Best
 
New
 
Fantom Tag

Corso - Machine learning

Prepararsi all'implementazione in azienda

  • A distanza
  • Fondamenti
  • Full immersion
Corso a catalogo
Durata
2 giorni (14 Ore)

Quota d'iscrizione
1.690,00 €  +IVA

WebCode
IT.2
Scarica il tagliando di iscrizione
Realizza questo corso in azienda
WebCode
IT.2

Durata
2 giorni (14 Ore)

3.750,00€ +IVA
(Quota riferita ad un gruppo di 10 pax max, +10% di Project Management)
Formazione customizzata
Sei interessato all'argomento?
Progettiamo un training personalizzato nella tua azienda.

L'apprendimento automatico gioca un ruolo essenziale nell'evoluzione dei Big Data. Se ci si sta preparando a implementare una soluzione di AI nella propria azienda, uno dei propri obiettivi è garantire un'analisi e un'interpretazione ottimali delle informazioni chiave. 

Con una gamma di meccanismi e algoritmi, Machine Learning è in grado di seguire l'evoluzione delle proprie analisi per definire tendenze, fornire previsioni e non solo.

Grazie a un approccio pedagogico particolarmente metodico, questo seminario fornirà ai responsabili delle decisioni IT e di Marketing una serie di punti di riferimento fondamentali che faciliteranno il lancio di qualsiasi progetto di elaborazione intelligente dei dati.

Leggi di più
Per chi

A chi è rivolto

Per chi

  • Dirigenti, direttori IT
  • Direttori di progetto
  • Chiunque sia interessato a comprendere i meccanismi e i potenziali vantaggi del machine learning per guidare o gestire la preparazione di una distribuzione di una soluzione AI nell'azienda

Prerequisiti

Nessuno

Programma

Programma del corso

Dai Big Data al Machine Learning

  • Storia dei Big Data ed evoluzione verso il Machine Learning
  • Comprendere i concetti di Intelligenza Artificiale e Machine Learning
  • Esempi di utilizzo per vari dipartimenti aziendali in vari settori: marketing, vendite, logistica, risorse umane, salute, trasporti, sicurezza, energia, distribuzione, lusso, turismo ...
  • Risultati e benefici attesi

 

I meccanismi dell'apprendimento automatico

 

Che cos'è il Machine Learning?

  • Dati strutturati, semistrutturati e non strutturati
  • Natura statistica dei dati (qualitativi o quantitativi)
  • Oggetti connessi (IoT)

 

I diversi tipi di Machine Learning

  • Passaggio dall'analisi descrittiva all'analisi predittiva e poi prescrittiva
  • La tipologia degli algoritmi (Apprendimento supervisionato: ripetere un esempio - Apprendimento non supervisionato: scoprire i dati - Apprendimento per rinforzo: ottimizzazione di una ricompensa - Altri tipi di apprendimento (trasferimento, sequenziale, attivo...)
  • Il legame con matematica, big data, intelligenza artificiale e machine learning

 

Algoritmi di Machine Learning

  • Regressione lineare singola e multipla
  • Regressione polinomiale
  • Serie storiche
  • Applicazioni di regressione logistica e scoring
  • Classificazione gerarchica e non gerarchica (KMeans)
  • Classificazione dell'albero decisionale o approccio ingenuo di Bayes
  • Ramdom Forest (sviluppo dell'albero decisionale)
  • Potenziamento Gradiant
  • Reti neurali
  • Macchina di supporto vettoriale
  • Deep Learning: esempi e ragioni del successo attuale
  • Text Mining: analisi di corpora di dati testuali

 

Il processo di trattamento

 

Raccolta e preparazione dei dati 

  • Analisi esplorativa: Preparazione di un dataset - Pulizia dei dati
  • Identificazione delle correlazioni

 

Raccolta e preparazione dei dati: Feature engineering

  • Imparare a ridurre la complessità di un problema per risolverlo analizzando i componenti principali
  • Come ridurre la dimensione e selezionare le variabili rilevanti?
  • Rilevamento e correzione di valori anomali
  • Data augmentation: creazione di nuove variabili per aiutare a risolvere il problema

