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
/ Introduzione al software KNIME per la realizzazione di workflow di analytics su alcuni casi di studio
DESTINATARI:
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:
Luca Di Gaspero
Professore associato di Information Technology presso l'Università degli Studi di Udine ed è membro aggregato dell'Institute of Logic and Computation della Technische Universität Wien.
Francesca Da Ros
Dottoranda in Informatica e Intelligenza Artificiale presso l’Università degli Studi di Udine. Laureata in Ingegneria Gestionale all’Università degli Studi di Udine e International Industrial Management alla FH Joanneum di Graz (Austria). I suoi interessi di ricerca riguardano prevalentemente l’ottimizzazione con algoritmi meta-euristici.