Formación Laboris

Postgrado en Big data Management for Executive

LUISS Business School
LUISS Business School

Postgrado Presencial en LUISS Business School (Italia)

Precio: 4.900 € (+ IVA)
Duración: 4 meses

Resumen del postgrado

La LUISS Business School, Scuola di Business e Management dell’Università LUISS Guido Carli di Roma, presenta su Emagister.it il corso di Big data Management for Executive, pensato per chi ha abbia già esperienza operativa di gestione di processi di business e voglia comprendere come essi possano essere modificati, arricchiti, ottimizzati, attraverso l’utilizzo di tecnologie Big Data e di algoritmi di Machine Learning. L’accelerazione nello sviluppo di tecnologie per la gestione di grandi moli di dati ha profondamente trasformato gli scenari di business, dando un forte vantaggio competitivo alle aziende in grado di mettere al centro della propria strategia la “Digital Transformation”. La Digital Transformation richiede una forte necessità di cambiamento a chi lavora nelle aziende e nelle istituzioni e la necessità di figure professionali che sappiano gestire questo cambiamento portando al contempo valore. La chiave di volta della creazione di valore in questo campo è l’interdisciplinarietà: avere competenze che spazino dalla conoscenza delle tecnologie a quella dei modelli economico-statistici e degli algoritmi con cui essi vanno implementati, alla padronanza dei processi aziendali. È inoltre fondamentale avere capacità di interpretare, sintetizzare, comunicare e rendere fruibili le informazioni ottenute dall’analisi dei dati, permettendo di incrementare l’efficienza aziendale e di basare le scelte strategiche su solide basi quantitative.

Requisitos: I candidati oltre ad avere una passione per i Dati e l’analisi degli stessi, devono possibilmente conoscere i fondamenti della programmazione e della statistica. Non è richiesta una pratica recente nel loro utilizzo, in quanto il corso ha l’obiettivo principale di fornire gli strumenti manageriali per l’utilizzo dei dati. Ciò non toglie che durante il corso verranno presentati esempi e svolte esercitazioni che richiedono competenze basiche in tali ambiti, e saranno affrontati i necessari approfondimenti per comprendere al meglio gli strumenti analitici utilizzati. (es. Linguaggio R; Model

Temario completo de este curso

1° MODULO

Introduzione al Data Management

Obiettivi
La gestione dei dati e la definizione di soluzioni di Big Data Analytics richiedono un approccio multidisciplinare, che include competenze tecnologiche, metodologiche, conoscenza delle sorgenti dati, dei loro formati, delle modalità di acquisizione e trasformazione e di valutazione della loro qualità. Questo modulo è dedicato a presentare le competenze base che permettono di affrontare in modo organico la gestione di soluzioni Big Data Analytics.

Contenuti

  • Come e perché sono nate le soluzioni Big Data Analytics
  • Cosa costituisce i Big Data
  • Concetti base di Data Governance
  • Introduzione al Data Modelling
  • Le tecnologie abilitanti:
    • Caratteristiche dei DB relazionali e NoSQL
    • Panoramica dell’ecosistema Hadoop
    • Panoramica degli strumenti analitici disponibili
  • Le architetture big data: DWH, Data Lake, Ibridi
2° MODULO

Introduzione al linguaggio R

Obiettivi
Permettere agli studenti di conoscere le basi di R, al fine di essere efficaci nelle successive esercitazioni pratiche, dove la conoscenza verrà approfondita su casi specifici.

Contenuti

  • Installazione di R e di RStudio, uso di IBM Cloud
  • Elementi base del linguaggio R (variabili, matrici, Array, Dataframe, Liste, ecc.)
  • Costruzione di funzioni
  • Importazione e manipolazione di dati
  • Data cleaning ed analisi esplorativa
3° MODULO

Introduzione al Machine Learning

Obiettivi

  • Richiamare concetti base di statistica
  • Introdurre agli studenti le caratteristiche dei modelli supervisionati e non supervisionati
  • Acquisire una prima familiarità nell’utilizzo di R per costruire modelli supervisionati e non supervisionati e nell’analisi di serie temporali
  • Conoscere come costruire modelli con SPSS

Contenuti

  • Introduzione ai modelli supervisionati. Regressione lineare multipla e regressione logistica
  • Support vector machine, Classification And Regression Trees, k-nn, naïve bayes
  • Modelli non supervisionati Analisi in componenti principali, Cluster analysis (gerarchica, k-means, db-scan)
  • Analisi delle corrispondenze
  • Introduzione alle Time Series
  • Esperienze nel linguaggio R e con il software SPSS
4° MODULO

Big Data in practice: Predictive Maintenance

Obiettivi
Comprendere l’intero ciclo di progettazione ed implementazione di una soluzione di predictive maintenance attraverso la realizzazione di un caso pratico.

Contenuti
Analisi di base sulla manutenzione predittiva all’interno di una specifica linea produttiva di un impianto industriale, al fine di garantire un’idonea manutenzione preventiva.

