machine learning energee3 servizi

Machine Learning

Machine Learning è una branca dell’Intelligenza Artificiale. Si può considerare il machine learning come un metodo di analisi dei dati che consente l’apprendimento automatico dei computer: ciò è possibile grazie a metodi statistici in grado di migliorare progressivamente la performance di un algoritmo. Alla luce di crescenti volumi di dati da analizzare e di un aumento della potenzia di calcolo computazionale, l’apprendimento automatico riveste oggi un ruolo fondamentale nella rivoluzione tecnologico-digitale in atto. Il machine learning consente infatti ai computer di assumere decisioni in modo autonomo, fornendo istruzioni su come imparare a svolgerlo.

Scopriamo insieme cos’è il Machine Learning

Un tema che affascina da sempre gli scienziati è il costruire una macchina in grado di pensare come l’uomo, o quantomeno di avvicinarsi al pensiero umano. In pratica, dare vita a macchine in cui immettere dati e insegnare loro ad “imparare” dai dati stessi, da cui l’espressione “intelligenza artificiale”. Questo tipo di ricerche presero avvio fin dagli anni ’50 del Novecento con le cosiddette reti neurali, secondo modelli matematici assunti dalla statistica e dal calcolo delle probabilità. In quegli stessi anni Alan Turing lancia l’idea di una macchina capace di imparare, dunque di diventare intelligente. Nel corso dei decenni l’Apprendimento Automatico si sviluppa in modo sempre più separato dall’Intelligenza Artificiale classica, dirigendosi su metodi e modelli presi in prestito dalla statistica e dalla teoria della probabilità. Un grande beneficio arriverà a metà degli anni Novanta con l’avvento di Internet, che darà grande impulso all’informazione digitale e alla sua reperibilità in rete.

Linguaggi di Programmazione, Python e Data Science

Nel lavoro di un Data Scientist, oltre a programmazione e capacità di fare calcoli, c’è sicuramente l’approvvigionamento e il processamento di dati grezzi, ovvero la pulizia dei dati. Oltre ad una capacità di aggiornamento continuo, il Data Scientist deve imparare ad utilizzare al meglio i pacchetti e i moduli che un determinato linguaggio di programmazione gli offre. Se è fondamentale ottimizzare le performance del codice, specie in presenza di corpose quantità di dati, resta il fatto che i linguaggi compilati sono solitamente molto più veloci di quelli interpretati. Al tempo stesso i linguaggi statici sono più precisi rispetto a quelli dinamici, benché si debba prevedere un deciso calo di produttività. Districarsi tra linguaggi di programmazione e performance degli algoritmi non è dunque semplice, ma è assolutamente necessario per essere bravi programmatori. 

Prendiamo il caso di Python, introdotto nel 1991 e a tutt’oggi linguaggio di programmazione molto popolare e diffuso nelle community di data science. Si tratta di un linguaggio con una vasta gamma di moduli appositi e sostegno comunitario: oltre a quelli già disponibili nella Standard Library del linguaggio, quasi tutti i servizi terzi che hanno a che fare con l’analisi dei dati forniscono agli sviluppatori un SDK per il linguaggio Python. Dalla sua ha una relativa facilità di apprendimento, ideale per chi è alle prime armi della programmazione. Per le data science Python si rivela un’ottima scelta, così come è un linguaggio stimolante per il machine learning grazie a “pacchetti” e library come Panda, Scikit e Tensorflow che fanno di questo linguaggio una bella opzione per il machine learning avanzato.

Machine Learning tra Finance e Trading 

Oltre la metà delle contrattazioni in Borsa, ovvero acquisto e vendita di titoli e prodotti finanziari, sono già oggi demandate alle decisioni di una macchina. L’Apprendimento Automatico (o machine learning) diventa decisivo per il mondo finanziario e del trading, disponendo da un lato di grandi volumi di dati da processare e avendo dall’altro il compito di elaborare in tempo reale dati e informazioni provenienti dai mercati. Una particolare capacità di autoapprendimento che si rivela fondamentale anche per altre operazioni finanziarie, dalla valutazione dei rischi all’approvazione dei prestiti. Gli algoritmi di apprendimento automatico possono infatti processare grandi volumi di dati e restituire ipotesi e simulazioni del processo decisionale per le assicurazioni o nell’autorizzazione dei prestiti. Allo stesso modo, dall’analisi dei big data gli algoritmi sono in grado di interrogare il patrimonio dei clienti (azioni, obbligazioni, futures, fondi comuni di investimento) tenendo in considerazione sia il rischio che l’obiettivo di rendimento deciso dal cliente. Interessante è anche l’utilizzo del machine learning in chiave customer service, con tanto di chat bot e interfacce conversazionali che si trasformano in strumenti di comunicazione interattiva con i clienti. Il machine learning viene inoltre utilizzato per l’analisi del sentiment, allo scopo di replicare l’intuizione umana nell’attività finanziaria per scoprire i nuovi trend e i segnali del mercato.

A tu per tu con il Machine Learning 

L’autore si chiama Alessandro Cucci, lavora come Python Expertise Manager in Energee3. Il libro di Cucci si rivolge a un pubblico programmatori software, ma è ricco di storie e aneddoti sul suo lavoro che lo rendono interessante anche per lettori non tecnici. È scritto con intelligenza e creatività, ricco di connessioni e riferimenti, con uno sguardo a ricercatori del passato e a modelli matematici del presente. È acquistabile on line dal sito Edizioni Thedotcompany.

Esempi e Corsi 

Sono tanti i prodotti e i servizi che fanno ampio uso del Machine Learning. A cominciare dal più famoso (e potente) motore di ricerca, Google. Che a fronte di ricerche sempre più complesse degli utenti ha programmato gli algoritmi in modo da interpretare le frasi e relazionarle correttamente ai contenuti più adatti presenti in rete. Quello che conta, per gli analyst di Mountain View, non è tanto la quantità di risposte fornite bensì l’utilità dei contenuti per gli utenti. 

Un secondo esempio di utilizzo di algoritmi di Machine Learning riguarda le piattaforme di e-commerce, che imparano da un’infinità di ricerche precedenti. Questo consente loro di andare oltre le parole da noi immesse, e consente inoltre di raccomandare altri prodotti in una logica up-selling e cross-selling. Per non parlare di suggerimenti on-site, email e remarketing su altre piattaforme. Il tutto grazie ad algoritmi che analizzano le preferenze dell’utente.

Anche il mondo della creatività e della pubblicità non è immune al Machine Learning. Lo dimostra il caso di Persado, agenzia statunitense che utilizza dati e tecnologia per fornire ai creativi le migliori possibilità. Come? Si pensi ad un claim pubblicitario tradizionale: i software Persado analizzano grandi quantità di frasi e parole già utilizzate per restituire una rosa di vocaboli ritenuti più efficaci ai fini del marketing. 

Esistono oggi moltissimi corsi di Machine Learning, offerti sia da Università che da società di formazione. Vi sono corsi con lezioni frontali in aula e laboratorio, lezioni a distanza in video presenza, lezioni in self-study e auto apprendimento con laboratorio. Come Energee3 il nostro consiglio è accertarsi sempre della qualità del corso e della professionalità comprovata del corpo docenti.

 

Conclusioni e fonti

https://it.wikipedia.org/wiki/Apprendimento_automatico

Vuoi saperne di più? parliamone!

Alessandro Cucci

Responsabile centro competenza python, Energee3