Codice
CA.PLT.F013.27
Il Machine Learning è spesso percepito come una disciplina complessa, riservata a programmatori ed esperti di informatica. In realtà , grazie ai moderni strumenti di intelligenza artificiale e agli ambienti cloud, oggi è possibile comprenderne i principi e costruire modelli predittivi senza affrontare installazioni complesse o scrivere codice avanzato.
Il corso introduce in modo pratico e accessibile gli Alberi di Decisione (Classification and Regression Trees - CART), una delle tecniche più intuitive ed efficaci della Data Science per classificare informazioni, prevedere risultati e supportare i processi decisionali. Attraverso l'utilizzo di Google Colab e Gemini AI, i partecipanti acquisiranno le basi concettuali del Machine Learning e sperimenteranno la costruzione di modelli predittivi guidati dall'intelligenza artificiale, riducendo sensibilmente le barriere tecniche.
Obiettivi
Comprendere in modo semplice e concreto le logiche alla base del Machine Learning, una delle tecnologie più richieste e utilizzate nei processi decisionali moderni.
Acquisire competenze pratiche per trasformare i dati aziendali in informazioni utili a supportare decisioni più consapevoli ed efficaci.
Imparare a utilizzare gli Alberi di Decisione (CART), tra gli strumenti più intuitivi e potenti per classificare dati e realizzare previsioni.
Avvicinarsi alla Data Science senza la necessità di possedere competenze pregresse di programmazione o conoscenze statistiche avanzate.
Sfruttare Google Colab e Gemini AI per sviluppare e comprendere modelli predittivi con il supporto dell'intelligenza artificiale.
Scoprire come analizzare grandi quantità di dati, anche caratterizzati da informazioni mancanti o strutture complesse.
Sperimentare casi applicativi reali e trasferibili nei contesti aziendali, produttivi e organizzativi.
Acquisire una visione critica dei risultati prodotti dai modelli di Machine Learning, comprendendone potenzialità , limiti e ambiti di applicazione.
Sviluppare competenze sempre più richieste nelle organizzazioni orientate all'innovazione e alla valorizzazione dei dati.
Al termine del corso i partecipanti avranno una comprensione concreta del Machine Learning e saranno in grado di costruire, interpretare e valutare semplici modelli predittivi, utilizzando strumenti accessibili e il supporto controllato dell'intelligenza artificiale.
Finalità formative
Al termine del percorso i partecipanti saranno in grado di:
· Comprendere i principi fondamentali del Machine Learning e le sue principali applicazioni aziendali.
· Interpretare il funzionamento degli algoritmi basati su Alberi di Decisione (CART).
· Distinguere i problemi di classificazione da quelli di regressione.
· Preparare e analizzare dataset per la costruzione di modelli predittivi.
· Utilizzare Google Colab e Gemini AI come strumenti di supporto all'analisi dei dati.
· Creare, testare e interpretare modelli di Machine Learning senza competenze pregresse di programmazione.
· Valutare prestazioni, limiti e affidabilità dei modelli sviluppati.
· Identificare opportunità di applicazione del Machine Learning nei processi aziendali e decisionali.
Programma
- Introduzione al Machine Learning
· Che cos'è il Machine Learning e perché è diventato strategico.
· Data Science, Intelligenza Artificiale e Machine Learning: differenze e connessioni.
· Principali ambiti di applicazione in azienda.
· Tipologie di apprendimento: supervisionato e non supervisionato. - Dati e preparazione delle informazioni
· Il ruolo dei dati nei modelli predittivi.
· Variabili numeriche, categoriali e target.
· Matrici, Dizionari e Data frames
· Qualità dei dati e gestione delle informazioni mancanti. - Gli Alberi di Decisione (CART)
· Logica e struttura degli alberi decisionali.
· Nodi, ramificazioni e foglie.
· Modello di classificazione.
· Modello di regressione.
· Vantaggi e limiti degli Alberi di Decisione.
· Confronto: CART vs DOE. - Dal concetto alla pratica con Google Colab e Gemini AI
· Accesso e utilizzo dell'ambiente cloud.
