Corso di formazione tecnico/pratica su Machine Learning e relative implementazioni su basi di dati.
Conoscere i concetti base del Machine Learning, i suoi metodi di analisi dei dati, come costruire e valutare i modelli decisionali per poterli applicare al “daily work”, tramite:

• Introduzione con elementi teorici, definizioni e scopi
• Esempi pratici di esperienze decisionali dalla letteratura
• Dettagli con esempi per i vari modelli decisionali e definizione delle metriche di valutazione per la scelta ottimale del modello. Applicazioni pratiche con utilizzo del linguaggio Python
• Esempi pratici dalla esperienza professionale in azienda: possibile riferimento per ulteriore applicazione nella propria azienda

Questo corso vuole dare una preparazione di base sulle tematiche di Machine learning, partendo dai concetti di base, passando per esempi di modelli reali fino a esempi pratici di esperienze aziendali.

• Livello Introduzione (2 ore circa)
  • Argomento: Conoscenza dei concetti di base e orientamento verso un modello che possa soddisfare i requirement del mio contesto lavorativo
    • Definizioni, concetti, obiettivi nell’ambito del Machine Learning
    • Analisi dei dati da utilizzare
    • Dalla “funzione” offerta dal Machine Learning, al “modello” reale da utilizzare in una applicazione di AI
    • Costruire la “predizione”
• Livello Basic (2 ore circa)
  • Argomento: Descrizione delle tipologie di modelli decisionali, addestramento di un modello con supervisione, approfondimento sui modelli disponibili e loro caratteristiche
    • Descrizione delle tipologie di modelli decisionali: quale modello è più vicino alle mie esigenze
    • Addestramento supervisionato (supervised learning):
      • processo di apprendimento del modello e sua valutazione: concetti di base
    • Addestramento supervisionato (supervised learning):
      • processo di apprendimento del modello e sua valutazione: desxrizione del processo
    • Esempi di problemi di Regressione e di Classificazione
• Livello Advanced (2 ore circa)
  • Argomento: Esempi applicativi con implementazione di codice Python per costruire e valutare modelli reali dalla letteratura
    • Come costruire e valutare un modello di Regressione (lineare e non)
    • Come costruire e valutare un modello di Classificazione (binaria e multiclasse)
    • Esempi di implementazione in Python
• Livello Extra (2 ore circa)
  • Argomento: Esempi applicativi con implementazione di codice Python per costruire e valutare altri modelli reali dalla letteratura: addestramento non supervisionato, Esempi pratici da esperienze aziendali
    • Addestramento senza supervisione: problemi di Clustering:
    • costuire sottogruppi correlati partendo da un insieme di dati apparentemente disordinato
    • Esempi di implementazione in Python
    • Individuazione delle anomalie di comportamento di un sistema: Anomaly Detection
    • Sistemi di Raccomandazione (Recommendation Systems): anticipare le richieste del cliente
    • Esempi di implementazione in Python
    • Esempi tratti da esperienze aziendali