiring data scientists 提供應用 Python 中的機器學習技術以提取洞察、做出預測並自動化數據驅動決策的技能。

完成本課程後，學員將能夠：

• 理解並區分關鍵的機器學習範式
• 探索資料預處理技術和模型評估指標
• 應用機器學習演算法解決實際問題
• 使用 Python 庫和 Jupyter notebooks 進行實作
• 構建用於預測、分類、推薦及聚類的模型