CAS Big Data Analytics e Machine Learning

Course FC Header

CAS Big Data Analytics e Machine Learning

Il CAS si rivolge a professionisti/e interessati/e a operare nel campo dell’analisi dati. Il percorso formativo forma figure professionali capaci di scegliere, elaborare e utilizzare i dati al fine di estrapolare informazioni utili per i processi e la strategia aziendale. Al termine della formazione, le persone partecipanti saranno in grado di utilizzare algoritmi, tecnologie e piattaforme per l’analisi dati e implementare attraverso l’utilizzo di data set dei modelli di classificazione, profilazione, raccomandazione o decisione.

  • Connettività

  • Cultura e gestione della conoscenza

  • New Work

SUPSI Image Default

SUPSI Course Overview

Panoramica

  • Titolo rilasciato

    CAS Big Data Analytics e Machine Learning

  • Crediti

    10,0 ECTS

  • Data inizio

    01 febbraio 2024

  • Data fine

    17 giugno 2024

  • Termine d'iscrizione

    25 gennaio 2024

  • Lingua

    Italiano

  • Costo

    CHF 4800 *

  • Durata

    124 ore-lezione

  • Erogazione

    Modalità blended **

  • Modalità di frequenza

    Serale

*Informazioni di dettaglio disponibili alla voce Ulteriori dettagli sui costi

**È possibile scegliere con quale modalità seguire la formazione (online o in presenza)

Course Text Info

- Conoscere le tecnologie e le piattaforme utilizzabili per l‘analisi di Big Data
- Conoscere e imparare a utilizzare algoritmi per data analysis
- Capire e implementare modelli di classificazione, regressione, clustering e raccomandazione; usarli per analizzare grandi quantità di dati
- Conoscere il Machine Learning e imparare ad applicarlo a dei dataset
- Conoscere strumenti e piattaforme software con cui realizzare applicazioni di data analysis.

Course Text Info

Course Text Info

Professionisti/e che operano nel campo della gestione dei dati in azienda e che intendono utilizzare i dati nell’ambito della business intelligence o nella predictive analytics.

Course Text Info

Conoscenze di base di gestione e di analisi dei dati e di programmazione. Nell’ambito di alcuni corsi verrà utilizzato il linguaggio Python, a chi non ne avrà le basi verrà indicato un tutorial da seguire prima dell’inizio del corso.

Course Text Info

Advanced Studies

Course Text Info

Modulo 1: Machine Learning e Data Mining (36 ore lezione)
- Introduzione al machine learning/data mining.
- Preparazione dei dati (discretizzazione, pulizia, dati mancanti, selezione delle variabili).
- Apprendimento supervisionato (classificatori principali e meta-classificatori: bagging, boosting).
- Valutazione empirica dei classificatori.
- Dati temporali (serie storiche).
- Cenni a bias-variance decomposition, classificazione cost-sensitive, test statistici di confronto.
- Introduzione alle reti Bayesiane.
- Grafi causali, d-separazione, probabilità condizionata.
- Esempi di casi pratici durante tutto il modulo.

Modulo 2: Tecnologie per i Big Data (28 ore-lezione)
- Hadoop Distributed File System (HDFS)
- Hadoop MapReduce
- Apache Spark
- Spark cluster manager
- Stream e event processing
- Data visualisation Tools
- Esercizi

Modulo 3: Big Data analytics con Spark (24 ore-lezione)
- Classificazione: descrizione degli algoritmi (modelli lineari, naive Bayes, alberi di decisione) e dell’implementazione Spark.
- Regressione: descrizione degli algoritmi (regressione lineare, random forest) e dell’implementazione Spark.
- Clustering: descrizione degli algoritmi (k-means, mistura di Gaussiane) e caso di studio Spark.
- Raccomandazione: descrizione degli algoritmi (collaborative filtering) e dell’implementazione in Spark.
- Caso di studio pratico: raccomandazione di film, analisi di dati di
bike sharing, sentiment analysis.

Modulo 4: Piattaforme cloud per Analytics e Machine Learning (12 ore-lezione)
Studio e utilizzo delle principali piattaforme cloud per Analytics e Machine Learning:
- Amazon AWS
- Microsoft Azure e Azure Machine Learning Studio
- Google Cloud Computing Services e Google AI and machine learning products
- Databricks
- Studi di caso

Modulo 5: Progetto finale
Il progetto finale consentirà allo studente di mettere in pratica le competenze acquisite nei moduli precedenti ed entrerà a far parte della valutazione finale dello studio. Il tema del progetto verrà proposto da uno dei docenti del corso e verrà svolto dallo studente autonomamente con interazioni e incontri periodici con il tutor assegnato

Tutti i dettagli

SUPSI Icon

Modulo 1: Machine Learning e Data Mining

Modulo 1 - 36 ore lezione
​​​​​​​
  • Introduzione al machine learning/data mining.
  • Preparazione dei dati (discretizzazione, pulizia, dati mancanti, selezione delle variabili).
  • Apprendimento supervisionato (classificatori principali e meta-classificatori: bagging, boosting).
  • Valutazione empirica dei classificatori.
  • Dati temporali (serie storiche).
  • Cenni a bias-variance decomposition, classificazione cost-sensitive, test statistici di confronto.
  • Introduzione alle reti Bayesiane.
  • Grafi causali, d-separazione, probabilità condizionata.
  • Esempi di casi pratici durante tutto il modulo.

