In partenza dall’11 novembre 2022!
Un percorso formativo della durata di 10 giornate e Certification Day per trasformare i Big Data in Smart Data e creare soluzioni concrete per migliorare i propri processi decisionali, di analisi, produttivi e di business.
Con il termine Big Data Analytics ci si riferisce al processo di raccolta, analisi, modellizzazione e integrazione di grossi insiemi di dati di diversa tipologia e provenienza per individuare modelli, correlazioni, tendenze del mercato ed altre informazioni utili alle organizzazioni per prendere decisioni sempre più consapevoli, veloci ed efficaci.
La capacità di utilizzare efficacemente le metodologie e gli strumenti del Big Data Analytics consentono quindi all’impresa di ottenere un forte vantaggio competitivo che si riflette nella possibilità di aumentare l’efficienza, la velocità e la flessibilità della propria supply chain o di progettare nuovi prodotti e servizi, sino alla creazione di modelli di business innovativi.
Obiettivi del percorso
Il percorso ha l’obiettivo di sviluppare le competenze teoriche e pratiche per:
-
Comprendere come impostare e implementare progetti di Big Data Analytics, attraverso la conoscenza delle infrastrutture abilitanti e delle classi di algoritmi da utilizzare
-
Acquisire le metodologie e gli strumenti di raccolta, organizzazione, manipolazione ed analisi dei dati al fine di estrarre da essi valore ed informazioni utili (Data Mining)
-
Realizzare soluzioni di visualizzazione per supportare la comprensione dei dati e per comunicare informazioni in maniera precisa ed efficace, al fine di migliorare e velocizzare i processi decisionali anche in ambienti complessi (Data Visualization)
-
Impadronirsi delle principali tecniche di analisi statistica e di machine learning per apprendere dai dati e costruire modelli analitici di classificazione, comprensione e predizione di fenomeni di interesse.
Destinatari
-
Manager e Professional IT
-
Specialisti di analisi dati, Ingegneri di processo, Energy e Quality Specialist
-
Manager e Professional del miglioramento dei processi aziendali che vogliono essere in grado di utilizzare con efficacia le metodologie e gli strumenti del Data Science
-
Manager e Professional che vogliono acquisire le capacità di costruire concretamente modelli data driven a supporto delle decisioni di business
Il format
- Test di ingresso on line per la valutazione del possesso delle conoscenze di base in ambito statistico e di programmazione necessario alla partecipazione
- Didattica interattiva con simulazioni ed esercitazioni pratiche con l’uso dei software Phyton™, Jupiter, Pandas e Power BI
- Analisi di case history
- Impostazione e realizzazione di un Project Work aziendale
- Sessione condivisa dedicata all’impostazione del Project Work
- Sessione di tutoring da remoto durante la realizzazione del progetto
- Test finale on line
- Celebration day: presentazione dei progetti svolti e consegna Certificato
- Il percorso si svolge in modalità blended in presenza ed in modalità live webinar
Prerequisiti
- Superamento del Test di ingresso finalizzato alla valutazione del possesso delle conoscenze di base in ambito statistico e dei linguaggi di programmazione previsti (Pandas, Python™, Jupiter e Power BI)
- Accesso a Windows e software Pandas, Python™, Jupiter e Power BI
Contenuti
- Big Data: la centralità dei dati come fattore strategico per lo sviluppo del business
- Elaborare i dati tramite strumenti di statistica industriale
- Strumenti di analisi inferenziale & model fitting
- Metodi di programmazione
- Data Collection
- Big Data
- Data Visualization
- Machine Learning
Guarda il Programma Dettagliato
Big Data: la centralità dei dati come fattore strategico per lo sviluppo del business
- Data Driven Economy e Data Driven Decision: il ruolo dei dati e delle informazioni nelle scelte aziendali
- Le applicazioni della Big Data Analysis
- Data Science e Data Analysis
- Il ruolo del Data Scientist nell’organizzazione aziendale
Elaborare i dati tramite strumenti di statistica industriale
- Introduzione alla statistica ed elementi di gestione dell’incertezza
- Modelli di analisi statistica
- Stratificazione e clustering dei campioni
- Sintesi statistica numerica: indicatori di tendenza centrale e di dispersione
- Sintesi statistica grafica: la costruzione di report efficaci (Istogrammi, Box-Plot & Whiskers, scatterplot)
- Analisi dei comportamenti dei campioni: le principali distribuzioni di probabilità continue e discrete
- Analisi di Capability dei processi
Strumenti di analisi inferenziale & model fitting
- Verifica dei comportamenti dei campioni: analisi degli outliers e delle anomalie
- Utilizzo industriale ed applicazioni del Test di Ipotesi
- Utilizzo ed interpretazione dell’ANOVA
- Utilizzo ed interpretazione dei modelli regressivi
- Analisi dei pattern e sintesi del comportamento dei residui (MAD, CV, ME,…)
- Cenni alle Carte di Controllo per la verifica dei comportamenti
Metodi di programmazione
- Introduzione ai linguaggi di programmazione: Phyton™ e l’ambiente Jupiter Notebook
- Costrutti e sintassi di base tipici del programma Phyton™ dai tipi di dato alle funzioni
- Librerie: Numpy, per operazioni su vettori e matrici; matplotlib per la visualizzazione
- La libreria di Data Analysis Pandas per la manipolazione dei dati: importazione, analisi, estrazione, ordinamento, raggruppamento ed esportazione dei dati.
Data Collection
- Strategie di raccolta, sistematizzazione e integrazione di dati eterogenei
- Modelli e formati dati principali: SQL vs NoSQL, CSV, Json, immagini, ecc.
- Tool di scraping (librerie SW e strumenti grafici interattivi) e REST API
Big Data
- Introduzione e concetti di base
- Data preparation: pulizia dei dati, normalizzazione, gestione dei dati mancanti e delle anomalie
- Criticità, evoluzione, strumenti e piattaforme per la gestione di Big Data
Data Visualization
- Introduzione all’information visualization (infoview): scopo, principi fondamentali, pattern e antipattern
- Strumenti per la Data Visualization: mockup, wireframe & UI Prototyping
- Realizzazione di dashboard interattive con Power BI
- Modelli e strumenti per la valutazione di interfacce e dashboard
Machine Learning
- Introduzione al Machine Learning ed alle metriche valutative per problemi discreti e continui
- Vantaggi e svantaggi dei sistemi supervised ed unsupervised, applicabilità delle diverse metodologie a seconda dei contest
- Classificazione e regressione
- Classificatori: k-Nearest Neighbor, Support Vector Machine, Random Forest
- Clustering (k-means) e Riduzione di dimensionalità (PCA)
- Introduzione al Deep Learning, Reti Neurali Convolutive, Reti Ricorrenti e Reinforcement Leraning
Faculty
Lean e Six Sigma Expert
+ 20 anni di esperienza in progetti di Operational Excellence, Supply Chain e implementazione di strutture organizzative Six Sigma.
Vai al profilo LinkedIn
Docente dei corsi Web Data Science e Informatica
Università di Modena e Reggio Emilia
Vai al profilo LinkedIn
Ricercatore presso Dipartimento di Scienze Fisiche, Informatiche e Matematiche
Università degli Studi di Ferrara
Vai al profilo LinkedIn
Professore Associato area Tecnologie Web e Programmazione Internet
Responsabile Scientifico Unità Humanistic AI Centro Alma AI
Università di Bologna
Vai al profilo LinkedIn
Copyright © 2016 Bonfiglioli Consulting. All rights reserved. P.I. 02646871208
Privacy Policy | Cookie Policy | Preferenze Cookie