Data Scientist | Certification Program

Un percorso formativo di 10 giornate e Certification Day per trasformare i Big Data in Smart Data e creare soluzioni concrete per migliorare i propri processi decisionali, di analisi, produttivi e di business. Con il termine Big Data Analytics ci si riferisce al processo di raccolta, analisi, modellizzazione e integrazione di grossi insiemi di dati di diversa tipologia e provenienza per individuare modelli, correlazioni, tendenze del mercato ed altre informazioni utili alle organizzazioni per prendere decisioni sempre più consapevoli, veloci ed efficaci. La capacità di utilizzare efficacemente le metodologie e gli strumenti del Big Data Analytics consentono quindi all’impresa di ottenere un forte vantaggio competitivo che si riflette nella possibilità di aumentare l’efficienza, la velocità e la flessibilità della propria supply chain o di progettare nuovi prodotti e servizi, sino alla creazione di modelli di business innovativi.

 

Obiettivi del percorso

Il percorso ha l’obiettivo di sviluppare le competenze teoriche e pratiche per:

  • Comprendere come impostare e implementare progetti di Big Data Analytics, attraverso la conoscenza delle infrastrutture abilitanti e delle classi di algoritmi da utilizzare
  • Acquisire le metodologie e gli strumenti di raccolta, organizzazione, manipolazione ed analisi dei dati al fine di estrarre da essi valore ed informazioni utili (Data Mining)
  • Realizzare soluzioni di visualizzazione per supportare la comprensione dei dati e per comunicare informazioni basate su di essi in maniera precisa ed efficace, al fine di migliorare e velocizzare i processi decisionali anche in ambienti complessi (Data Visualization)
  • Impadronirsi delle principali tecniche di analisi statistica e di machine learning per apprendere dai dati e costruire modelli analitici di classificazione, comprensione e predizione di fenomeni di interesse.

Destinatari

  • Manager e Professional IT 
  • Specialisti di analisi dati, Ingegneri di processo, Energy Quality Specialist 
  • Manager e Professional del miglioramento dei processi aziendali che vogliono essere in grado di utilizzare con efficacia le metodologie e gli strumenti del Data Science  
  • Manager e Professional che vogliono acquisire le capacità di costruire concretamente modelli data driven a supporto delle decisioni di business 

Il format

  • Test di ingresso on line per la valutazione del possesso delle conoscenze di base in ambito statistico e di programmazione necessario alla partecipazione
  • Didattica interattiva con simulazioni ed esercitazioni pratiche con l’uso dei software Phyton™, Jupiter, Pandas e Power BI
  • Analisi di case history
  • Impostazione e realizzazione di un Project Work aziendale
  • Sessione condivisa dedicata all’impostazione del Project Work
  • Sessione di tutoring da remoto durante la realizzazione del progetto
  • Test finale on line
  • Celebration day: presentazione dei progetti svolti e consegna Certificato
  • Il percorso si svolge in modalità blended in presenza ed in modalità live webinar

Prerequisiti

  • Superamento del Test di ingresso finalizzato alla valutazione del possesso delle conoscenze di base in ambito statistico e dei linguaggi di programmazione previsti (Pandas, Python™, Jupiter e Power BI)
  • Accesso a Windows e software Pandas, Python™, Jupiter e Power BI

Contenuti

  • Big Data: la centralità dei dati come fattore strategico per lo sviluppo del business
  • Elaborare i dati tramite strumenti di statistica industriale
  • Strumenti di analisi inferenziale & model fitting
  • Metodi di programmazione
  • Data Collection
  • Big Data
  • Data Visualization
  • Machine Learning

Big Data: la centralità dei dati come fattore strategico per lo sviluppo del business

  • Data Driven Economy e Data Driven Decision: il ruolo dei dati e delle informazioni nelle scelte aziendali
  • Le applicazioni della Big Data Analysis
  • Data Science e Data Analysis
  • Il ruolo del Data Scientist nell’organizzazione aziendale

Elaborare i dati tramite strumenti di statistica industriale

  • Introduzione alla statistica ed elementi di gestione dell’incertezza
  • Modelli di analisi statistica
  • Stratificazione e clustering dei campioni
  • Sintesi statistica numerica: indicatori di tendenza centrale e di dispersione
  • Sintesi statistica grafica: la costruzione di report efficaci (Istogrammi, Box-Plot & Whiskers, scatterplot)
  • Analisi dei comportamenti dei campioni: le principali distribuzioni di probabilità continue e discrete
  • Analisi di Capability dei processi

