Ogni webinar di questo percorso presenterà un caso concreto di applicazione di algoritmi analitici e metterà a disposizione dei partecipanti i dati presentati così che possano provare a realizzare quanto presentato durante il webinar in completa autonomia.
Il “Problem Based Learning”, coinvolgendo attivamente i partecipanti, porterà a discutere insieme i risultati ottenuti e le potenziali soluzioni.
OVERVIEW
Inizieremo il viaggio nel mondo degli Analytics presentando il tema della Dimensionality Reduction con il metodo della Principal Component Analysis, per poi spostare il focus nei webinar successivi al tema del Clustering e di come vari algoritmi (k-means, hierarchical, DBScan) possono portare a valutare diversamente lo stesso data set in termini di cluster.
Infine, valuteremo come passare dai temi di classificazione a quelli di previsione, attraverso l’applicazione di modelli come la Discriminant Analysis e la Logistic Regression.
I WEBINAR
| 5 Ottobre 2016 Ore 9.00 |
Machine Learning Introduction & Dimensionality Reduction Il webinar esplorerà i fondamenti del Machine Learning e presenterà alcune applicazioni pratiche a contesti di business. L’obiettivo è abilitare l’introduzione di algoritmi analitici avanzati nell’ambito dei processi di business al fine di facilitare l’evoluzione verso analisi predittive e prescrittivi.
|
||
| 3 Novembre 2016 Ore 9.00 |
Clustering Introduction ln questo webinar introdurremo il concetto di clustering, ovvero un insieme di metodi per raggruppare oggetti in classi omogenee. Un cluster è infatti un insieme di oggetti che presentano tra loro delle similarità, ma che, per contro, presentano dissimilarità con oggetti in altri cluster. L’input di un algoritmo di clustering è costituito da un campione di elementi, mentre l’output è dato da un certo numero di cluster in cui gli elementi del campione sono suddivisi in base a una misura di similarità. Gli algoritmi di clustering forniscono come output anche la descrizione delle caratteristiche di ciascun cluster.
|
||
| 17 Novembre 2016 Ore 9.00 |
Clustering in practice La cluster analysis consiste in un insieme di tecniche statistiche atte ad individuare gruppi di unità tra loro simili rispetto ad un insieme di caratteri presi in considerazione, e secondo uno specifico criterio. Durante questo webinar, mostreremo come la cluster analysis consenta di ottenere i seguenti risultati: · la generazione di ipotesi di ricerca, infatti per effettuare una analisi di raggruppamento non è necessario avere in mente alcun modello interpretativo; · la riduzione dei dati in forma (anche grafica) tale da rendere facile la lettura delle informazioni rilevate e parsimoniosa la presentazione dei risultati; · ricerca tipologica per individuare gruppi di unità statistiche con caratteristiche distintive che facciano risaltare la fisionomia del sistema osservato; · la costruzioni di sistemi di classificazione automatica per la ricerca di classi omogenee, dentro le quali si può supporre che i membri siano mutuamente surrogabili. |
||
| 18 Gennaio 2017 Ore 17.00 |
Clustering in practice – Part 2 Dopo aver introdotto le prime analisi di clustering su un data base reale con l’utilizzo di RapidMiner, approfondiamo l’interpretazione dei risultati condividendo le modalità di effettuazione del problema presentato nel corso della sessione precedente. Durante il webinar analizzeremo un caso di clustering per imparare a: – Comprendere il data set – Rappresentare il data set in uno spazio a dimensioni ridotte – Valutare i cluster ottenuti – Creare clustering gerarchici con diverse metodologie
|
||
Durante questo percorso affineremo ulteriormente i temi proposti al fine di offrire ai partecipanti esempi reali e concreti di applicazioni.