Struttura del corso
Introduzione al Machine Learning nell’ambito aziendale
- Il machine learning come componente fondamentale dell’intelligenza artificiale
- Tipologie di apprendimento: supervisionato, non supervisionato, per rafforzamento e semi-supervisionato
- Gli algoritmi più utilizzati nel contesto aziendale
- Sfide, rischi e potenziali applicazioni del machine learning nell’ambito AI
- Sovraadattamento dei modelli e bilanciamento tra bias e varianza
Tecniche e flusso di lavoro del Machine Learning
- Il ciclo di vita del machine learning: dalla formulazione del problema all’implementazione pratica
- Classificazione, regressione, clustering e rilevamento delle anomalie
- Quando è opportuno adottare l’apprendimento supervisionato piuttosto che quello non supervisionato
- Il ruolo dell’apprendimento per rafforzamento nell’automazione aziendale
- Considerazioni da tenere in conto nella decisione basata su modelli di machine learning
Preprocessing dei dati e progettazione delle feature
- Fasi iniziali di preparazione dei dati: caricamento, pulizia e trasformazione
- Progettazione delle feature: codifica, modifiche strutturali e creazione di nuove variabili
- Scaling delle feature: normalizzazione e standardizzazione
- Riduzione della dimensionalità: analisi in componenti principali e selezione delle variabili rilevanti
- Analisi esplorativa dei dati e visualizzazione aziendale dei risultati ottenuti
Reti neurali e Deep Learning
- Introduzione alle reti neurali e loro impiego in ambito aziendale
- Struttura base: livelli di input, nascosti ed output
- Backpropagation e funzioni di attivazione impiegate nei modelli neurali
- Applicazioni delle reti neurali in classificazione e regressione
- Impiego delle reti neurali per attività di previsione economica e rilevamento di schemi ricorrenti
Previsione delle vendite e analisi predittiva
- Differenze tra modelli basati su serie storiche e quelli derivanti dalla regressione
- Analisi della decomposizione delle serie temporali: trend, stagionalità e ciclicità
- Tecniche disponibili: regressione lineare, metodi di smoothing esponenziale e modelli ARIMA
- Utilizzo delle reti neurali per modelli predittivi non lineari
- Studio di caso: previsione del volume mensile delle vendite
Studi di caso applicativi nel settore aziendale
- Tecniche avanzate di progettazione delle feature per migliorare i risultati ottenuti con la regressione lineare
- Analisi segmentaria tramite tecniche di clustering e mappe auto-organizzanti
- Analisi delle relazioni d’acquisto tra prodotti e utilizzo di regole di associazione per fornire approfondimenti commerciali in ambito retail
- Classificazione del rischio di insolvenza dei clienti con strumenti quali regressione logistica, alberi decisionali, XGBoost e SVM
Conclusioni e prossimi passi nel percorso formativo
Requisiti
- Conoscenza di base dei principi del machine learning e delle sue applicazioni
- Esperienza nell’utilizzo di fogli di calcolo o strumenti per l’analisi dei dati
- Una certa dimestichezza con Python o un altro linguaggio di programmazione è utile, ma non indispensabile
- Interesse nell’applicazione del machine learning a problemi pratici in ambito business e previsionale
Destinatari
- Analisti aziendali
- Professionisti dell’intelligenza artificiale
- Manager e decision maker che operano sulla base di dati analitici
Recensioni (3)
Mi è davvero piaciuta la parte finale in cui abbiamo avuto il tempo di esplorare CHAT GPT. La sala non era impostata nel modo migliore per questo - sarebbe stato utile avere alcune piccole tavole invece di una grande, così da poter formare gruppi più piccoli e fare brainstorming.
Nola - Laramie County Community College
Corso - Artificial Intelligence (AI) Overview
Traduzione automatica
Lavorare partendo dai principi fondamentali in modo concentrato, e passare all'applicazione di casi pratici nello stesso giorno
Maggie Webb - Department of Jobs, Regions, and Precincts
Corso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traduzione automatica
Stava utilizzando dati reali di una società. Il formatore aveva un approccio molto efficace, coinvolgendo i partecipanti e incentivando la competizione
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Corso - Applied AI from Scratch in Python
Traduzione automatica
