Ben tre gli appuntamenti didattici che la Formazione TerreLogiche dedica alle scienze statistiche: oltre ai corsi online "Statistica con R (Base)" e "Geostatistica Base con R e QGIS", in programma rispettivamente il 18, 19, 20, 25 e 26 marzo e il 9, 10, 17 e 18 aprile, il 22, 23, 24, 28 e 29 maggio si terrà la prima sessione del nuovo modulo "Statistica multivariata e machine learning con R".
Statistica con R (Base)
Il corso è incentrato sulla gestione dei dati e il data processing con R, il software Open Source più popolare nel campo della statistica per potenza, flessibilità e possibilità di interfaccia con altri applicativi. Acquisizione di file dati esterni al sistema o loro costruzione in ambiente R, stesura di script, sintesi numerica e grafica delle informazioni, verifica delle ipotesi sperimentali mediante test statistici e interpretazione degli output, definizione di modelli regressivi e loro interpretazione e rappresentazione grafica saranno i principali argomenti trattati.
"Geostatistica Base con R e QGIS"
Il corso verte invece sull'utilizzo delle tecniche geostatistiche, come la correlazione spaziale e la variografia, l'interpolazione e il kriging, per l'analisi dei dati geografici; fornisce inoltre le conoscenze necessarie per la stima di una variabile spaziale nelle aree dove non è stata misurata e per la valutazione dell'affidabilità della stima effettuata. R verrà utilizzato per l’elaborazione statistica dei dati e la loro rappresentazione grafica, QGIS per la consultazione degli output predittivi in ambiente GIS. Grazie a questo corso si avranno le conoscenze di base necessarie per poter produrre carte tematiche predittive per la comprensione delle dinamiche territoriali e per l'analisi di molte problematiche relative a parametri ambientali, sociali e sanitari.
Statistica multivariata e machine learning con R
Il corso introduce ai principali strumenti per l’analisi di dataset complessi e alle tecniche di apprendimento automatico in ambiente R, affrontando le più comuni tecniche di analisi multivariata (Principal Components Analysis, Canonical Correspondence Analysis, Multidimensional Scaling, Positive Matrix Factorization, Cluster Analysis) e di machine learning (RandomForest, Gradient Boosting Machines). Verranno illustrate anche potenzialità e procedure di ottimizzazione di due moderni algoritmi di machine learning, offrendo così una solida base di istruzioni operative per l’utilizzo di tali strumenti.
I corsi sono acquistabili singolarmente ma si ricorda che grazie alla formula "pacchetto formativo" coloro che sono interessati all'acquisto di due o di tutti e tre i moduli potranno contare su uno sconto sul prezzo di listino e sul pagamento dilazionato in due soluzioni.
Per maggiori informazioni su programmi, costi e agevolazioni:
