Low-code analytics – KNIME

Date e orari

Edizione 1 - Partenza il 8 Aprile 2026

– 08/04/2026 | 9:00 – 13:00

– 14/04/2026 | 9:00 – 13:00

– 21/04/2026 | 9:00 – 13:00

– 28/04/2026 | 9:00 – 13:00

Edizione 2 - Partenza il 29 Settembre 2026

– 29/09/2026 | 9:00 – 13:00

– 06/10/2026 | 9:00 – 13:00

– 13/10/2026 | 9:00 – 13:00

– 20/10/2026 | 9:00 – 13:00

Destinatari

Il corso è rivolto sia a chi desidera ottimizzare la gestione e l’analisi dei dati senza dover programmare, sia a chi già programma in altri linguaggi e cerca un’alternativa versatile e integrabile con strumenti esistenti.

Obiettivi

Il corso ha lo scopo di fornire le competenze necessarie per utilizzare KNIME in modo efficace, consentendo di importare, trasformare e analizzare dati, ottimizzare i processi aziendali attraverso l’automazione e applicare tecniche di machine learning. I partecipanti potranno così ridurre il lavoro manuale e integrare l’analisi dati nelle strategie aziendali.

Contenuti

L’analisi dei dati è un elemento chiave per la competitività delle imprese, ma l’accesso a strumenti avanzati è spesso limitato a chi possiede competenze di programmazione. Questo corso fornisce una panoramica completa di KNIME, piattaforma intuitiva di low-code analytics, permettendo ai partecipanti di acquisire competenze pratiche nell’elaborazione e nell’analisi dei dati, nella creazione di modelli analitici e nell’integrazione di diverse fonti di dati.

Contenuti

Il corso di KNIME si sviluppa in 3 moduli:

1. Le basi di KNIME
   Dopo una rapida introduzione alla data analytics apriremo tutti KNIME sui nostri dispositivi (pc personali o computer messi a disposizione). Analizzeremo la schermata di lavoro e prenderemo familiarità con le componenti fondamentali di un workflow.
2. Trasformare i dati
   Tramite esercitazioni si approfondirà il funzionamento dei nodi più utilizzati in KNIME per trasformare i dati in modo sistematico tramite processi automatizzati. Puliremo i dataset di partenza, combineremo diverse tabelle di dati tra loro, aggregheremo diversi valori e applicheremo formule matematiche per calcolare KPIs.
3. Machine Learning in KNIME
   Genereremo previsioni numeriche tramite regressioni, prediremo comportamenti tramite classificazioni e raggrupperemo elementi simili usando algoritmi di clustering.

Docenti

Marco Siboni, ingegnere dell’automazione con esperienza nella programmazione di PLC, robot e sistemi di movimentazione elettrici per macchine automatiche. Attualmente, si occupa di consulenza per la digitalizzazione e per la sostenibilità, contribuendo allo sviluppo di soluzioni innovative presso lo spin-off universitario Turtle Srl.

Francesco Manuzzi, ingegnere meccanico, ha dedicato due anni alla ricerca accademica nell’automazione dei processi industriali e nella modellazione elastodinamica di componenti di elicotteri. Oggi, si occupa di consulenza per la transizione energetica, mettendo a frutto la sua esperienza in progetti avanzati di sostenibilità e innovazione presso lo spin-off universitario Turtle Srl.

Quota di iscrizione

500,00€ + IVA aziende associate Confindustria Reggio Emilia
600,00€ + IVA aziende non associate

Referente