Capitolo uno: definizione di un nuovo mondo

  • Introduzione al corso
  • Definizione di Data Science e differenze rilevanti rispetto alla data analysis, alla business intelligence e al data mining
  • Il concetto di big data
  • Definizione di Industry 4.0 e suo legame profondo con la Data Science
  • Introduzione al Machine Learning e all’Intelligenza Artificiale

 

Capitolo due: basi di Data Science

  • Alchimia del dato
  • Il diagramma di Venn e le sue implicazioni
  • I tre layer della Data Science
  • Il team di Data Science
  • Le 5 leggi fondamentali della Data Science

 

Capitolo tre: problemi di business e soluzioni di Data Science

  • Esempi reali di visione data driven
  • Scopi generali per cui applicare la Data Science

 

Capitolo quattro: macchine che imparano

  • Introduzione al concetto di modello matematico
  • Metodi di apprendimento unsupervised
  • Metodi di apprendimento supervised
  • Esempi pratici di casi reali di interesse business

Capitolo cinque: quando i dati si fanno grandi

  • Big o non big? Questo è il dilemma..
  • Le tecnologie abilitanti dei big data
  • La rivoluzione di architettura e logica portata dai big data
  • Implicazioni aziendali dei big data in termini di skills e costi
  • Big data analysis
  • Comprimere i big data tramite metodi matematici

 

Capitolo sei: costruire il team

  • Individuare e selezionare i profili necessari
  • Dare forma al team e all’ambiente di lavoro
  • Definizione di protocollo e metodologie per il team
  • Gestione del team
  • Progettazione e versionamento del codice
  • Reporting dei progetti
  • Metodologia Agile: Scrum e Kanban

 

Capitolo sette: il layer del data lake

  • Requisiti e scopi fondamentali di un data lake
  • Architetture miste relazionali e noSQL
  • Il ruolo fondamentale del data architect
  • La rivoluzione dell’ICT
  • L’importanza di una corretta raccolta dati
  • Strumenti e tecnologie

 

Capitolo otto: il layer scientifico

  • Matematica e creatività
  • Cosa serve per creare un modello matematico
  • Validazione dei modelli
  • Scalabilità, portabilità, costi: differenze tra un accademico e un data scientist
  • Strumenti e tecnologie

 

Capitolo nove: il layer di usabilità

  • Industrializzare un modello matematico
  • L’importanza della comunicazione
  • Interfacce utente nell’era cloud based
  • Strumenti e tecnologie

 

Capitolo dieci: Data Science sul campo

  • Esempi reali da diverse aree di business
  • Piano operativo e leve strategiche per introdurre la Data Science in azienda
ISCRIVITI AL CORSO
0 STUDENTI ISCRITTI

    Ritorna in :

    Tutti i nostri corsi sono realizzabili su richiesta sia on-line sia in presenza

    Fondi Paritetici Interprofessionali

    Gruppo Galgano

    “La Leadership attraverso l’Eccellenza”

    Privacy Policy

    Seguiteci sui social

    Contatti

    Consulenza:
    infoga@galganogroup.com

    Formazione:
    corsi@galganogroup.com

    Telefono: 331.477.04.67 - 333.103.49.69

    Sede

    Sede legale:
    Via G. Mameli, 11 – 20129 Milano
    Sede operativa:
    Via Vittor Pisani 8 – 20124 Milano

    C.F. e P.IVA: 11449320966

    top
    © Galgano Group 2017 - All right riserved Develop by Agenzia Qualità