MACHINE LEARNING E DATA SCIENCE               

​

Il Machine Learning predittivo è senz’altro oggi al picco delle aspettative nella Data Science. E’ un insieme di tecniche logiche ed algoritmi matematici per prevedere in modo automatico informazioni numeriche e non, basandosi sui dati aziendali del passato (dei quali si assume quindi la disponibilità). E così contribuire a prendere decisioni operative in modo guidato dai dati (data-driven), seppur sempre col supporto dell’intuizione e dell’esperienza delle persone. Anche in tempo reale, se necessario. Il focus del corso è sui modelli predittivi (con cenni su quelli descrittivi), quelli più utili ed il cui costo (TCO) è in continua diminuzione.

Una «inclinazione logica e matematica» del partecipante a questo corso è senz’altro utile, seppur non strettamente indispensabile.

​

​

Durata

da 56 a 64 ore

​

​

Programma

 

Introduzione al Machine Learning predittivo

• Cosa è il ML e perché se ne parla tanto oggi. Realtà vs hype.

• ML vs AI vs Data Mining vs Statistica: come non confonderli.

• Esempi di ML noti al pubblico. Il ruolo trainante di Google, Amazon e Facebook.

• Cenni storici. Il ruolo del ML in azienda oggi.

• Perchè il ML può aiutare le aziende a prendere decisioni migliori.

• Sviluppare una mentalità data-driven, col supporto dell’intuizione (sinergia).

• Quali aspetti del business di una azienda sono adatti al ML (predittivo)?

• Criteri per riconoscerli. La gestione dell'incertezza in azienda.

• Cos’è il ML in tempo reale. Best practice e casi d'uso nell'applicazione in azienda del ML.

 

Dati e variabili

• Analisi dati esplorativa: cos’è ed a cosa serve (cenni > tema sviluppato meglio nel corso apposito).

• Cosa sono i pattern e le relazioni (nei dati aziendali) e come essi possono aiutare a prevedere una risposta.

• Cos'è un modello basato sui dati aziendali.

• Cos'è un dataset: osservazioni e variabili. Sinonimi di "variabile": una fonte di confusione.

• Tipi di variabili numeriche: intere e continue.

• Tipi di variabili categoriche (aka nominali o qualitative o discrete): nominali, ordinali, intervalli e rapporti. (cenni > tema sviluppato meglio nel corso Analisi esplorativa dei dati). Riduzione variabili / PCA (cenni > tema sviluppato meglio nel corso sul ML descrittivo).

 

Modelli

• Comprensione vs. previsione.

• Le tipologie classiche di «problema di ML»: previsione numerica, classificazione, associazione, clustering, profiling, analisi causale, riduzione delle variabili, previsione dei link e rilevamento outlier.

• Una framework più ampia: modelli descrittivi vs predittivi vs prescrittivi.

• Tipologie di input ai modelli.

• Tipologie di output dei modelli: tabelle, modelli lineari, alberi, regole, cluster, istanze. Sviluppo vs deployment di un modello.

• Modelli supervisionati vs non-supervisionati vs rinforzati. Il rapporto segnale-rumore (ovvero la significatività del modello). Training e test data set.

• Modelli semplici vs modelli complessi.

• Modelli rigidi vs modelli flessibili.

• Una causa frequente di confusione: problema vs algoritmo.

 

La previsione numerica

• Algoritmi di previsione numerica: regressione lineare e varianti, alberi di regressione, regole. Esempi.

• La potatura degli alberi (pruning).

• Dataset imperfetti (è sempre così): come trattare con algoritmi robusti outlier, dati mancanti e dati poco affidabili.

• Dataset mal classificati. Cosa fare.

• La generalizzazione.

• Overfitting e variabili omesse (i due principali problemi dei modelli): come evitarli.

• Underfitting.

• L'importante trade-off tra bias a varianza.

• I dati sparsi, ovvero la maledizione della multidimensionalità. Cosa fare.

• Il pericolo della estrapolazione.

• Includere nel modello l’interazione tra variabili.

• Previsioni per variabili qualitative: quali modelli?

 

La classificazione

• Algoritmi di classificazione: KNN, alberi di classificazione, regole di classificazione, ecc. Esempi.

• Cos'è il "decision boundary".

• Similarità e "distanza": come si calcola (metodo euclideo ed altri).

• L’information gain e l’entropia.

• Classificazione binaria vs non-binaria. Esempi.

• Il problema della «class unbalance»: soluzioni.

• Classificazione non-lineare.

• Altri classificatori: reti neurali e support vector machine.

• Metodi ensemble (boosting, bagging, forest): cenni.

• Problemi di regressione vs problemi di classificazione: confronto ed applicazione.

 

Oltre la regressione lineare semplice

• Linearizzazione tramite trasformazione di variabile.

• Regressione multipla e multivariata (cenni).

• Regressione non-lineare.

• Regressione step-wise (cenni).