 

Procedura per l'addestramento e la valutazione degli algoritmi

  • Separazione del set di dati in parti: formazione, test e convalida
  • Tecniche di bootstrap (bagging)
  • Esempio di convalida incrociata
  • Definizione di una metrica delle prestazioni
  • Discesa del gradiente stocastico (minimizzazione metrica)
  • OCR e curve di sollevamento per valutare e confrontare algoritmi
  • Matrice di confusione: falsi positivi e falsi negativi

 

Produzione di un algoritmo di Machine Learning

  • Descrizione di una piattaforma Big Data
  • Come funzionano le API
  • Dallo sviluppo alla produzione
  • Strategia di manutenzione correttiva ed evolutiva
  • Valutazione del costo operativo in produzione

 

Come funziona il Machine Learning?

  • Strumenti di mercato per l'elaborazione dei dati
  • Software tradizionali (SAS, SPSS, Stata...) e la loro apertura all'Open Source
  • API online (IBM Watson, Microsoft Cortana Intelligence...)

 

Come implementare il Machine Learning?

  • Il ciclo di vita di un progetto di machine learning
  • Protezione e diritto di accesso ai dati personali
  • Supporto per i cambiamenti necessari (formazione, comunicazione, gestione)

 

Attori interni ed esterni da coinvolgere, da considerare

  • Gli attori di un progetto e di un post-progetto
  • Nuovi ruoli in azienda: Chief Data Officer, Data Protection Officer, Data Engineer, Data Scientist, Data Analyst, Data Miner...
  • I fornitori di servizi esterni e l'ecosistema
  • Nella tua azienda, chi si occupa di Machine Learning e Intelligenza Artificiale

 

La roadmap della distribuzione di una soluzione di Machine Learning

  • La roadmap dell'implementazione del machine learning (prima, durante e dopo il progetto)
  • Implementazione di un Proof Of Concept
  • Le specifiche di un progetto di Machine Learning
  • La retro pianificazione del/i reclutamento/i e il loro impatto sui progetti

 

Convalidare la preparazione di Machine Learning

  • Elenco di controllo, best practice
  • Scambi intorno alle specificità commerciali e all'attività delle aziende di ciascun partecipante
Obiettivi

Obiettivi del corso

  • Apprendere il posizionamento del machine learning nei Big Data
  • Conoscere il processo di elaborazione del Machine Learning nella catena di elaborazione dei dati
  • Comprendere i tipi di utilizzo di Machine Learning nell'azienda
  • Convalidare le chiavi del successo di un progetto basato sul Machine Learning
Esercitazioni

Esercitazioni

  • Un approccio metodico al tema basato continuamente su casi concreti, "storie di successo" sul mercato
  • Workshop adattati ai mestieri e alle esigenze del pubblico target di questo seminario volti all'appropriazione di buoni approcci, pratiche e riflessioni dei preparativi
  • Feedback da parte di un esperto per trarre vantaggio da diversi sviluppi
Finanziamenti

Opportunità di finanziamento

I Fondi Paritetici Interprofessionali permettono, alle aziende aderenti, di finanziare la formazione aziendale ed individuale rivolta ai propri dipendenti.

Affidati a Cegos e al suo Team dedicato per essere supportato lungo tutte le fasi del progetto finanziato, dalla valutazione di fattibilità, alla presentazione della domanda al Fondo Interprofessionale, fino alla rendicontazione dei costi e al rimborso delle spese.

Scopri come accedere ai finanziamenti per questo intervento.

Date

  • 1.690,00 € +IVA
    Posti disponibili
    Iscriviti
    I partecipanti riceveranno le istruzioni per partecipare alcuni giorni prima dell’inizio del corso.
  • 1.690,00 € +IVA
    Posti disponibili
    Iscriviti
    I partecipanti riceveranno le istruzioni per partecipare alcuni giorni prima dell’inizio del corso.
  • 1.690,00 € +IVA
    Posti disponibili
    Iscriviti
    I partecipanti riceveranno le istruzioni per partecipare alcuni giorni prima dell’inizio del corso.