Descrizione del corso

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. 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). 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 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.

Contact Details