OEC008 Predictive analytics on Big Data

Questo corso appartiene alla linea: Big Data
Durata: 2 Giorni
Costo: € 1.190,00
Iva esclusa Condividi
OEC008
Prossime edizioni
Data Sede
09-05-2017 MilanoEdizione garantita
09-05-2017 RomaEdizione garantita
19-09-2017 Milano
12-10-2017 Bologna
22-11-2017 Roma
Edizione garantita indica che l'edizione è garantita

A chi è rivolto il corso?
Il corso è rivolto ad analisti che desiderino approfondire le tematiche legate all’analisi predittiva.

Descrizione:

Il corso fornisce una panoramica delle tecniche di analisi predittiva.
Il programma prevede una prima parte dedicata al machine learning in generale, a cosa si può ottenere attraverso le tecniche predittive e a quali sono le fasi del progetto di machine learning. 
Il corso entra poi nel merito degli algoritmi di machine learning più utilizzati per la classificazione, la regressione ed il clustering.
Inoltre, sono ampiamente trattate le tecniche per la valutazione ed il confronto dei modelli predittivi.
Infine sono esposti alcuni esempi di utilizzo delle tecniche predittive per la soluzione di alcuni problemi di business.
 
PREREQUISITI:
 
Per partecipare con profitto a questo corso è consigliata la partecipazione al corso OEC006 Big Data o conoscenze equivalenti.
 
CONTENUTI:
 
Introduzione alla predicitve Analytics
1) Data Mining e Machine Learning
2) Classificazione, regressione, clustering, associazione
3) Utilizzi della predictive analytics per risolverre problemi di business
4) Il processo CRISP-DM
5) Predictive Analytics Vs Prescriptive Analytics
 
La preparazione dei dati
1) Variabili categoriche e variabili quantitative
2) Gestione dei valori mancanti
3) Creare le variabili di input
4) Riduzione della dimensionalità
5) Normalizzazione dei dati
 
Gli algoritmi
NOTA: per ciascuno di essi i punti trattati sono:
                -descizione dell'algoritmo
                -punti di forza e debolezza
                -applicazioni pratiche
                -esempi
 
1) Naive Bayes
2) Decision Trees
3) Support Vector Machines
4) Neural Networks
5) K-Means Clustering
6) Hierarchical Clustering
7) Association Rules (Apriori Algorithm)
8) Ensemble:
                - Bagging
                - Boosting
                - Random Forest
 
La valutazione dei modelli
1) Training & Test Set
2) La matrice di confusione
3) Le metriche per la valutazione della classificazione
4) Le curve ROC
5) Cross validation
 
Alcuni case studies
1) Churn Analysis
2) Fraud Detection
3) Marketing Campaign targeting
 

Dotazione:
Ciascun partecipante avrà a disposizione una postazione allestita con i sistemi operativi ed il software necessario alle esercitazioni.

0 commenti trovati
Per lasciare un commento devi effettuare il Login con lo username e la password che ti sono stati inviati quando ti sei iscritto ad uno dei nostri corsi.