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 2024
1.690,00 €  +IVA

WebCode
IT.2
Iscriviti
Realizza questo corso in azienda
Durata
2 giorni (14 Ore)

3.750,00€ +IVA
Quota riferita ad un gruppo di 10 pax max, +10% di Project Management

WebCode
IT.2
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.

Vai al corso del 2025
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

    Consulta le date 2025