fbpx

Nell’ultimo weekend di gennaio incontriamo ben tre docenti che ci parlano, ognuno a modo proprio, di modelli e strutture.
Venerdì ritroviamo Marco Cerri e conosciamo la Dott.ssa Chiara Sumiraschi, trascorriamo il sabato mattina con il Dott. Fabio Manzoni.

Grazie a loro prendiamo in esame una serie di argomenti che ci provano la fondamentale importanza di costruire modelli a seconda degli obiettivi che abbiamo.

 

Analisi Predittiva e Churn

Con il Dott. Cerri ripercorriamo i concetti principali delle ultime lezioni e poi ci impegniamo a trasformare i dati in informazioni e quest’ultime in azioni.

Marco ci ricorda una questione fondamentale, che è sempre necessario tenere a mente: non esiste un algoritmo sempre valido. Ci sono problematiche, obiettivi: gli algoritmi fanno parte della nostra cassetta degli attrezzi per affrontare le questioni e condurci verso il nostro scopo.

Tra definizioni e case history ci troviamo di fronte a una problematica come il churn e percorriamo ad una ad una le fasi che permettono la costruzione di un modello analitico predittivo:

Per arrivare a trasformare i nostri dati in informazioni e azioni è necessario, però, anche presentare nella maniera più significativa possibile i risultati della nostra analisi.

 

Data Visualization

Con la Dott.ssa Chiara Sumiraschi, quindi, cominciamo a indagare l’importanza della presentazione dei dati e a definire alcuni concetti-chiave che ci aiutano nella scelta del modello più adatto a perseguire il nostro obiettivo: target, astrazione, linguaggio e colore.

La Data Visualization è una disciplina che esiste da molto più tempo di quanto possiamo immaginare. Infatti, il primo esempio di diagramma che Chiara ci mostra risale addirittura al 1769!

Questa lunga storia ci porta all’analisi dei modelli tradizionali e alla scoperta di funzionalità di Excel che molti di noi non sospettava nemmeno. Qualcuno esclama:  “Ci hai semplificato la vita!”.
Crediamo che Chiara ne sia molto felice. 🙂

In fondo, proprio questo è uno degli obiettivi principali della Data Visualization: fornire informazioni utili all’azione in una modalità il più possibile semplice e ‘parlante’. A colpo d’occhio.

Arriva il momento di una serie di esercitazioni che hanno per oggetto i modelli più innovativi per confrontare, presentare relazioni, rappresentare o mostrare la distribuzione dei dati.

Ci destreggiamo tra Rose, Butterfly, Bubble e Radar Chart, creiamo il nostro primo Network Diagram e navighiamo in una Heat Map.

 

Anche sabato mattina, insieme al Dott. Fabio Manzoni, torniamo a parlare di modelli e strutture, ma questa volta a proposito di una parte dell’AI, quella che insegna ad una macchina ad apprendere dall’esperienza.

 

Machine Learning

La lezione del Dott. Manzoni ci porta avanti e indietro nel tempo, dal test di Turing alle strutture di Alberi DecisionaliReti Neuronali più sofisticate, dai Videogame anni ’70 alle Black Box, evitando l’Overfitting, tra l’altro…

Anzitutto definiamo l’ambito del Machine Learning e affrontiamo le diverse metodologie di apprendimento: supervisionato, non supervisionato, per rinforzo o semi-supervisionato.

Fabio ci guida in un argomento sicuramente articolato e affascinante, fino a farci osservare la rappresentazione grafica di come i neuroni artificiali si modifichino durante il processo di apprendimento. Come i nostri, insomma.


E poi, fondamentali, le fasi in cui si struttura ogni progetto di Machine Learning:

  • Problem Understanding
  • Data Understanding
  • Data Preparation
  • Modelling
  • Assessment
  • Deployment

Ciascuna di queste fasi sequenziali occupa il tempo necessario e ha caratteristiche proprie. Insieme questi passaggi hanno il compito di guidarci nella complessità e semplificarla senza banalizzarla.

Non si può nascondere: davanti a una macchina che pensa, che impara si resta senza parole.
È vero, la macchina può fare innumerevoli tentativi più di noi e ottimizzare il processo d’apprendimento per trials and errors, ma a volte ci mette addirittura il nervoso…

 

Prossimamente nelle aule del Master DMBA: torneo di Atari Brakeout… Human Intelligence pronte e agguerritissime!

 

Richiedi la Ricerca

Indagine sul livello di adozione e utilizzo dell'Intelligenza Artificiale in Italia

Privacy Policy

You have Successfully Subscribed!