Personal Computing Studio S.r.l.

Predictive Analytics & Machine Learning

Personal Computing Studio S.r.l.
Online

1.240 
Preferisci chiamare subito il centro?
Chiedi informazioni a un consulente Emagister

Informazioni importanti

Tipologia Corso
Metodologia Online
Durata 3 Giorni
Inizio Scegli data
  • Corso
  • Online
  • Durata:
    3 Giorni
  • Inizio:
    Scegli data
Descrizione

Il centro Personal Computing Studio S.r.l. presenta sul portale di Emagister il corso di Predictive Analytics & Machine Learning.

Il corso può essere rivolto a due tipologie di destinatari: Analisti o Professionisti IT.

Gli obiettivi per le due tipologie di destinatari sono diversi

- Analisti: al termine del corso i partecipanti avranno potenziato le proprie conoscenze relative a tecniche di analisi predittiva, metodologie e fasi di un progetto di machine learning, algoritmi di machine learning (es. classificazione, regressione, clustering, …), tecniche di valutazione e confronto di modelli predittivi

- Professionisti IT: al termine del corso i destinatari del corso saranno in grado di prendere decisioni consapevoli e oggettive in ambito BID-NO BID o MAKE or BUY, in base ai dati ed alle informazioni disponibili.

Strutture (1)
Dove e quando

Luogo

Inizio

Online

Inizio

Scegli dataIscrizioni aperte
Scegli dataIscrizioni aperte
Scegli dataIscrizioni aperte
Scegli dataIscrizioni aperte
Scegli dataIscrizioni aperte
Scegli dataIscrizioni aperte
Scegli dataIscrizioni aperte
Scegli dataIscrizioni aperte
Scegli dataIscrizioni aperte
Scegli dataIscrizioni aperte

Da tener presente

· A chi è diretto?

Analista

· Requisiti

- Buona conoscenza della programmazione strutturata derivata dall’uso di un qualsiasi linguaggio di programmazione. - Buona conoscenza dei database e del SQL.

Domande e risposte

Comunicaci i tuoi dubbi,altri utenti potranno risponderti

Chi vuoi che ti risponda?

Pubblicheremo solo il tuo nome e la domanda

Successi del Centro

2019
2018

Come si ottiene il marchio CUM LAUDE?

Tutti i corsi devono essere aggiornati

La media delle valutazioni dev'essere superiore a 3,7

Più di 50 opinioni degli ultimi 12 mesi

2 anni del centro in Emagister.

Cosa impari in questo corso?

SQL
Apache
Clustering
E-learning
Informatica
Big Data
Data
Spark
Collect Data
Informatica
Data frames
Data frames

Programma

CONTENUTI:

PROGRAMMA x Analisti

  • Modelli per il machine learning
  • Selezione di un modello
  • Il processo alla base del funzionamento
  • Possibilità con il machine learning: previsioni, ottenimento dei dati e modellazione dei dati
  • Modelli aziendali
  • Introduzione a Apache Spark
  • Utilizzo Spark Shell

  • Ottenere i dati
  • Esplorare i dati
  • Modellare i dati
  • Comunicare and visualizzare i risultati
  • SQL Spark
  • Panoramica Spark SQL e SQL Context
  • Creazione DataFrames
  • Trasformazione e Interrogazione DataFrames
  • Salvataggio DataFrames

  • Classificazione (Esempi Spark)
  • Regressione (Esempi Spark)
  • Clustering (Esempi Spark)

PROGRAMMA x Professionisti IT

Introduction

  • Competitive bidding in the construction industry
  • Varying procurement strategy
  • Competition in the construction industry
  • The bid/no bid decision making process
  • Definition
  • Importance of bid/ no bid decision
  • Decision making difficulty
  • The bid/ no bid decision making processes used in industry
  • Factors affect the bid/ no bid decision making
  • Need for Work
  • Strength of Firm
  • Project Conditions Contributing to Profitability
  • Risk of the Project
  • Competition
  • Strategic Considerations

Research methodology

  • Research design
  • Research methodologies utilized in the literature
  • Research methodologies
  • Research methods
  • Chosen research design
  • Data collection
  • Chosen data collection
  • Sampling
  • Data collection procedure
  • Data analysis procedure
  • Reliability and validity
  • Reliability
  • Validity
  • Ethics considerations
  • Chapter summary

Data collection

  • Introduction
  • Data collection process
  • Data management and analysis
  • Quantitative data
  • Qualitative data

Discussion

  • Comparison limitations
  • Definition of small to medium sized contractors
  • Research methodology
  • Important factors for small sized contractors
  • Strength of firm
  • Need for work
  • Client and consultant of the project
  • Job uncertainty
  • Project considering long term gains and losses
  • Client (considering long-term gain/ losses
  • Important factors for medium size contractors
  • Strength of firm
  • Project conditions contributing to profitability of the project
  • Risk creating job and contract conditions
  • Project (considering long-term gains and losses)
  • Foreseeable future market conditions & firm‟s financial situation
  • Client and consultant of the project
  • Need for work
  • Other differences to literatures