In accordo a quanto definito da IBM, big data analytics è l'uso di tecniche analitiche avanzate su insiemi di dati molto grandi e diversificati che includono dati strutturati, semi-strutturati e non strutturati, provenienti da fonti diverse e in dimensioni diverse. I big data hanno una o più delle seguenti caratteristiche: alto volume, alta velocità o alta varietà. L'intelligenza artificiale (AI), mobile, social e Internet of Things (IoT) stanno guidando la complessità dei dati attraverso nuove forme e fonti di dati. Ad esempio, i big data provengono da sensori, dispositivi, video / audio, reti, file di registro, applicazioni transazionali, web e social media, molti dei quali generati in tempo reale e su larga scala. L'analisi dei big data consente agli analisti agli utenti aziendali di prendere decisioni migliori e più rapide utilizzando dati precedentemente inaccessibili o inutilizzabili. Le aziende possono utilizzare tecniche di analisi avanzate come analisi del testo, apprendimento automatico, analisi predittiva, data mining, statistiche ed elaborazione del linguaggio naturale per ottenere nuove informazioni da fonti di dati non sfruttate in precedenza in modo indipendente o insieme ai dati aziendali esistenti.

OBIETTIVI
■ La padronanza del campo del data science inizia con la comprensione e l’utilizzo dei framework tecnologici di base utilizzati per l'analisi dei big data.
In particolare verranno illustrati i principali tool di sviluppo e programmazione utilizzati  per elaborare enormi quantità di dati in un ambiente informatico distribuito e verranno poste le basi per creare esperienza in algoritmi complessi di data science e nella loro implementazione.

CONTENUTI
■ Introduzione ai Big Data
■ Big data: definizione e tassonomia
■ Valore dei big data per l'impresa
■ Big data e machine learning
■ Strumenti di apprendimento automatico
■ I prossimi passi nel mondo dei big data

STRUTTURA
■ Durata: 1 giorno

ISCRIZIONE
■ Pianificazione da concordare con il cliente