· Introduzione a Google Colab.
· Come utilizzare Gemini AI come assistente allo sviluppo.
· Generazione guidata del codice e verifica dei risultati.
· Buone pratiche nell'utilizzo dell'AI a supporto dell'analisi dati. - Costruzione di modelli predittivi
· Addestramento di un modello CART.
· Suddivisione dei dati tra training e test.
· Interpretazione dei risultati.
· Visualizzazione dell'albero decisionale. - Valutazione delle prestazioni del modello
· Accuratezza e capacità predittiva.
· Errori di classificazione e regressione.
· Overfitting e underfitting.
· Miglioramento delle prestazioni del modello. - Applicazioni aziendali e laboratorio pratico
· Esempi di utilizzo nei processi produttivi, commerciali e decisionali.
· Realizzazione guidata di modelli previsionali sia di classificazione che di regressione.
· Interpretazione dei risultati ottenuti.
· Discussione finale e individuazione di possibili applicazioni nella propria realtà aziendale.
A chi è rivolto
Manager, responsabili di funzione, analisti, professionisti, tecnici e impiegati che desiderano comprendere il Machine Learning e le sue applicazioni pratiche senza possedere competenze di programmazione o di data science avanzata. Il corso è particolarmente indicato per chi vuole utilizzare i dati come supporto alle decisioni e avvicinarsi all'intelligenza artificiale con un approccio concreto e accessibile.
Per partecipare al corso è sufficiente:
Disporre di un account Google attivo.
Non sono richieste competenze pregresse di programmazione o di Data Science e non è necessario installare software specifici sul proprio PC. Le attività pratiche saranno svolte utilizzando Google Colab e gli strumenti di Gemini AI, accessibili direttamente via web. Questo approccio consente di concentrarsi sui concetti e sulle applicazioni del Machine Learning senza affrontare configurazioni tecniche complesse o ambienti software dedicati.
Relatori
Giuseppe De Toffol
Professore a contratto presso l'Università degli Studi di Trento (dipartimento di Ingegneria Industriale), ha negli anni impiegato la propria competenza nello sviluppo di progetti organizzativi aziendali, non tralasciando la formazione.
Nella sua esperienza come dipendente - in aziende del settore metalmeccanico - ha ricoperto ruoli direttivi in qualità di procuratore speciale con la qualifica di responsabile dell’organizzazione della Società , nonché di delegato del datore di lavoro per la sicurezza.Specializzato in controllo e miglioramento dei processi tramite metodologie Lean-Six Sigma, Agile e Scrum. Gestione risorse umane, counselling, team building, negoziazione, facilitatore, sistemi di gestione, formazione capi, formazione obbligatoria Sicurezza, Six Sigma. È Black Belt Six Sigma certificato da SIGMA BREAKTHROUGH TECHNOLOGIES INC., qualifica che gli permette un approccio quantitativo alle problematiche aziendali – anche utilizzando numerosi e specifici strumenti matematici e statistici – sempre mantenendo forte attenzione al coinvolgimento e alla valorizzazione del Team di lavoro. Collabora con team di professionisti senior in ambito aziendale con competenze differenziate tra loro e complementari, a garanzia della concretezza ed efficacia degli interventi. Filosofia di base: Lean - 6Sigma - Agile Thinking
Informazioni
Ecco tutte le info pratiche per partecipare al corso.
Sede
SEDE DI PORDENONE - Piazzetta del Portello, 2
Durata
16 ore
Incontri
2
Costo a persona
480,00 Euro + IVA iscritto a Confindustria Veneto Est e Confindustria Alto Adriatico sede di Pordenone
580,00 Euro + IVA
Durante lo svolgimento, o al termine dell’attività formativa, il materiale didattico verrà reso disponibile in versione digitale.
Per conoscere le Agevolazioni previste sui nostri corsi, consultare le Note Organizzative.
Calendario
22 e 29 settembre 2027 - orario 9.00-12.30/13.30-18.00
-
Referente area:
Matteo Scomparin
-
telefono
-
email