OBIETTIVI

Al termine del corso il partecipante sarà in grado di:

• comprendere l’utilità delle analisi grafiche per l’esplorazione dei dati;

• individuare il modello statistico o una tecnica di machine learning per l’analisi dei dati più opportuno sulla base della tipologia dei dati;

• valutare le previsioni di un modello.

DESTINATARI

Il Corso si rivolge a coloro che operano nei settori industriale, finanziario e assicurativo con funzioni che richiedono l’analisi di grandi volumi di dati al fine di estrarre le informazioni in essi contenute e valutarne il potenziale impatto.

PROGRAMMA     

​

Introduzione 

• Definizione di Data Analytics. Introduzione ai Big Data

​​

Analisi grafica dei dati  &  operazioni di data handling

• Box-and-whiskers plot, Scatterplot, Scatterplot matrix, Heatmap,Coplot

• Identificazione di outlier, Missing value

• Trasformazione dei dati

Modelli statistici vs Machine learning

(Interpretabilità dei modelli vs Accuratezza delle previsioni)

• Modelli statistici: modelli ARIMA, regressione lineare classica, regressione polinomiale, regressione spline, regressione logistica, k-nearest neighbor.

• Metodi di machine learning: Reti neurali, Long Short-Term Memory (LSTM).

Valutazione delle previsioni

• Misure di valutazione delle previsioni.

Applicazioni a dataset con utilizzo del software R

​