Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione
- Definizione di AI Predittiva
- Contesto storico ed evoluzione dell'analisi predittiva
- Principi di base del machine learning e data mining
Raccolta e Preprocessamento dei Dati
- Raccolta dei dati rilevanti
- Pulizia e preparazione dei dati per l'analisi
- Comprendere i tipi e le fonti dei dati
Analisi Esplorativa dei Dati (EDA)
- Visualizzazione dei dati per ottenere insights
- Statistiche descrittive e riassunti dei dati
- Identificazione di pattern e relazioni nei dati
Modellistica Statistica
- Nozioni di base dell'inferenza statistica
- Analisi di regressione
- Modelli di classificazione
Algoritmi di Machine Learning per la Predizione
- Panoramica degli algoritmi di supervised learning
- Alberi decisionali e foreste casuali
- Nozioni di base delle reti neurali e del deep learning
Valutazione e Selezione del Modello
- Comprendere l'accuratezza ed i metriche di performance dei modelli
- Tecniche di validazione incrociata
- Overfitting e tuning del modello
Applicazioni Pratiche dell'AI Predittiva
- Studi di caso in vari settori industriali
- Considerazioni etiche nella modellistica predittiva
- Limitazioni e sfide dell'AI Predittiva
Progetto Pratico
- Lavorare con un dataset per creare un modello predittivo
- Applicazione del modello per fare previsioni
- Valutazione ed interpretazione dei risultati
Riepilogo e Passaggi Successivi
Requisiti
- Comprender le basi della statistica
- Esperienza con qualsiasi linguaggio di programmazione
- Familiarità con la gestione dei dati e gli spreadsheet
- Non è richiesta esperienza precedente in AI o data science
Pubblico target
- Professionisti IT
- Analisti di dati
- Personale tecnico
21 ore
