Stai utilizzando un browser vecchio, che non rispetta gli standard web. Ti consigliamo di cambiarlo, perché questo sito potrebbe non funzionare correttamente.

Introduction to the “fast” Visual Machine Learning with Orange (business edition)

ICBG24

In: Machine Learning

Introduzione al Visual Machine Learning “veloce” con Orange (per aziende)
In questi ultimi anni Orange si è imposto come tool di Machine Learning “leggero” (small-scale), facile da imparare, interamente grafico e senza necessità di scrivere codice (visual programming). In questo modo Orange ha abbattuto i tempi di apprendimento del Machine Learning, pur conservando l’affidabilità ed il rigore dei tool tradizionali. Orange è open-source e gratuito e supporta tutte le principali funzionalità del moderno Machine Learning. Orange è in continua evoluzione ed i suoi utenti godono del supporto di una comunità viva e partecipe. Orange, infine, ha un’eccellente e ricca documentazione on-line.
Il corso sarà interamente eseguito dall’interfaccia grafica interattiva di Orange (vers. 3.28+), senza slide, e mostrerà diversi casi d’uso di Machine Learning per aziende e business, sia di tipo descrittivo che predittivo, supervisionato e non. Si presterà anche attenzione agli aspetti prestazionali e di scala di Orange. Da ultimo, si confronteranno le sue caratteristiche funzionali e tecniche con quelle dei principali tool “tradizionali” di Machine Learning (R e Python).

CONTENUTI:

  • Introduzione:
    • installare Orange;
    • cos’è il visual Machine Learning;
    • uno sguardo all’interfaccia grafica di Orange (con canvas);
    • la logica a data workflow e widget interattivi di Orange;
    • le tipologie di widget: data, visualize, model, evaluate, unsupervised;
  • Importare i dati e pre-elaborarli in Orange:
    • importare i dataset: file testuali, file .csv, tabelle SQL, URL, ecc;
    • integrare, fondere e concatenare i dataset;
    • pre-elaborare i dataset: standardizzazione, normalizzazione, ecc;
    • aggiungere righe e colonne al dataset importato;
  • Capire i dati (Exploratory Data Analysis) in Orange:
    • selezionare sottoinsiemi di righe e/o colonne del dataset;
    • ordinare e filtrare i dati;
    • analizzare i dataset tramite misure di centralità e variabilità;
    • scoprire correlazioni tra le variabili, trend e pattern;
    • creare grafici utili ed accattivanti, sia tipici che innovativi;
  • Trattare i dati in Orange:
    • gestire gli outlier nei dati: varie opzioni;
    • gestire i dati mancanti: varie opzioni;
    • selezionare le variabili di interesse;
  • Il Machine Learning predittivo in Orange:
    • com’è organizzato;
    • configurare un algoritmo di classificazione: regressione logistica, albero, ensemble, rete neurale, knn, Naive Bayes, SVM;
    • configurare un algoritmo di previsione numerica: regressione lineare, albero, ensemble, knn, rete neurale;
    • campionare e generare dati casuali in Orange;
    • partizionare il dataset in training e test;
    • analizzare le prestazioni predittive degli algoritmi tramite metriche, matrici di confusione, curve ROC e diagrammi lift;
  • Il Machine Learning non supervisionato in Orange:
    • ridurre le dimensioni del dataset con la Principal Component Analysis (PCA);
    • clusterizzare i dati con k-means e clustering gerachico con i tipi di “distanza” disponibili;
    • visualizzare dataset ad alta dimensionalità con il recente algoritmo t-SNE;
  • Esame approfondito di un Caso d’Uso in Orange: Text Mining, Sentiment Analysis e Twitter data.
  • Varie e conclusioni:
    • gli ambiti di Machine Learning small-scale più adatti ad Orange
    • le prestazioni informatiche di Orange e come ottimizzarle;
    • confronto di Orange con R e Python;
    • come Orange si integra con Python ed R;
    • guida alla ricca documentazione on-line di Orange: video tutorial, esempi, pagine web.

Prezzo di listino

650,00 EUR + IVA per partecipante

Durata

  • 7 ore

Prerequisiti

nessuno specificato

Erogabile on-line e on-site

Tutti i nostri corsi sono erogabili anche in modalità on-line (con formazione a distanza), oppure on-site, sempre personalizzati secondo le esigenze.

Richiesta informazioni