Struttura del corso

Introduzione alla Scienza dei Dati e all'AI

  • Acquisizione della conoscenza attraverso i dati
  • Rappresentazione della conoscenza
  • Creazione di valore
  • Panoramica sulla Scienza dei Dati
  • Ecosistema AI e nuovi approcci all'analisi dei dati
  • Tecnologie chiave

Workflow della Scienza dei Dati

  • Crisp-dm
  • Preparazione dei dati
  • Pianificazione del modello
  • Costruzione del modello
  • Comunicazione
  • Distribuzione

Tecnologie della Scienza dei Dati

  • Linguaggi utilizzati per il prototipaggio
  • Tecnologie Big Data
  • Soluzioni end-to-end per problemi comuni
  • Introduzione al linguaggio Python
  • Integrazione di Python con Spark

AI in Business

  • Ecosistema AI
  • Etica dell'AI
  • Come promuovere l'AI nel business

Fonti di dati

  • Tipi di dati
  • SQL vs NoSQL
  • Archiviazione dei dati
  • Preparazione dei dati

Analisi dei Dati – Approccio statistico

  • Probabilità
  • Statistica
  • Modellazione statistica
  • Applicazioni business con Python

Machine learning in business

  • Supervised vs unsupervised
  • Problemi di forecasting
  • Problemi di classificazione
  • Problemi di clustering
  • Rilevamento delle anomalie
  • Motori di raccomandazione
  • Mining dei pattern associativi
  • Risoluzione di problemi ML con il linguaggio Python

Deep learning

  • Problemi in cui gli algoritmi tradizionali ML falliscono
  • Risoluzione di problemi complessi con il Deep Learning
  • Introduzione a Tensorflow

Elaborazione del linguaggio naturale

Visualizzazione dei dati

  • Reporting visivo degli esiti della modellazione
  • Pitfall comuni nella visualizzazione
  • Visualizzazione dei dati con Python

Dati a Decisione – Comunicazione

  • Creare impatto: storytelling basato sui dati
  • Aumentare l'efficacia della comunicazione
  • Gestire progetti di Scienza dei Dati

Requisiti

Nessuno

 35 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (7)

Corsi in Arrivo

Categorie relative