This course was created with the
course builder. Create your online course today.
Start now
Create your course
with
Autoplay
Completamento Automatico
Lezione Precedente
Completa e Continua
Master Degree in Data Scientist e Big Data Analysis
LA RIVOLUZIONE DEI BIG DATA
Presentazione Master Big Data Analysis (5:15)
Materiale didattico del corso
Definizione e origine dei Big Data (9:43)
Il ruolo del Data Scientist (11:32)
L’approccio della Business Intelligence (7:36)
Struttura di dati e basi dati (8:37)
Prime applicazioni di Big Data (8:30)
L'INFORMAZIONE NEI DATI
Dato vs informazione (5:09)
Dimensioni e caratteristiche dei Big Data (13:50)
Come trattare i Big Data e il processo di creazione (7:04)
Big Data nell’industria 4.0 e Internet of Things (14:21)
DATA E WEB MINING
Definizione di Data Mining (10:28)
Tecniche statistiche di Data Mining (10:03)
Tipologie di approccio al Data Mining (9:07)
Applicazioni di Data Mining nel marketing (9:00)
Il Web Mining (5:59)
Web Mining: case history (10:57)
ANALISI QUANTITATIVA DEI DATI
Concetto di variabile aleatoria e distribuzione di frequenza (14:26)
Teorema del limite centrale (9:15)
Strumenti statistici descrittivi (15:52)
La media mobile (16:40)
Indici di variabilità – Parte 1 (14:42)
Indici di variabilità – Parte 2 (14:45)
Indici di forma – Parte 1 (10:23)
Indici di forma – Parte 2 (9:45)
DATA CLEANING
Outlier e carte di controllo – Parte 1 (16:39)
Outlier e carte di controllo – Parte 2 (14:58)
Outlier e carte di controllo – Parte 3 (10:32)
Interpolazione e perequazione – Parte 1 (14:23)
Interpolazione e perequazione – Parte 2 (12:56)
Interpolazione e perequazione – Parte 3 (7:16)
DIPENDENZA TRA VARIABILI
Impostazione dei metodi di previsione (6:43)
Fasi dei metodi di previsione (16:25)
Il rumore (16:42)
Correlazioni tra variabili – Parte 1 (13:33)
Correlazioni tra variabili – Parte 2 (11:31)
Correlazioni tra variabili – Parte 3 (11:48)
Il modello di regressione (9:51)
La regressione lineare – metodo dei minimi quadrati (11:38)
Esempi di regressione lineare (4:42)
Trasformazioni di variabili e adeguatezza del modello (13:59)
Ipotesi per il modello di regressione lineare (14:44)
Regressione lineare multipla (13:59)
METODI DI ANALISI
Algoritmi di previsione – Parte 1 (16:53)
Algoritmi di previsione – Parte 2 (4:20)
Algoritmi di classificazione – Parte 1 (15:10)
Algoritmi di classificazione – Parte 2 (10:28)
Algoritmi di classificazione – Parte 3 (17:41)
Supervisione del modello (11:01)
Criticità (10:33)
NORMALIZZAZIONE DEI DATI
L’importanza della Normale nei Big Data (11:35)
Variabili casuali continue (13:52)
Variabile casuale Normale (15:34)
Standardizzazione della variabile casuale Normale (17:00)
Approssimazioni alla variabile casuale Normale (15:17)
DATA VISUALIZATION NEI BIG DATA
Istogrammi e approssimazioni alla Normale (7:53)
Diagrammi a dispersione (6:33)
Boxplot e Corrplot (7:21)
Altre rappresentazioni (13:07)
Quale grafico scegliere (5:42)
Questionario di Gradimento
Questionario di Gradimento per Master Degree in Data Scientist e Big Data Analysis
Consulenza Strategica Life Learning
La nostra consulenza strategica (2:20)
ESAME DI PROFITTO
Esame di profitto del Master Degree in Data Scientist e Big Data Analysis
Indici di variabilità – Parte 2
La lezione è bloccata
Se sei già iscritto,
hai bisogno di effettuare il login
.
Iscriviti al corso per Sbloccare
course builder. Create your online course today.
Start now
course builder. Create your online course today.
Start now
course builder. Create your online course today.
Start now