Nel mondo industriale stiamo assistendo all’uso sempre più diffuso di strumenti di data analytics in grado di analizzare velocemente fonti di dati sempre più numerose, spesso provenienti da sensori e dalla cosiddetta Internet of Things. Tuttavia, la stragrande maggioranza degli strumenti di data analytics attualmente in uso a livello aziendale appartiene alla categoria della descriptive analytics: sono cioè strumenti che analizzano i dati a disposizione, li aggregano, li visualizzano e ne traggono statistiche.

Sebbene questi strumenti siano già estremamente utili e forniscano un primo indispensabile supporto decisionale, a partire dai dati si possono fare analisi più potenti ed informative che siano in grado di guidare le decisioni strategiche di una azienda. Si tratta di strumenti di analitica predittiva e prescrittiva in grado di prevedere trend futuri, di analizzare scenari alternativi e di selezionare tra questi quelli che ottimizzano una o più metriche di valutazione.

Il corso Machine Learning and Optimization for predictive and prescriptive data analytics analizzerà i principali metodi alla base di questi strumenti. Verranno presentati strumenti di apprendimento automatico (regressivi, di classificazione e di clustering) come reti neurali profonde, alberi decisionali e random forests, strumenti di analisi e predizione di serie temporali e strumenti di ottimizzazione combinatoria, deterministica e probabilistica.

Durante il corso, verranno fatti esempi e case study per mostrare da una parte l’applicazione di queste tecniche a dati reali e dall’altra l’efficacia e i vantaggi che questi strumenti permettono di ottenere.

★  Il caso di studio
Un caso emblematico che verrà analizzato durante il corso riguarda la manutenzione predittiva:
la predizione dei guasti e delle loro tempistiche viene affiancata alla pianificazione strategica degli interventi manutentivi e allo scheduling delle squadre di manutenzione volte alla minimizzazione delle interruzioni
della produzione e del downtime, alla riduzione dei costi di manutenzione e della perdita di produzione.

 

Take Aways

  • Conoscere i principali modelli di apprendimento per problemi di classificazione, clustering e regressione
  • Sapere selezionare il metodo di apprendimento automatico più efficace a partire dai dati a disposizione.
  • Saper valutare la bontà di un modello di apprendimento automatico
  • Conoscere i principali metodi di ottimizzazione e di supporto decisionale deterministica e probabilistica, mono e multi-obiettivo
  • Mettere in pratica le metodologie apprese su dati reali

Destinatari

Il corso si rivolge principalmente a Business Analyst provenienti da diverse aree aziendali quali Ricerca e Sviluppo, Logistica, Produzione, Qualità, senza dimenticare l’IT che nelle aziende è sempre più chiamato a promuovere e supportare queste tematiche.

Metodologia didattica

Il corso alternerà momenti teorici alla discussione di casi di studio in cui le metodologie apprese verranno valutate su esempi e dati reali.

Dove e quando

Il corso si terrà presso il Boutique Hotel Calzavecchio in via Calzavecchioi 1 a Casalecchio di Reno, Bologna.
[APRI IN GOOGLE MAPS]
Check-in dei partecipanti 9:00, inizio corso ore 09.30. Termine corso ore 17:30.