fbpx

Dopo una settimana di pausa forzata, il Master in Data Management & Business Analytics prosegue i lavori trasferendosi in un ambiente virtuale.

Il calendario del percorso formativo è serrato e, grazie alla disponibilità di docenti e partecipanti, abbiamo deciso di non perdere tempo e ricreare l’Aula su Skype.

Con il supporto di un ambiente di lavoro accessibile da remoto e la condivisione dello schermo si torna, virtualmente (ma non troppo) al lavoro.

Le lezioni del venerdì si concentrano sMachine Learning, Reti neurali e sul mondo complesso e affascinante del Deep Learning.

Insieme al Dott. Francesco Ranucci, la mattinata inizia con la definizione di Boosting e prosegue con un’introduzione alle Reti Neurali e alle Funzioni di attivazione.

Il Boosting è una tecnica di Machine Learning che si basa su un’intuizione: attraverso un processo iterativo che coinvolge modelli deboli, è possibile arrivare a un modello aggregato molto accurato.

Come? Dando sempre più peso agli errori dei modelli precedenti.

Anche l’approccio del Dott. Bursic al Deep Learning ci riconferma l’essenziale importanza dell’errore in un processo di apprendimento.

L’introduzione ci svela che ogni giorno utilizziamo sempre più applicazioni e funzioni che hanno il Deep Learning alla base.
Ci addentriamo, poi, nel tema cercando di capire come si addestra una rete.

Da dove partire, se non dagli sbagli della rete?

L’apprendimento, per tutti e sempre, inizia da ciò che non si riesce a fare correttamente migliorando via via che procedono i tentativi. 

Per una rete vale lo stesso: attraverso l’analisi dell’errore e il training, gli sbagli possono essere corretti, minimizzando di conseguenza i rischi di costo.

Nel linguaggio del Deep Learning tutto ciò si traduce in Ottimizzazione delle Funzioni di Loss.

Dopo un’analisi delle principali problematiche nell’addestramento delle reti approcciamo le Reti Neurali Convoluzionali e cerchiamo di capirne le potenzialità: innanzitutto in merito al riconoscimento di immagini e, successivamente, al linguaggio.

Nella mattina di sabato incontriamo, invece, il Dott. Michele Caruso, Head of Data & Customer Experience presso Wunderman Thompson Italy, per provare a comprendere meglio come queste tecniche matematiche possono davvero cambiare la vita del Business.

Partiamo, quindi dall’esplorazione della Customer Experience attraverso una metodologia che integra Data, Design & Business.

Questo approccio tiene conto degli impatti sul sistema, degli obiettivi business, della comunicazione e delle relazioni tra le persone, a riprova del fatto

solo un vero atto progettuale può fare la differenza in un mondo complesso.

Dopo aver, in parte, ridefinito il concetto di consumatore come ospite e aver approfondito Customer Cycle e Customer Journey, possiamo passare a osservare gli algoritmi di Intelligenza Artificiale al lavoro nella Case History Poste Pay.

L’obiettivo è chiaro: analizzare le performance della campagna PostepayPremia per identificarne punti di forza, aree di miglioramento e target adeguato per incentivare le nuove feature.

Percorriamo questa storia dalle analisi descrittive alla scelta e all’applicazione degli algoritmi fino ai risultati.

Durante la conclusione della lezione, il Dott. Caruso sottolinea l’importanza del fattore umano.

In effetti, ci rendiamo conto che la vita dell’Aula un po’ ci manca.

Partecipanti e corpo docente del Master DMBA, però, non si arrendono: anche settimana prossima ci ritroveremo virtualmente per recuperare il weekend di lezione perduto e procedere nel percorso formativo.

Richiedi la Ricerca

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

Privacy Policy

You have Successfully Subscribed!