Strumenti di analisi inferenziale & model fitting

  • Verifica dei comportamenti dei campioni: analisi degli outliers e delle anomalie
  • Utilizzo industriale ed applicazioni del Test di Ipotesi
  • Utilizzo ed interpretazione dell’ANOVA
  • Utilizzo ed interpretazione dei modelli regressivi
  • Analisi dei pattern e sintesi del comportamento dei residui (MAD, CV, ME,…)
  • Cenni alle Carte di Controllo per la verifica dei comportamenti

Metodi di programmazione

  • Introduzione ai linguaggi di programmazione: Phyton™ e l’ambiente Jupiter Notebook
  • Costrutti e sintassi di base tipici del programma Phyton™ dai tipi di dato alle funzioni
  • Librerie: Numpy, per operazioni su vettori e matrici; matplotlib per la visualizzazione
  • La libreria di Data Analysis Pandas per la manipolazione dei dati: importazione, analisi, estrazione, ordinamento, raggruppamento ed esportazione dei dati.

Data Collection

  • Strategie di raccolta, sistematizzazione e integrazione di dati eterogenei
  • Modelli e formati dati principali: SQL vs NoSQL, CSV, Json, immagini, ecc.
  • Tool di scraping (librerie SW e strumenti grafici interattivi) e REST API

Big Data

  • Introduzione e concetti di base
  • Data preparation: pulizia dei dati, normalizzazione, gestione dei dati mancanti e delle anomalie
  • Criticità, evoluzione, strumenti e piattaforme per la gestione di Big Data

Data Visualization

  • Introduzione all’information visualization (infoview): scopo, principi fondamentali, pattern e antipattern
  • Strumenti per la Data Visualization: mockup, wireframe & UI Prototyping
  • Realizzazione di dashboard interattive con Power BI
  • Modelli e strumenti per la valutazione di interfacce e dashboard

Machine Learning

  • Introduzione al Machine Learning ed alle metriche valutative per problemi discreti e continui
  • Vantaggi e svantaggi dei sistemi supervised ed unsupervised, applicabilità delle diverse metodologie a seconda dei contest
  • Classificazione e regressione
  • Classificatori: k-Nearest Neighbor, Support Vector Machine, Random Forest
  • Clustering (k-means) e Riduzione di dimensionalità (PCA)
  • Introduzione al Deep Learning, Reti Neurali Convolutive, Reti Ricorrenti e Reinforcement Leraning

Durata

80 ore di formazione + Certification Day

Destinatari

Manager e Professional IT | Specialisti di analisi dati | Ingegneri di processo | Energy e Quality Specialist Manager | Professional del miglioramento dei processi aziendali
€ 6.000 (+ IVA) per partecipante

Data Scientist | Certification Program

Sede: Lean Factory School®
Sede: Lean Factory School®
Sede: Lean Factory School®
Sede: Lean Factory School®
Sede: Lean Factory School®
Sede: Lean Factory School®
Inizio: 12 Maggio 2021
Sede: Lean Factory School®
Inizio: 19 Maggio 2021
Sede: Lean Factory School®
Inizio: 26 Maggio 2021
Sede: Lean Factory School®
Inizio: 09 Giugno 2021
Sede: Lean Factory School®
Interaziendale sessione open iscrizioni aperte

Data Scientist | Certification Program

Inizio: 23 Settembre 2021
Sede: Lean Factory School®
Inizio: 30 Settembre 2021
Sede: Lean Factory School®
Inizio: 07 Ottobre 2021
Sede: Lean Factory School®
Inizio: 14 Ottobre 2021
Sede: Lean Factory School®
Inizio: 21 Ottobre 2021
Sede: Lean Factory School®
Inizio: 28 Ottobre 2021
Sede: Lean Factory School®
Inizio: 04 Novembre 2021
Sede: Lean Factory School®
Inizio: 11 Novembre 2021
Sede: Lean Factory School®
Inizio: 18 Novembre 2021
Sede: Lean Factory School®
Inizio: 25 Novembre 2021
Sede: Lean Factory School®
Interaziendale sessione open iscrizioni aperte

Faculty

 

