Formazione Apprendimento automatico
Padroneggiare gli strumenti di Machine Learning in un contesto industriale.
Ordine
Formazione sull'apprendimento automatico
- e-learning
- statistiche
Durata
50h
Tasso
1330 €Ht/pers
Diventare esperti nella risoluzione di problemi industriali
Il corso di Machine Learning vi permetterà di padroneggiare l'uso degli strumenti di analisi dei dati e di Machine Learning in un contesto industriale. Imparerete a collocare il Machine Learning nel contesto dell'AI e dei Big Data e a comprendere i diversi algoritmi (regressione, riduzione delle dimensioni, classificazione supervisionata e non supervisionata).
Al termine del corso di Machine Learning, sarete in grado di preparare correttamente i dati, applicare metodi di statistica descrittiva, utilizzare strumenti di riduzione delle dimensioni come PCA e UMAP e utilizzare algoritmi di modellazione per estrarre tutte le informazioni dai vostri dati e prendere le decisioni giuste.
I nostri vantaggi
La formazione sull'apprendimento automatico è vivace e interattiva. Numerosi esercizi sul software di analisi dei dati di Ellistat vi permetteranno di mettere in pratica la teoria. Le risorse e l'aiuto fornito dai nostri team renderanno più facile l'assimilazione di concetti complessi.
100%
I tirocinanti sono soddisfatti del corso di formazione su ellistat
21
corsi disponibili in
e-learning o faccia a faccia
e-learning o faccia a faccia
99%
il numero di corsisti che raccomandano i nostri corsi
*Settembre 2021 - settembre 2024
Il vostro feedback
Obiettivi
- Familiarità con i principi e l'uso di strumenti di analisi dei dati e di apprendimento automatico in un contesto industriale.
- La formazione si basa sugli strumenti disponibili nel modulo Analisi dei dati di Ellistat.
Per chi
Il corso e-learning di Machine Learning è pensato per manager e ingegneri che devono analizzare i dati di produzione per ricavarne nuove conoscenze o un modello predittivo del comportamento.
Prerequisiti
- Utilizzo di base di Internet e di un browser web
- Una qualifica di II livello e/o 5 anni di esperienza professionale iniziale
- Conoscenza di base della gestione della qualità e dei processi
- Non è necessario essere un Six Sigma Green Belt o Six Sigma Black Belt per partecipare a questo corso.
Durata
50 ore di lezioni ed esercizi. L'accesso all'e-learning è disponibile 24 ore su 24, 7 giorni su 7, per 3 mesi per il corso Machine Learning.
Risorse didattiche e tecniche
- 100% Formazione in E-Learning su piattaforma dedicata
- Il metodo di insegnamento proposto è basato sui media (voce, testo, esercizi), divertente e multimodale, con test ad ogni lezione.
- Presentazioni teoriche
- Casi di studio
- Documenti di supporto in PDF e in Excel disponibili online
Team di insegnanti
Con oltre 30 anni di esperienza, ricca di insegnamenti e di esperienze pratiche, la nostra organizzazione di formazione sulla qualità industriale vi offre una gamma di servizi di formazione e consulenza per sviluppare e migliorare le vostre prestazioni e il vostro know-how. Tutti i nostri consulenti sono Lean Six Sigma Master Black Belt e hanno almeno 10 anni di esperienza nell'applicazione degli strumenti Lean e Six Sigma in ambito industriale.
Accessibilità
Il corso di Machine Learning è accessibile alle persone con disabilità. Vi preghiamo di contattarci per conoscere eventuali disposizioni speciali. Faremo del nostro meglio per accontentarvi.
Procedure di valutazione
- Fogli di presenza.
- Domande orali o scritte (MCQ).
- Casi di studio.
- Lavoro pratico
Programma
Comprensione dell'ambito del Machine Learning e dell'analisi dei dati
- Comprendere gli obiettivi del Machine Learning
- Inserire il Machine Learning nel contesto dei Big Data, dell'Intelligenza Artificiale...
- Saper mappare i diversi strumenti: regressione, riduzione delle dimensioni, clustering, classificazione supervisionata (S) e non supervisionata (NS).
- Capire cosa si può e cosa non si può fare con il Machine Learning
Preparazione dei dati per un'analisi corretta
- Preparazione di un piano di raccolta dati
- Come redigere un piano di campionamento
- Saper applicare i principi della statistica descrittiva ai dati (tipo di distribuzione, calcolo della statistica media, deviazione standard mediana, curtosi, asimmetria, ecc.)
- Valutare la presenza di outlier
Conoscenza del principio: strumenti di riduzione delle dimensioni (NS)
- Conoscere il principio della riduzione delle dimensioni
- Comprensione e utilizzo degli strumenti ACP, UMAP e TSNE
- Analisi delle componenti principali
- Analisi dei fattori di corrispondenza
- Analisi delle corrispondenze multiple
- Comprendere e utilizzare una carta T2
Classificazione non supervisionata
- Conoscenza del principio: strumenti di classificazione non supervisionata (NS)
- Classificazione gerarchica: Dendrogramma, Variabili, Individui
- Conoscere i principi degli algoritmi K means, DBSCAN e Mean Shift.
Apprendimento supervisionato, continuo Y
- Conoscere il principio e saper utilizzare gli strumenti: regressione lineare, regressione lineare multipla
- Comprendere il principio delle reti neurali e saperle applicare a casi semplici.
Apprendimento supervisionato, discreto Y
- Regressione logistica
- Regressione logistica ordinale
- Classificazione supervisionata SVM
- KNN e albero decisionale
Metrica di un classificatore
- Curva ROC e controllo della confusione
- Metriche di classificazione semplici
- Metrica combinata
- Intervalli di confidenza per le metriche
Mettere in pratica gli strumenti di Machine Learning
- Padroneggiare l'uso del modulo Ellistat Data Analysis per implementare tutti i punti del programma.
Un metodo di apprendimento
- E-LearningApprendimento autonomo1330€
- 50 ore di corsi di e-learning
- Assistenza online
