Machine learning: tecniche di riduzione della dimensionalità

Machine learning: tecniche di riduzione della dimensionalità

Overview

Spesso i big data non riguardano solo il volume di osservazioni, ma anche il numero di dimensioni, variabili, informazioni, che il fenomeno oggetto di studio mette a disposizione dell’analista. Occorre pertanto avvalersi di tecniche di analisi statistica multivariata che permettano di sintetizzare le dimensioni con la minore perdita possibile di informazione.

Descrizione

L’obiettivo del corso è di presentare i principali metodi matematici e statistici utili a ridurre il numero di variabili di un dataset mantenendo la maggior informazione possibile, o comunque focalizzando sulle dimensioni di maggior interesse per l’analisi. Saranno pertanto presentate tecniche come Single Value Decomposition, Principal Component Analysis, Factor Analysis e Correspondence Analysis, con numerosi esempi ed applicazioni di business che daranno la possibilità ai partecipanti di toccare con mano il valore di queste metodologie applicate a problemi aziendali.

Il progetto è strutturato sui bisogni formativi e di aggiornamento professionale di data analyst e data scientist che devono implementare tecniche di riduzione delle dimensioni.

Prerequisiti: conoscenze matematico-statistiche di base e conoscenza del software R.

Durata del corso

8 ore

Docente del corso

Cerri

Data del corso

In fase di definizione: ti informeremo con anticipo riguardo alle date effettive

Costo del corso

600,00 (il pagamento effettivo avverrà solo al raggiungimento minimo di partecipanti)

Carrello