Nello specifico, una volta acquisiti i dati dai sensori relativi al componente/macchinario del quale si vuole predire il guasto, mediante opportuni modelli matematici si lavora a:

  • individuare uno o più parametri significativi (es. temperatura d’esercizio, fornitore del pezzo, ecc.)
  • calcolare la probabilità di rottura del pezzo
  • determinare il tempo residuo prima del guasto, definendo una priorità d’intervento per la manutenzione
5° MODULO

Big Data in Practice: Marketing Analytics

Obiettivi
Far comprendere agli studenti quali sono gli strumenti metodologici necessari alla progettazione e costruzione di modelli per il marketing analitico a fronte degli obiettivi di business tipici nella pianificazione di campagne di marketing di acquisizione, up/cross-selling, risveglio, prevenzione del churn, win-back, ecc.

Contenuti

  • Analisi di dataset reali, contenenti comportamenti di acquisto e di usage di un set di clienti
  • Creazione di indicatori comportamentali per il clustering e la segmentazione della clientela
  • Introduzione e sperimentazione delle varie fasi di un processo di sviluppo di modelli analitici
  • Creazione e valutazione di modelli RFM, di clustering e di propensione all’acquisto
6° MODULO

Big Data in Practice: HR analytics

Obiettivi
Permettere agli studenti di valutare praticamente le tecniche di:

  • Descriptive analytics
  • Predictive analytics

nel contesto di un caso concreto in ambito HR con il supporto di uno strumento abilitante la Data Science (RapidMiner)

Contenuti

Obiettivo di business: minimizzare il turn-over dei talent, sulla base di dati sulla storia lavorativa e di formazione di un gruppo di impiegati

Come: identificare le caratteristiche più importanti ai fini dell’attrition e sviluppare un algoritmo che ne calcoli la probabilità

Fasi dello sviluppo:

  • Business understanding
  • Data understanding

Data preparation e creazione feature aggiuntive:

  • Data modeling
  • Data standardization
  • Algoritmi predittivi

7° MODULO

Big Data in Practice: Text mining and Social Analytics

Obiettivi
Accompagnare lo studente attraverso i vari approcci al text mining, modelli POS, Bag of Words e reti neurali.

Contenuti

  • Cleaning del testo e preparazione per la fase di analisi
  • Analisi esplorativa dei testi e approccio tramite tm e tramite tidyverse
  • Estrazione dati social da Twitter o da Facebook
  • Problemi di codifica e di lingue diverse dall’inglese
  • Analisi di sentiment tramite metodi supervisionati e non supervisionati, e classificazione automatica testi tramite naive bayes
 
ver temario completo
 
  

Más cursos relacionados de Informática y tecnología



  • Intergrupo

    Las empresas demandan profesionales TI que optimicen sus infraestructuras informáticas construyendo soluciones de nube privada (Private Cloud).Este máster ha sido diseñado para enseñar a ...

    Curso
    Online
    Consultar precio


  • Intergrupo

    Módulo 1: Lenguaje de consultas Transact-SQL 2012 Transact SQL Server 2012 Entorno de trabajo de SQL Server 2012 Introducción a Transact-SQL Agrupar y resumir datos Unir datos de ...

    Máster
    Online
    Consultar precio


  • Thomson Reuters Aranzadi – Lex Nova

    Objetivos: Informar y asesorar al responsable o al encargado del tratamiento y a los empleados que se ocupen del tratamiento de las obligaciones que les incumben.- Supervisar el cumplimiento de lo ...

    Curso
    Online
    1.422 €


  • Intergrupo

    Analysis Services en Microsoft SQL Server 2012 permite realizar estudios analíticos avanzados mediante el uso multidimensional y el nuevo diseño tabular para la generación de nueva información, a ...

    Curso
    Online
    Consultar precio


  • Intergrupo

    Las organizaciones usan SharePoint para crear sitios web. SharePoint se puede usar como un lugar seguro donde almacenar, organizar, compartir y acceder a información desde prácticamente cualquier ...

    Curso
    Online
    Consultar precio


  • Intergrupo

    La obtención de la certificación oficial MCSE: Data Management and Analytics le permite aspirar a un puesto de analista o diseñador de bases de datos, así como de analista de inteligencia ...

    Curso
    Online
    Consultar precio


  • Intergrupo

    Requisitos: Usuarios que trabajen en entornos en los que SQL Server 2008 forma parte deuna solución global.Profesionales que administren sistemas que funcionen bajo SQL Server 2008.Desarrolladores ...

    Curso
    Online
    Consultar precio

Laboris en tu móvil | Recomiéndanos | Favoritos | Ayuda | Acerca de Laboris.net | Condiciones de uso | Política de privacidad | Ofertas de empleo | Política de cookies

SCM Spain © 2019 EMAGISTER Servicios de formación, S.L.