Inserisci la descrizione completa del corso

A chi é rivolto:

PROGRAMMA DEL CORSO

• Le opportunità offerte: IOT, connettività, cloud, geo-localizzazione
• Gli obiettivi: definire e mappare il problema, identificare le CTQ e i parametri
• Il valore del dato
• Le tipologie di informazioni utili da raccogliere: luogo di utilizzo, informazioni territoriali e ambientali, caratteristiche cliente, modalità di utilizzo, parametri di funzionamento e altre caratteristiche  del prodotto
• Utilizzo degli open data

• Le sei dimensioni del Data Quality

• Installazione e Ambiente Operativo
• Principi di funzionamento

• Extract: file di testo (txt, csv), file Excel, Tabelle di Database
• Transformation: organizzazione e trasformazione di base dei dati
• Loading: Ccstruzione della Customer Table

• Come condurre una prima esplorazione dei dati

• Screening delle informazioni: correlazioni, anova e altre analisi di dipendenza
• Definizione delle variabili target: tempo al guato, evento guasto

• Riduzione delle variabili

• Cosa sono, a cosa servono
• Modelli predittivi nel Machine Learning
• Modeling, Evaluation, Deployment
• Modelli supervisionati e non-supervisionati
• Costruzione e validazione
• Valutazione efficacia (Curva ROC, curve di guadagno, lift) del modello
• Matrice di confusione e metriche derivate
• Matrice costi/profitti, valutazione soglia ottimale
• Eventi rari, tecniche di ricampionamento

• Regressione Logistica
• Alberi di Decisione
• Reti Neurali
• Random Forest
• Support Vector Machine