Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione
- Definizione dell'IA predittiva
- Contesto storico ed evoluzione dell'analisi predittiva
- Principi di base dell'apprendimento automatico e del data mining
Raccolta e pre-elaborazione dei dati
- Raccolta di dati rilevanti
- Pulizia e preparazione dei dati per l'analisi
- Informazioni sui tipi di dati e sulle origini
Esplorativo Data Analysis (EDA)
- Visualizzazione dei dati per ottenere informazioni dettagliate
- Statistica descrittiva e riepilogo dei dati
- Identificazione di modelli e relazioni nei dati
Modellazione statistica
- Nozioni di base sull'inferenza statistica
- Analisi di regressione
- Modelli di classificazione
Machine Learning Algoritmi per la predizione
- Panoramica degli algoritmi di apprendimento supervisionato
- Alberi decisionali e foreste casuali
- Nozioni di base sulle reti neurali e sul deep learning
Valutazione e selezione del modello
- Informazioni sull'accuratezza del modello e sulle metriche delle prestazioni
- Tecniche di convalida incrociata
- Overfitting e messa a punto del modello
Applicazioni pratiche dell'IA predittiva
- Casi di studio in vari settori
- Considerazioni etiche nella modellazione predittiva
- Limiti e sfide dell'IA predittiva
Progetto pratico
- Utilizzo di un set di dati per creare un modello predittivo
- Applicazione del modello per effettuare stime
- Valutazione e interpretazione dei risultati
Riepilogo e prossime tappe
Requisiti
- Comprensione della statistica di base
- Esperienza con qualsiasi linguaggio di programmazione
- Familiarità con la gestione dei dati e dei fogli di calcolo
- Non è richiesta alcuna esperienza pregressa nell'intelligenza artificiale o nella scienza dei dati
Pubblico
- Professionisti IT
- Analisti di dati
- Staff tecnico
21 ore