SUPSI Icon

Modulo 2: Tecnologie per i Big Data

 Modulo 2 - 28 ore lezione
​​​​​​​
  • Hadoop Distributed File System (HDFS)
  • Hadoop MapReduce
  • Apache Spark
  • Spark cluster manager
  • Stream e event processing
  • Data visualisation Tools
  • Esercizi

SUPSI Icon

Modulo 3: Big Data analytics con Spark

Modulo 3 - 24 orelezione
​​​​​​​
  • ​​​​​​​Classificazione: descrizione degli algoritmi (modelli lineari, naive Bayes, alberi di decisione) e dell’implementazione Spark.
  • Regressione: descrizione degli algoritmi (regressione lineare, random forest) e dell’implementazione Spark.
  • Clustering: descrizione degli algoritmi (k-means, mistura di Gaussiane) e caso di studio Spark.
  • Raccomandazione: descrizione degli algoritmi (collaborative filtering) e dell’implementazione in Spark.
  • Caso di studio pratico: raccomandazione di film, analisi di dati di
  • bike sharing, sentiment analysis.

SUPSI Icon

Modulo 4: Piattaforme cloud per Analytics e Machine Learning

Modulo 4 - 12 ore lezione

​​​​​​Studio e utilizzo delle principali piattaforme cloud per Analytics e Machine Learning:
​​​​​​​
  • Amazon AWS
  • Microsoft Azure e Azure Machine Learning Studio
  • Google Cloud Computing Services e Google AI and machine learning products
  • Databricks
  • Studi di caso

Course FC Study Program

SUPSI Image Focus

Modulo 5 - Progetto finale


Il progetto finale consentirà allo studente di mettere in pratica le competenze acquisite nei moduli precedenti ed entrerà a far parte della valutazione finale dello studio. Il tema del progetto verrà proposto da uno dei docenti del corso e verrà svolto dallo studente autonomamente con interazioni e incontri periodici con il relatore

Course Text Info

Informatica e digitalizzazione

Course Text Info

Attestato di frequenza.
Certificate of Advanced Studies in Big Data Analytics e Machine Learning, subordinato al superamento di tutti gli esami previsti dal percorso formativo.

Course Text Info

Course Text Info

Course Text Info

SUPSI Course FC Dates

Machine Learning e Data Mining (36 ore-lezione)
1, 5, 8, 19, 22, 26, 29 febbraio
4, 7 marzo 2024

Tecnologie per i Big Data (28 ore-lezione)
11, 14, 21, 25, 28 marzo
8, 11 aprile 2024

Big Data analytics con Spark ( 24 ore-lezione)
15, 18, 22, 25, 29 aprile
6 maggio 2024

Piattaforme Cloud per Analytics e Machine Learning (12 ore-lezione)
13, 16, 23 maggio 2024

Progetto personale
Ogni studente presenterà autonomamente al proprio tutor il lavoro di progetto per la valutazione finale.

Date

1, 5, 8, 19, 22, 26, 29 febbraio
4, 7 marzo 2024

SUPSI Image Focus

Caption test
11, 14, 21, 25, 28 marzo
8, 11 aprile 2024

SUPSI Image Focus

Caption test
15, 18, 22, 25, 29 aprile
6 maggio 2024

SUPSI Image Focus

Caption test
13, 16, 23 maggio 2024

SUPSI Image Focus

Caption test

Course Text Info

17.30-21.00

Course Text Info

Serale

SUPSI Course FC Locations

SUPSI, Dipartimento tecnologie innovative, CH-6962 Lugano-Viganello

La modalità di insegnamento sarà blended-learning, con lezioni in presenza e contemporaneamente a distanza e gli esami in presenza.
Coloro che fisicamente sono impossibilitati a raggiungere Lugano potranno seguire l'intero corso a distanza, gli esami saranno organizzati con una parte scritta e un'altra parte orale.

Course Text Info

Dipartimento tecnologie innovative

Course Text Info

CHF 4'800.–
Tali costi comprendono il rilascio dei certificati e la documentazione didattica
È previsto uno sconto del 10% per i soci individuali di AFTI, AITI, ATED e itSMF.
I soci di SUPSI Alumni beneficiano di una riduzione del 15% sul costo d’iscrizione. La riduzione è valida nel caso in cui la persona può comprovare di aver già pagato la quota associativa SUPSI Alumni al momento dell’iscrizione. La riduzione del 15% sul costo d’iscrizione non è cumulabile con altri sconti.

SUPSI Course FC Responsibles

Roberto Mastropietro, Reponsabile formazione continua area informatica, Dipartimento tecnologie innovative

SUPSI Course FC Teachers

Patrick Ceppi, docente, Istittuto sistemi informativi e networking, DTI, SUPSI
Vanni Galli, ricercatore, Istittuto sistemi informativi e networking, DTI, SUPSI
David Huber, Software Engineer & Researcher, Istituto dalle molle di studi sull’intelligenza artificiale, DTI, SUPSI

Course Contact

SUPSI Course FC Contacts

Course Text Info

Hidden Widget