Menu
live streaming
Lo studio delle M-Series Forecasting Competitions suggerisce che i nuovi approcci basati su Machine Learning, Deep Learning e Stacking sono veramente molto performanti se confrontati con le “vecchie” metodologie.
L’obiettivo del corso è apprendere come i problemi di forecasting con dati temporali possono essere risolti in pratica. I metodi e le tecnologie passate e attuali sono presentati da un punto di vista estremamente pratico attraverso la programmazione R. Anche numerosi algoritmi Python sono presentati e utilizzati attraverso R.
Il corso è rivolto a personale informatico in possesso di una cultura universitaria in materie scientifiche (od equivalente). Durante il corso saranno comunque riviste le necessarie nozioni propedeutiche, per poi affrontare argomenti di Machine Learning, Deep Learning ed Intelligenza Artificiale.
data di inizio
attestato di frequenza
• Time Series Manipulations, Transformations & Visualizations
• Time Series Features Engineering
• Time Series Models
• Machine Learning Models
• Deep Learning Models
• Automatic Machine Learning
• Hyperparameter Tuning
• Ensemble Learning & Stacking
• Recursivity of ML Models
• Nested (Iterative) Forecasting
• Global Modelling
Nessuna data disponibile
Il corso ha una durata di 4 giornate full time e prevede sia lezioni teoriche che esercitazioni pratiche.
Al termine del corso verrà rilasciato un attestato di formazione.
La quota comprende partecipazione al corso, materiale didattico, attestato di partecipazione, forum di follow up tra studenti e docenti.
Sono previsti sconti per iscrizioni anticipate, ex alunni Esis, iscrizioni multiple e studenti universitari.
APPROCCIO PRATICO-OPERATIVO
Verrai guidato in sessioni live di utilizzo dello strumento.
CERTIFICAZIONI ISO
Siamo certificati per la qualità secondo lo standard ISO 9001:2015
CONDIVISIONE APERTA
Verranno condivise best practice per lavorare come un professionista.
DOMANDE E RISPOSTE IN TEMPO REALE
Possibilità di interagire con il docente e risolvere dubbi.