Formula 100% di pratica:
32 ore frontali + 50 ore di work experience.

Con la nascita di ChatGPT, le nuove tematiche di intelligenza artificiale, Big Data e Machine Learning sono diventate una realtà e riconosciute come asset strategici aziendali da presidiare con nuove competenze. Ma da dove cominciare?

Noi di Diskover lavoriamo dal 2019 su queste tematiche a fianco di realtà multinazionali. Nel 2021 siamo stati premiati come migliore startup innovativa per aver ideato la piattaforma Rewind che permette, attraverso algoritmi di Machine Learning e Intelligenza Artificiale, di rendere produttivo il lavoro dell’uomo e, di conseguenza, migliorare l’efficienza delle aziende.

Il corso è un concentrato di esperienza pratica che ti permetterà, senza prerequisiti, di spingere al massimo la tua capacità di analisi dati e data analytics, andando oltre excel per scoprire nuovi scenari fatti di architetture edge cloud computing, di algoritmi di machine learning e sviluppo di dashboard personalizzate e interattive con shiny per condividere le informazioni via web.

Il tutto per automatizzare attività ripetitive, sbloccare il potenziale di business dei dati e migliorare l’efficienza delle aziende, anche come risposta agli scenari  internazionali caratterizzati dalle guerre, dai rincari energetici e dalla difficoltà di reperimento delle materie prime che impongono alle imprese di essere più virtuose e sostenibili.

Da noi non troverai teoria. Quella la lasciamo all’università dove, Riccardo Di Nisio, docente del corso, ha insegnato per oltre dieci anni anche all’interno di prestigiose Business School. Qui in Diskover privilegiamo un approccio pragmatico che ti permetterà di vivere una reale esperienza formativa senza perdersi in nozionismi.

Ci rivolgiamo a due tipologie di utenti:

• laureati che vogliono formarsi nella pratica e avere occasione di entrare a fare parte del nostro team di Data Scientist;
• lavoratori e manager che vogliono scoprire le potenzialità della Data Science per la loro azienda e il loro lavoro. In più avrai a disposizione 50 ore di work experience per consolidare le tue competenze o per avviare il tuo progetto di Data Science.

Per garantire l’efficacia della formazione, i posti sono limitati! Agevolazioni per studenti e inoccupati.

Formati con i professionisti del settore!

Le Basi di R
Obiettivi

Oggi giorno, il data modelling dei big data viene effettuato o attraverso Python o attraverso R. In questo modulo vengono fornite le basi operative per poter lavorare in R. Verranno presentate le principali librerie per il trattamento preliminare dei dati per il parsing delle variabile. Obiettivo è quello di fornire le giuste basi per rendere autonomo il disciente per muoversi nell’ambiente R.

Contenuti

• Installazione di R
• Guida all’utilizzo dell’IDE R Studio
• Aritmetica e assegnazione variabili
• Funzioni di base
• Strutture dati (vettori, matrici, array, dataframe, liste)
• Loop e strutture di controllo
• Funzioni avanzate e programmazione funzionale
  

Data Visualization
Obiettivi

In questo modulo imparerai ad utilizzare R per creare grafici che ti aiuteranno a scoprire insights utili nel tuo lavoro. Vedrai come utilizzare Ggplot 2, una delle librerie più comuni per la visualizzazione dei dati e come realizzare barplot, istogrammi, scatterplot, linechart e heatmap personalizzati.

Contenuti

• La visualizzazione dei dati
• Grafici con R base
• Introduzione a ggplot2
  • Grafici a dispersione
  • Time-series
  • Istogrammi e barplot
  • Heatmap
    

Importazione e Manipolazione Dati
Obiettivi

L’acquisizione dei dati è la parte centrale più importante dell’attività del data scientist. Spesso devono essere costruite architetture ad hoc sfruttando la potenza del Cloud. Per questo motivo, nella prima parte del modulo, verranno presentate le strutture Cloud Edge computing e il discente verrà introdotto da un punto di vista pratica sulle architetture più idonee per l’acquisizione dei dati. La prima attività, è dunque quella di acquisire i dati e integrarli in strutture che prendono il nome di Data Lake. Questo modulo è dedicato a presentare le competenze base finalizzate all’integrazione dei dati aziendali in un’ottica di Big Data.

Contenuti

• Importazione dei dati
• Analisi Esplorativa (EDA)
• Data Cleaning
• Anomaly Detection: identificazione e gestione degli outlier
• Manipolazione dei dati con il tidyverse
• Caso studio: Pernottamenti in Abruzzo
• Approfondimento: R e i database SQL
• Approfondimento: Da Excel a R
• Approfondimento: Text mining
  

Data Analysis e Machine Learning
Obiettivi

Una delle fasi più significative del processo d’analisi è quella relativa all’addestramento di algoritmi di machine learning o apprendimento automatico. Nel modulo vengono presentate, in chiave aziendale, tecniche supervisionate e non. l’obiettivo principale delle lezioni infatti è quello di fornire attraverso una serie di esempi guidati la consapevolezza di come vengono implementati e utilizzati suddetti algoritmi.

Contenuti

• Modelli di regressione (lineare, logistica, multivariata)
• Apprendimento supervisionato: KNN, alberi decisionali, random forest, reti neurali
• Apprendimento non supervisionato: clustering e dimensionality reduction
• Esempi in ambito bancario
• Esempi in ambito digital marketing

Sviluppo Applicazioni Shiny
Obiettivi

Il valore aggiunto di un data scientist è rappresentato dalla capacità di comunicare i risultati delle analisi in maniera semplice e diretta. L’ambiente Shiny è lo strumento ideale per farlo, in quanto permette lo sviluppo di dashboard interattive e condivisibili via web.

Contenuti

• Introduzione a Shiny
• Esempi applicativi
• Elementi principali: server e user interface
• Reattività diretta: input e output
• Personalizzazione del layout
• Controllo dinamico dell’interfaccia utente
• Upload e download dei dati
• Use Case: Dashboard Demografici

Obiettivo del corso Data Scientist è quello di formare profili da inserire in progetti reali a fianco delle imprese. Per questo motivo il corso è di natura estremamente pratica.
Docente del corso è Riccardo Di Nisio, consulente senior Data Scientist nei Big Data e analista di mercato.