Data Analysis per l’azienda: interpretare i dati per predire scenari futuri

di cosa parliamo

Per passare dalla prospettiva dei processi di analisi dei dati meramente descrittivi e rivolti al passato a quelli predittivi e rivolti al futuro

Prossima data
20 Giugno 2025 ore 09:00

sessioni

20 giugno 2025 – Ore: 09:00- 8 ore
27 giugno 2025 – Ore: 09:00- 8 ore
4 luglio 2025 – Ore: 09:00- 8 ore

durata totale

24 ore

modalità e sede

Modalità blended: lezioni in presenza presso la Live Demo SMACT di Padova

Prezzo

990,00 

descrizione

Il corso intende presentare i principi, le metodologie e gli strumenti di base per la Data Analysis (incluse le tecniche di Machine Learning) e formare le competenze necessarie per poter realizzare e seguire i progetti di advanced analytics in ambito aziendale. In particolare, verranno proposti degli strumenti per modificare la prospettiva dei processi di analisi dei dati: dagli aspetti meramente descrittivi e rivolti al passato (descriptive analytics, classica reportistica, BI) a quelli a maggior valore aggiunto e rivolti al futuro (predictive e prescriptive analytics). L’obiettivo principale è quello di fornire le conoscenze per comprendere potenzialità e limiti di questi strumenti e progettare le attività di advanced analytics interne o in outsourcing.

Obiettivi

/ Conoscere le potenzialità e i limiti degli strumenti di advanced analytics e machine learning
/ Comprendere le tecniche e le metodologie di analisi e il loro uso
/ Apprendere l’uso pratico di sistemi di advanced analytics e machine learning su casi d’uso
/ Fornire gli strumenti concettuali necessari a progettare, scegliere e valutare l’efficacia delle tecniche

programma

/ Introduzione ai processi di advanced analytics, classificazione di Gartner, il modello CRISP-DM, le competenze secondo IBM
/ Individuare similarità e regolarità: l’analisi di associazioni (pattern) e individuazione di cluster
/ Predire una classe – tecniche di classificazione: alberi di classificazione, tecniche naive Bayes, SVM, Reti Neurali Predire un valore – tecniche di regressione: regressione numerica, alberi di regressioni, Reti Neurali
/ Riduzione di dimensionalità, Sistemi di raccomandazione
/ Il processo di addestramento dei modelli, ottimizzazione dei parametri e validazione dei risultati
/ Tecniche avanzate di combinazione dei modelli (metodi ensemble): Bagging, Boosting
/ Elaborazione di informazione non numerica: testi, immagini.

a chi è rivolto

Figure tecniche con competenze di base nell’elaborazione dell’informazione proveniente dai dati (realizzazione o fruizione di reportistica aziendale) che desiderano comprendere le potenzialità dell’advanced analytics per il supporto alle decisioni o per l’utilizzo in nuovi progetti.

docente

Eris Chinellato
Ricercatore e docente universitario con vasta esperienza nel campo dell’intelligenza artificiale e la robotica

Data Analysis per l’azienda: interpretare i dati per predire scenari futuri

Prezzo

990,00