Contenuti Corso

Codice: SC2DBMS274

Tipo: Corso

Durata: 40 ore

Erogazione: Frontale oppure Virtual Class
 

Descrizione

Lo scopo principale di questo corso è quello di far acquisire agli studenti le competenze e le abilità per analizzare e per presentare dati attraverso la Machine Learning Azure, ed introdurre agli strumenti di gestione per i BigData quali HDInsight ed i servizi R all’interno della machine learning.

Obiettivi

Al termine del corso gli studenti saranno in grado di:

• Descrivere la machine learning e come vengono utilizzati gli algoritmi ed i linguaggi
• Descrivere le funzionalità principali di Azure Machine Learning e l’ambiente di sviluppo Azure Machine Learning Studio
• Preparare i dataset per poter essere utilizzati in Azure Machine Learning
• Acquisire le tecniche per progettare e selezionare i dataset
• Utilizzare gli algoritmi di regressione e le reti neurali di Azure Machine Learning
• Saper scegliere tra R e Python come linguaggio più appropriato per la risoluzione di un problema
• Imparare ad utilizzare hyperparametri, modelli ed algoritmi multipli per misurare e valutare
• Imparare a distribuire servizi basati su Azure Machine Learning ai clienti e condividere i dati dai modelli
• Imparare ad utilizzare HDInsigt con Azure Machine Learning
• Imparare ad utilizzare R e Server R in Azure Machine Learning

A chi è rivolto

Il corso è rivolto a:

• Analisti o Data scientists che utilizzano servizi cloud per implementare e distribuire soluzioni intelligenti
• Chiunque abbia necessità di analizzare e presentare dati mediante la piattaforma Azure Machine Learning
• Sviluppatori che abbiano necessita di supportare soluzioni Azure Machine Learning

Prerequisiti di accesso

• Esperienza di programmazione con linguaggio R e familiarità con i packages di R
• Conoscenza dei metodi statistici e delle best practices nell’analisi dei dati
• Conoscenza dei Database relazionali
  

Contenuti

• Introduzione alle Machine Learning
• Azure Machine Learning
• Gestione dei dati: categorie, importazione, trasformazione
• Preparazione dei dati per Azure Machine Learning
• Funzionalità di ingegneria e tecniche di selezione
• Modelli di Azure Machine Learning: algoritmi di regressione e reti neurali
• Linguaggi R e Python
• Ottimizzazione dei modelli