 

La valutazione e la selezione del modello

• Valutazione dell'accuratezza dei modelli predittivi.

• Domanda chiave: in un dato campo qual è il livello di tolleranza agli errori dell’azienda e dei suoi clienti?

• Processo iterativo per confronto.

• Prediction error: tipologie a seconda del modello. R quadro.

• L'esame dei residui.

• La matrice di confusione.

• I lift chart e le curve ROC (cenni).

• La validazione incrociata (cross-validation).

• Il bootstrapping.

• Valutazione oggettiva vs soggettiva.

• Capacità di spiegazione vs capacità di previsione del modello.

• Meglio un modello accurato od uno facilmente comprensibile?

• Combinare modelli (ensemble): perché e come.

• Combinare tool: perché e come.

• L’importanza dei modelli semplici.

 

Il processo di ML

• Il processo di ML (CRISP-DM? ASUM-DM?, alternative).

• L'importanza del preprocessing.

• Il processo di modellizzazione: 3 fasi (Larson).

• Algoritmi eager vs lazy.

 

Falsi miti (frequenti)

• Ma quanti dati servono per un ML efficace? Più ne ho, meglio è.

• Big data ha reso inutile il campionamento, od addirittura i modelli. ("More data or better models?")

• La conoscenza teorica di modelli ed algoritmi non conta, ci sono i tool.

• La conoscenza del dominio applicativo non conta.

• Le prestazioni del modello migliorano al crescere della dimensione del training dataset.

 

Ambienti di sviluppo e tool

• Sviluppi custom con: Excel, R, Python, o Java?

• L’interfaccia grafica R di Data Mining (rattle).

• Cenni su una framework Java open-source per ML (Weka).

• Web Application di ML.

• Lo stack Hadoop – NoSQL – Apache Spark.

• Quali motori Hadoop / NoSQL per quali scenari di utilizzo? Match tra workload analitici e piattaforme.

• SAS Lasr, DataBricks, Apache Zeppelin.

• Tool di Machine Learning Automation come: DataRobot, Tellmeplus, IBM Data Science Experience.

• Le framework commerciali di Machine Learning: scikit-learn (per Python), Tensorflow di Google, CNTK di Microsoft, Apache Spark Mlib (open-source).

• Altri tool: rassegna (Oracle, SAS, Microsoft, IBM, Google, Amazon, Microstrategy, Rapid Miner?, Fico, Tibco?).

• ML predittivo in tempo reale con Apache KafKa e Spark Streaming.

• Sviluppo custom vs tool: pro e contro.

• Standard internazionali.

• La diffusione dei tool di ML al 2017.

• Analisi e ricerche «riproducibili» (cioè con dati freschi). Come realizzarle?

 

Istruzioni per partire

• In definitiva, quali algoritmi scegliere?

• Fogli di istruzione (cheat sheet) di algoritmi.

• Gli 8 schemi di Witten.

• Punto chiave: come cominciare ad applicare ML in azienda e massimizzare le probabilità di riuscita.

• Tempi di creazione di un modello.

• Tempi e costi per partire.

• In generale: come l’azienda può diventare Machine Learning ready. Linee-guida.

• Tecnologie gratuite (ed ottime) per partire con ML.

• Uno stack agile per la Data Science (Russell Jurney).

• L’importanza del deployment delle ricerche.

 

Integrare i (primi) modelli di Maching Learning nell'azienda

• Integrazione dei modelli costruiti dal Data Scientist con quelli costruiti dai tool (sinergia)

• Integrazione del ML nella filiera produttiva esistente (ICT)

• Integrazione del ML nel modo di lavorare: come il Data Scientist si integra con gli utenti e con gli altri sviluppatori

• Integrazione di modelli ML tra gruppi di lavoro diversi e tool diversi

• Integrazione delle query

• Integrazione della data visualization

• Integrazione dei modelli predittivi in report smart e dashboard aziendali.

• Uno stack tecnologico unico per sviluppatori applicativi e Data Scientist: suggerimenti.

 

Varie

• Analisi predittive su big data: quali strumenti ed architetture (Hadoop e Spark Mlib).

• Time series forecasting (cenni):

• La manutenzione dei modelli

• Il ruolo del massive parallel. Cenni.

• Visualizzazione grafica dei risultati.

• ML predittivo con Big Data in assenza di memoria: consigli.

• Aspetti etici, legali e culturali nel ML.

• Bibliografia, riviste e siti.

 

​

Obiettivi

Il corso ha un taglio pratico per aziende, orientato al "come si fa", cioè ad imparare davvero, in modo da poter risolvere in automatico alcuni tipici problemi aziendali. 

Il corso inoltre illustra le competenze e figure necessarie per partire ed alcuni tipici aspetti organizzativi legati all’introduzione in azienda del Machine Learning ed alla sua gestione.

​

Attestati di frequenza

Al termine del corso a ciascun partecipante verrà rilasciato un attestato di frequenza.