>   Academy   >   Industry 4.0   >   Percorso Industrial data scientist

Linkedin

Facebook

Google Pluss

Email

Twitter

S
h
a
r
e

Percorso

Industrial data scientist

1^ed. Milano
In corso

Modulo 1

Industry 4.0, Iot e Data science

Terminata

Modulo 2

Statistics for Operations and probability

Terminata

Modulo 3

DoE. Process control

Terminata

Modulo 4

Data mining and Machine learning

In corso
18-19 Giu 2018
12-13 Set 2018

Modulo 5

Architecture DWH e Data Lake (SQL vs No SQLdb)

08-09 Ott 2018

Modulo 6

Visualisation & Dashboarding

29 Ott 2018

Modulo 7

Impostazione Project work operativo

30 Ott 2018

Mod. 1: Industry 4.0, Iot e Data science


top

Obiettivi

Introdurre l’Industry 4.0, la Data Science e la figura del Data Scientist

Contenuti

  • Introduzione al programma e roadmap
  • Industry 4.0
  • Internet of Things
  • Che cosa è Data Science?
  • Data Science Process
  • Data Scientist: skills, competenze e ruolo in una realtà industriale

Sperimenterete

  • Come individuare il livello di Industry 4.0 di una organizzazione
  • Come individuare le core competence del Data Scientist

Continua a leggere

Obiettivi

Introdurre l’Industry 4.0, la Data Science e la figura del Data Scientist

Contenuti

  • Introduzione al programma e roadmap
  • Industry 4.0
  • Internet of Things
  • Che cosa è Data Science?
  • Data Science Process
  • Data Scientist: skills, competenze e ruolo in una realtà industriale

Sperimenterete

  • Come individuare il livello di Industry 4.0 di una organizzazione
  • Come individuare le core competence del Data Scientist

Riduci

Mod. 2: Statistics for Operations and probability


top

Obiettivi

Introduzione alla scienza dei Dati e agli algoritmi di analisi

Contenuti

  • Che cos’è la statistica: la scienza dei dati
  • Statistica descrittiva
  • Analisi grafiche
  • Statistica inferenziale
  • Distribuzione di probabilità
  • Introduzione al machine learning

Sperimenterete

Esercitazioni con l’uso dei software e dei linguaggi di analisi dati

Continua a leggere

Obiettivi

Introduzione alla scienza dei Dati e agli algoritmi di analisi

Contenuti

  • Che cos’è la statistica: la scienza dei dati
  • Statistica descrittiva
  • Analisi grafiche
  • Statistica inferenziale
  • Distribuzione di probabilità
  • Introduzione al machine learning

Sperimenterete

Esercitazioni con l’uso dei software e dei linguaggi di analisi dati

Riduci

Mod. 3: DoE. Process control


top

Obiettivi

  • Come impostare e realizzare un’attività sperimentale per il miglioramento dei processi/prodotti
  • Come monitorare un processo nel tempo

Contenuti

Come migliorare un processo/prodotto tramite il DOE

  • Perché sperimentare?
  • Come pianificare un esperimento
  • Design fattoriali completi
  • Design fattoriale frazionario
  • Ottimizzazione dei progetti (RSM)
  • Design robusto (Taguchi)

Come controllare un processo tramite SPC (Statistical Process Control)

  • Perché utilizzare SPC?
  • La logica del SPC
  • Diagrammi a controllo variabile
  • Diagrammi di controllo degli attributi
  • Grafici pre-controllo

Sperimenterete

Esercitazioni con l’uso dei software e dei linguaggi di analisi dati

Continua a leggere

Obiettivi

  • Come impostare e realizzare un’attività sperimentale per il miglioramento dei processi/prodotti
  • Come monitorare un processo nel tempo

Contenuti

Come migliorare un processo/prodotto tramite il DOE

  • Perché sperimentare?
  • Come pianificare un esperimento
  • Design fattoriali completi
  • Design fattoriale frazionario
  • Ottimizzazione dei progetti (RSM)
  • Design robusto (Taguchi)

Come controllare un processo tramite SPC (Statistical Process Control)

  • Perché utilizzare SPC?
  • La logica del SPC
  • Diagrammi a controllo variabile
  • Diagrammi di controllo degli attributi
  • Grafici pre-controllo

Sperimenterete

Esercitazioni con l’uso dei software e dei linguaggi di analisi dati

Riduci

Mod. 4: Data mining and Machine learning


top

Obiettivi

Comprendere e sperimentare l’utilizzo di alcuni degli algoritmi di machine learning più importanti

