Analisi Predittiva con R

Il corso ha lo scopo di rendere i partecipanti in grado di sviluppare una soluzione di data mining con R, di testarla e di valutarne l’accuratezza. Gli argomenti trattati prevedono una parte più teorica relativa al funzionamento dei modelli trattati ed una parte pratica, nella quale si utilizzeranno alcuni package R per implementare e valutare i modelli di data mining. Gli algoritmi facenti parte del programma del corso sono: Naive Bayes, Decision trees, Neural Networks, K-Means Clustering, Association Rules. Tali algoritmi saranno applicati a casi realistici. Il corso presuppone almeno una conoscenza di base del linguaggio R. Tuttavia, saranno comunque rivisti i concetti fondamentali per la comprensione della parte dedicata al data mining.

Sezioni principali:

• Preparazione dei dati: Esplorazione, creazione di varibili, PCA, MICE, Gestione dei NULL
• Algoritmi di data mining: Linear regression, Logit, Clustering, Naive Bayes, Decision trees, SVM, Reti neurali
• Metodi di ensemble: Random forest, bagging/Boosting
• Valutazione dei modelli: Curve ROC, Cross validation, Bootstrapping
• Integrazione R con altri software: KNIME, Azure machine learning …
• Analisi serie temporali: Decomposizione, Exponential smoothing, modelli ARIMA
• Analisi dei testo: Package tm, Altri package

• Il corso presuppone almeno una conoscenza di base del linguaggio R
• è consigliato seguire prima il corso Analisi predittiva con R

I partecipanti saranno in grado di sviluppare soluzioni di analisi predittiva da un punto di vista di modellistica, e anche nella pratica per mezzo del software R. Saranno inoltre in grado di testare la bontà dei modelli ottenuti e valutarne la performance reale.
Per un ulteriore approfondimento su diversi strumenti che si possono usare per effettuare analisi predittive consigliamo i corsi: Analisi predittiva con Rulex, Analisi predittiva con Microsoft Azure Machine Learning