QUANDO: Martedì 7 Maggio - dalle 9.30 alle 11.30
DOVE: Università di Verona - Dipartimento di informatica - Ca' Vignal 2

Presentato da Volker Kraft e Paolo Chiappa, JMP Academic Team

Questo workshop gratuito è offerto a tutti i docenti, ricercatori e studenti dell'Università di Verona che desiderano saperne di più sulle moderne tecniche di analisi dati e problem-solving in settori quali l'informatica, la biologia, le biotecnologie, la medicina, la chimica e l'ingegneria.

Non è richiesta alcuna conoscenza pregressa delle metodologie analitiche elencate. Al termine del workshop, i contenuti e le risorse accademiche presentate saranno condivisi con i partecipanti.

N.B. Il workshop sarà presentato in lingua Inglese.

“The real voyage of discovery consists not in seeking new landscapes, but in having new eyes.”
Marcel Proust

1) PULIZIA E VISUALIZZAZIONE GRAFICA DEI DATI; CONDIVISIONE DEI RISULTATI

Preparare i dati correttamente per poter eseguire analisi efficaci può essere molto stressante e richiede un lasso di tempo spropositato. Le difficoltà aumentano quando occorre prendere decisioni cercando risposte in dati immagazzinati in una miriade di formati, databases e fogli di calcolo.

In questa sessione farete conoscenza con alcuni tool di preparazione/pulizia dei dati e con le tecniche di esplorazione grafica più impiegate nel mondo accademico ed industriale per scoprire trend e valori aberranti prima ancora di iniziare analisi statistiche approfondite.

2) DESIGN OF EXPERIMENTS

Il Design of experiments, o DOE, è un approccio pratico e universale per esplorare la relazione tra più fattori in più dimensioni. L'approccio sperimentale classico prevede di modificare un fattore alla volta per comprendere come questo cambiamento influenzi un dato risultato finale. Nel mondo reale tuttavia, un disegno che cambi un solo fattore alla volte è totalmente inefficiente.

In questa sessione imparerete ad utilizzare il Custom Design, un tool per manipolare più fattori allo stesso tempo ed ottenere informazioni preziose sulla loro interazione con un notevole risparmio di tempo e di soldi.


3) MODELLIZZAZIONE PREDITTIVA E MACHINE LEARNING

La statistica è la disciplina preposta a raccogliere, descrivere ed analizzare dati, identificare le relazioni tra le variabili e quantificarne la dipendenza. Tutto questo permette la creazione di modelli statistici atti a predire con sempre maggiore precisione come variando i valori dei fattori, o i fattori stessi, si potrà riprodurre un certo risultato.

In questa sessione saranno introdotte tecniche quali modelli di regressione, modelli lineari e non lineari, reti neurali, boostrapping e altre. Sarà inoltre introdotto il tool "Formula Depot" che permette di comparare e classificare i modelli concepiti con i vari algoritmi e generare codice in C, Python, Javascript o SAS per sviluppare nuovi modelli in ambienti esterni.