Struttura del corso

Introduzione alla Scienza dei Dati e all'IA

  • Acquisizione del sapere attraverso i dati
  • Rappresentazione del sapere
  • Creazione di valore
  • Panoramica sulla Scienza dei Dati
  • Ecosistema AI e nuova approccio all'analisi
  • 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
  • Integrare Python con Spark

L'IA nel Business

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

Sorgenti di dati

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

Analisi dei Dati – Approccio statistico

  • Probabilità
  • Statistica
  • Modellazione statistica
  • Applicazioni aziendali utilizzando Python

L'apprendimento automatico nel business

  • Supervisionato vs non supervisionato
  • Problemi di previsione
  • Problemi di classificazione
  • Problemi di clustering
  • Rilevamento delle anomalie
  • Motori di raccomandazione
  • Estrazione di pattern associativi
  • Soluzione di problemi ML con il linguaggio Python

L'apprendimento profondo

  • Problemi in cui gli algoritmi tradizionali di ML falliscono
  • Soluzione di problemi complessi con l'Apprendimento Profondo
  • Introduzione a TensorFlow

Elaborazione del Linguaggio Naturale

Visualizzazione dei dati

  • Riferimenti visivi degli esiti della modellazione
  • Comuni errori nella visualizzazione
  • Visualizzazione dei dati con Python

Dalla Dati alla Decisione – comunicazione

  • Fare un impatto: narrazioni basate sui dati
  • Effetto di influenza sulla efficacia
  • Gestione dei progetti di Scienza dei Dati

Requisiti

Nessuno

 35 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (7)

Corsi in Arrivo

Categorie relative