  • Professore del Politecnico di Milano, Membro della Faculty del MIP Business School
  • IASSC Certified Black Belt
  • Certified Master Black Belt al MIP
  • Consulente Esperto specializzato in Operational Excellence con approcci di tipo Lean e Six Sigma per il miglioramento dei processi e delle strutture di costo aziendali in tutti i settori industriali
  • Lean Six Sigma Program Manager per i percorsi di Certificazione Master Lean Six Sigma di Bonfiglioli Consulting
  • Autore di numerose pubblicazioni tra cui:
    • Quantitative Methods for Quality Management – Brun, Casadio Strozzi, Fan – Esculapio Editore (2012) – III edizione 2020

  • Docente dei corsi Web Data Science e Informatica presso l’Università di Modena e Reggio Emilia 
  • Responsabile scientifico del progetto Uniform Representation of Curricular Attributes (URCA) finanziato da ANVUR 
  • Team member in progetti di ricerca sia a livello internazionale (ECSEL project MANTIS, ARTEMIS project EMC2, OCOPOMO project 248128, SaveMe project 234027) che nazionale (IDEAS PRIN 2012, GAUSS PRIN 2015, AMINSEP PNRM 2017) 
  • Presidente della track Web Technologies della conferenza ACM Symposium on Applied Computing (SAC). 
  • Autore di numerose pubblicazioni tra cui: 
    • Semantics-Driven Programming of Self-Adaptive Reactive Systems, «International Journal Of Software Engineering And Knowledge Engineering», 2020, 
    • Collaborative practices and multidisciplinary research: The dialogue between entrepreneurship, management, and data science, in: Fini, Riccardo, Rethinking entrepreneurship education: the role of collaborative practices and innovation, Zurigo, Springer International Publishing, 2018, 
    • Agile knowledge engineering for mission critical software requirements in: Synergies Between Knowledge Engineering and Software Engineering, Berlino, Springer Verlag, 2018 

  • Assegnista di ricerca presso il Dipartimento di Matematica ed Informatica dell’Università degli Studi di Ferrara
  • Dottorato di ricerca in Matematica nell’ambito dell’Analisi Numerica
  • Principali temi di interesse:
    • Ottimizzazione Stocastica
    •  Metodi del Gradiente
    • Metodi Matematici per il Machine Learning

  • Assegnista di ricerca presso l‘High Performance Real-Time Lab dell’Università di Modena e Reggio Emilia
  • Dottorato di ricerca in Matematica nell’ambito dell’analisi e ottimizzazione delle prestazioni di applicazioni real-time. Tra i campi maggiormente approfonditi:
    • Smart City
    • Industria 4.0
    • Automotive
  • Principali temi di interesse:
    • Applicazioni real-time
    • Intelligenza artificiale per sistemi embedded

Sessioni

80 ore di formazione + Certification Day
Interaziendale sessione open iscrizioni aperte
12 Maggio 2021 aggiungi a:
19 Maggio 2021 aggiungi a:
26 Maggio 2021 aggiungi a:
09 Giugno 2021 aggiungi a:
Interaziendale sessione open iscrizioni aperte
23 Settembre 2021 aggiungi a:
30 Settembre 2021 aggiungi a:
07 Ottobre 2021 aggiungi a:
14 Ottobre 2021 aggiungi a:
21 Ottobre 2021 aggiungi a:
28 Ottobre 2021 aggiungi a:
04 Novembre 2021 aggiungi a:
11 Novembre 2021 aggiungi a:
18 Novembre 2021 aggiungi a:
25 Novembre 2021 aggiungi a:

CLAUSOLE CONTRATTUALI
1. All'iscritto è consentito di recedere fino al decimo giorno solare precedente la data di inizio del corso con disdetta da inviare a Bonfiglioli Consulting mediante posta elettronica certificata (PEC): in tal caso potrà richiedere la restituzione di quanto già versato.
2. Nel caso in cui l'iscritto non dia disdetta nei termini di cui sopra e non si presenti in aula, non avrà diritto ad alcun rimborso, ma potrà alternativamente:
• entro un anno dalla data di inizio del corso frequentare la successiva edizione (se prevista) o un altro corso;
• farsi sostituire da un’altra persona della medesima azienda, i cui dati dovranno essere comunicati contestualmente alla disdetta del primo iscritto.
3. Bonfiglioli Consulting si riserva la facoltà di rinviare la data d'inizio o di annullare il corso stesso in caso di mancato raggiungimento del numero minimo di partecipanti: in questo caso, comunicherà - con un anticipo di almeno sette giorni rispetto alla data di inizio - la variazione e provvederà al rimborso delle quote eventualmente già versate.

Bologna|Milano|Padova|San Diego|Belo Horizonte|New Delhi|Bangalore|Pune|Ho Chi Min City|Hanoi