Analisi predittiva con Microsoft Azure Machine Learning
Prezzo
1100 euro a corso a persona*
Con un minimo di 2 partecipanti
Giorni
2 giorni
*sconti applicabili per gruppi di partecipanti
*I prezzi espressi non comprendono le spese di trasferta.
Dettagli del Corso
All’interno del portale Azure, Microsoft mette a disposizione uno strumento di machine learning estremamente potente e versatile. Azure ML consente l’implementazione di modelli di machine learning anche complessi in modo estremamente semplice. Inoltre essendo cloud-based offre un’elevata capacità di calcolo on-demand. Il corso vuole fornire un’introduzione all’ambiente Azure ML, per poi affrontare le tematiche specifiche legate alla costruzione e al testing dei modelli.
Sezioni principali:
- Introduzione al machine learning
- Le fasi di un progetto di machine learning: analisi esplorativa dei dati, preparazione dei dati, scelta dell’algoritmo, training di un modello, test del modello
- Introduzione all’ambiente Azure ML: gli esperimenti, i dataset, i web services
- Le fonti dati
- I task di trasformazione
- Gli algoritmi disponibili
- Gli strumenti per la valutazione dei modelli
- L’integrazione con R e Phyton
- Case study
- è consigliato seguire prima il corso Introduzione all’analisi dei dati, oppure il più completo Fondamenti di Analisi Predittiva: dalla teoria alla pratica in due giorni
I partecipanti saranno in grado di sfruttare tutte le funzionalità del semplice ed intuitivo strumento di machine learning messo a disposizione da Microsoft. La spiegazione degli algoritmi di machine learning per l’analisi dei dati è strettamente legata a quelli resi disponibili in Azure ML. Per una più ampia comprensione degli strumenti disponibili per l’analisi predittiva dei dati si consiglia di frequentare il corso Fondamenti di Analisi Predittiva: dalla teoria alla pratica in due giorni
Stai cercando maggiori informazioni?
Dataskills opera a 360° nel settore della Data Science, aiutandoti ad estrarre valore dal patrimonio di dati della tua azienda
Comments are closed.