Contenuti

Introduzione al machine learning

  • Classificazione (esempio: rilevazione modello)
  • Rilevamento di anomalie (esempio: rilevazione antifrode)
  • Regressione (esempio: assistenza sanitaria)
  • Clustering (esempio: football)
  • Rafforzare l’apprendimento (esempio: manutenzione predittiva)
  • Casi di successo: Fameccanica, Marzoli, Porta Solutions, Safety at Work, MS Research, EMMA
  • Apertura dibattito

Sperimenterete

Applicazione degli algoritmi di machine learning trattati su casi reali:

  • Consumo Energetico New York
  • Qualità predittiva
  • Qualità predittiva del vino
  • Segmentazione della clientela
  • Ricambi Supply Chain

Continua a leggere

Obiettivi

Comprendere e sperimentare l’utilizzo di alcuni degli algoritmi di machine learning più importanti

Contenuti

Introduzione al machine learning

  • Classificazione (esempio: rilevazione modello)
  • Rilevamento di anomalie (esempio: rilevazione antifrode)
  • Regressione (esempio: assistenza sanitaria)
  • Clustering (esempio: football)
  • Rafforzare l’apprendimento (esempio: manutenzione predittiva)
  • Casi di successo: Fameccanica, Marzoli, Porta Solutions, Safety at Work, MS Research, EMMA
  • Apertura dibattito

Sperimenterete

Applicazione degli algoritmi di machine learning trattati su casi reali:

  • Consumo Energetico New York
  • Qualità predittiva
  • Qualità predittiva del vino
  • Segmentazione della clientela
  • Ricambi Supply Chain

Riduci

Mod. 5: Architecture DWH e Data Lake (SQL vs No SQLdb)


top

Obiettivi

Conoscere le principali soluzioni di architetture di sistema e Advanced Analytics

Contenuti

  • Introduzione agli Advanced Analytics
  • DWH [SQL] & DL [NoSQL]
  • Architettura Lambda [power BI]
  • Intelligence
    • computer vision
    • text to speech & viceversa
    • servizi cognitivi di Azure
    • BOT
  • Esempi end-to-end
  • Hadoop/Spark
  • Big Data e albero delle decisioni

Sperimenterete

  • Come trattare le diverse tipologie di dati
  • Esempi di Advanced Analytics

Continua a leggere

Obiettivi

Conoscere le principali soluzioni di architetture di sistema e Advanced Analytics

Contenuti

  • Introduzione agli Advanced Analytics
  • DWH [SQL] & DL [NoSQL]
  • Architettura Lambda [power BI]
  • Intelligence
    • computer vision
    • text to speech & viceversa
    • servizi cognitivi di Azure
    • BOT
  • Esempi end-to-end
  • Hadoop/Spark
  • Big Data e albero delle decisioni

Sperimenterete

  • Come trattare le diverse tipologie di dati
  • Esempi di Advanced Analytics

Riduci

Mod. 6: Visualisation & Dashboarding


top

Obiettivi

Come realizzare un efficace “Storytelling with Data”

Contenuti

  • Introduzione
  • Da "showing data" a "storytelling with data"
  • L'importanza del contesto
  • Scegliere una visualizzazione e reporting efficace
  • Il “disordine” è il tuo nemico!
  • Attirare l'attenzione del pubblico
  • Pensare come un designer
  • Analizzare i modelli di visualizzazione
  • Lezioni di storytelling
  • Estraili tutti insieme
  • Esempi
  • Riflessioni finali

Sperimenterete

Esempi ed Esercitazioni

Continua a leggere

Obiettivi

Come realizzare un efficace “Storytelling with Data”

Contenuti

  • Introduzione
  • Da "showing data" a "storytelling with data"
  • L'importanza del contesto
  • Scegliere una visualizzazione e reporting efficace
  • Il “disordine” è il tuo nemico!
  • Attirare l'attenzione del pubblico
  • Pensare come un designer
  • Analizzare i modelli di visualizzazione
  • Lezioni di storytelling
  • Estraili tutti insieme
  • Esempi
  • Riflessioni finali

Sperimenterete

Esempi ed Esercitazioni

Riduci

Mod. 7: Impostazione Project work operativo


top

Obiettivi

Supportare i partecipanti nella scelta e nell’impostazione di un Project work operativo

Contenuti

  • Analisi dei possibili Project work individuati
  • Scelta e impostazione del Project work più adatto, in termini di obiettivi e vincoli aziendali

Sperimenterete

Impostare il project chart relativo al project work operativo

Continua a leggere

Obiettivi

Supportare i partecipanti nella scelta e nell’impostazione di un Project work operativo

Contenuti

  • Analisi dei possibili Project work individuati
  • Scelta e impostazione del Project work più adatto, in termini di obiettivi e vincoli aziendali

Sperimenterete

Impostare il project chart relativo al project work operativo

Riduci

LOGIN



Ricordami

Se hai dimenticato la password clicca qui.

Non sei ancora iscritto?

Registrati