Avvicinarsi al data driven decision making: principali tecnologie in ambito Big Data e Advanced Analytics affrontate con attività di laboratorio e casi reali.
Danilo Maurizio
Advanced and Predictive Divison Manager Horsa - Director of Data Science at doolyticCostruire un percorso di avvicinamento alla “scienza del dato” identificando da subito ambiti concreti di applicazione e stimolando la crescita di sensibilità e attitudini al (moderno) data driven decision making. Verranno presentate le principali tecnologie utilizzate in ambito Big Data e Advanced Analytics con attività di laboratorio ed applicate a casi reali.
Perché partecipare
I temi Big Data, Predictive, Advanced Analytics sono molto di moda, molti ne parlano, a vario titolo e su diversi aspetti. Ma tu hai capito a cosa possono servirti? Le aziende come la tua sono incuriosite, cercano di informarsi, ma la maggior parte di loro non riesce a farsi una idea chiara di cosa possa servire per loro e di come questi strumenti possano aiutare il proprio business in un contesto in cui non ci sono spazi per investimenti con ROI incerti.
A chi è rivolto
Il corso è rivolto a responsabili IT, personale IT e Key-User Aziendali.
Obiettivi
Al termine del corso il partecipante avrà acquisito le conoscenze di base per muoversi tra le numerose tecnologie dell’ecosistema Hadoop e sarà in grado di identificare i diversi use case dove esse possono essere applicate con successo. Si parlerà anche degli aspetti architetturali che contraddistinguono un moderno stack software per la Data Science. Non ultimo tramite la presentazione di use case e attività di laboratorio i partecipanti potranno approfondire i temi trattati in maniera interattiva.
Materiale / Servizi compresi
- Dispense, file di autoapprendimento
- Attestato di partecipazione
- Coffee Break
- Light Lunch
Orario delle lezioni: 9:30 – 17:30
Programma
I giorno
- Alla ricerca di una definizione per la moderna scienza del dato
- Dai data ai big data: come cambiano i metodi di analisi
- La natura del processo decisionale (bias cognitivi)
- Il machine learning (teoria): supervised vs unsupervised learning, pre-processing, cross-validation, model selection/evaluation
II giorno
- Introduzione ai Big Data
- Overview sull’ecosistema Hadoop/Spark
- Hadoop on premise vs. in-the-cloud
- Approcci per l’Analytics on Big Data
- Use case anomaly detection (Industrial IoT)
- Use case churn prediction (probabilità di abbandono di un cliente)
- Esercitazione (cluster analysis della customer base in ambito retail)
