Elementi essenziali di machine learning per i responsabili delle decisioni tecniche e aziendali (Italiano) | Machine Learning Essentials for Business and Technical Decision Makers (Italian)

In questo ciclo di tre lezioni imparerai le best practice e riceverai consigli per il machine learning (ML). Il corso esplora come preparare una roadmap per l'integrazione del ML nei processi aziendali, esplora i requisiti per determinare se il ML è la soluzione appropriata a un problema aziendale e descrive quali componenti sono necessari per una corretta adozione organizzativa di ML.

• Livello di corso: Base
• Durata: 90 minuti

Nota: questo corso fornisce trascrizioni/sottotitoli localizzati. La narrazione è in inglese. Per visualizzare i sottotitoli, fare clic sul pulsante CC nell'angolo in basso a destra del lettore.

Attività

Questo ciclo di lezioni include presentazioni, video e valutazioni delle conoscenze.

Obiettivi del corso

In questo ciclo di lezioni imparerai a:

• Comprendere le basi del machine learning per valutare i vantaggi e i rischi associati alla sua adozione in vari business case
• Identificare i dati, i tempi e i requisiti di produzione per un progetto ML di successo
• Descrivere come adattare un'organizzazione per raggiungere e sostenere il successo utilizzando il ML

Destinatari principali

Questo ciclo di lezioni è rivolto a:

• Leader aziendali non tecnici e altri responsabili delle decisioni aziendali che sono o saranno coinvolti in progetti di ML
• Partecipanti al programma AWS Machine Learning Embark e ai workshop Discovery di Machine Learning Solutions Lab (MLSL)

Prerequisiti

Si raccomanda che i partecipanti a questo corso abbiano completato:

• Conoscenze di base su computer e sistemi informatici
• Alcune conoscenze di base del concetto di machine learning

Riepilogo del corso

Corso 1: Introduction to Machine Learning: Art of the Possible

Modulo 1: Come può essere d'aiuto il machine learning?

• Definisci il machine learning
• Descrivi il feedback loop positivo (o effetto volano) che guida i progetti di ML
• Descrivi i diversi domini aziendali interessati dal machine learning
• Descrivi il potenziale del machine learning per i mercati poco sfruttati

Modulo 2: Come funziona il machine learning?

• Descrivi l’intelligenza artificiale
• Descrivi la differenza tra intelligenza artificiale e machine learning

Modulo 3: Quali sono alcuni potenziali problemi del machine learning?

• Descrivi le differenze tra modelli semplici e modelli complessi
• Comprendi i problemi di inspiegabilità e incertezza dei modelli di machine learning

Modulo 4: Conclusione

Corso 2: Planning a Machine Learning Project

Modulo 1: Una soluzione di machine learning è adatta al mio problema?

• Spiega come determinare se il ML è la soluzione appropriata al problema della tua azienda

Modulo 2: I miei dati sono pronti per il machine learning?

• Descrivi il processo per verificare che i dati siano pronti per il ML

Modulo 3: In che modo il machine learning influirà sulla timeline di un progetto?

• Spiega come il ML può influire sulla timeline di un progetto

Modulo 4: Quali domande devo porre inizialmente durante il rilascio in produzione?

• Identifica le domande da porre che influiscono sul rilascio in produzione di un progetto di ML

Modulo 5: Conclusione

Corso 3: Building a Machine Learning Ready Organization

Modulo 1: Come posso preparare la mia organizzazione per l'utilizzo del ML?

• Come posso preparare la mia organizzazione per l'utilizzo del ML?
• In che modo AWS mi può aiutare?
• Quali altre strategie posso adottare per garantire il successo dell'organizzazione?
• Quale cambiamento nell'approccio culturale può funzionare nella mia organizzazione?

Modulo 2: Come posso valutare la mia strategia dei dati?

• Come posso valutare la mia strategia dei dati?
• Come posso migliorare la mia strategia dei dati?

Modulo 3: Come faccio a creare una cultura dell'apprendimento e della collaborazione?

• Come faccio a creare una cultura dell'apprendimento e della collaborazione?
• Cos'è un data scientist?
• Quali competenze deve avere un data scientist?
• Che qualità deve avere un team pilota per il ML?
• Di quali altri ruoli di supporto ho bisogno?
• Quali sono le responsabilità chiave?

Modulo 4: Come posso iniziare il percorso verso il ML?

• Come posso iniziare il percorso verso il ML?
• In cosa consiste il percorso verso il ML di un'organizzazione?
• Qual è un esempio di business case per il progresso fatto da un'organizzazione?

Modulo 5: Conclusione