Matteo Rulli, Co-Founder di FlairBit ci ha presentato la trasposizione in linguaggio R di una delle sue applicazioni di data analytics sviluppate per l’analisi delle serie temporali, usando l’algoritmo DTW Dynamyc Time Warping. E’ stato illustrato un notebook R per l’analisi del flusso passeggeri in una rete metropolitana cittadina.
Il modello è in grado di
Classificare diverse tipologie di flussi passeggeri nel corso della giornata
Predire il volume passeggeri
Classificare le stazioni in base al flusso passeggeri nel tempo
Fai click per scaricare lo zip file con la presentazione di HTML
Durante la presentazione sono state illustrate le fasi di data preparation e i risultati ottenuti, mostrando anche come condividere il notebook mediante la self-service data analytics platform ShinyApp.
FlairBit è una software house che fornisce prodotti software proprietari e servizi di consulenza per aiutare le aziende nel processo di trasformazione digitale e innovazione nei processi produttivi.
Kaggle: L’arena è il mondo!
Che cos’è una Kaggle Competition? Andrea Rapuzzi, CEO di A-SIGN, ci ha raccontato la sua esperienza alle prese con un’entusiasmante sfida di Data Science. Lezioni imparate, difficoltà incontrate, competenze applicate, limiti e opportunità di questo nuovo modello di scienza (e di business).
Ed una perla finale con una lezione di epistemologia applicata al Machine Learning che ha strappato l’applauso!
Che c’entrano Rosenkrantz e Guildestern con il deep learning? Fai click per scaricare il pdf del talk di Andrea.
Questo è il secondo talk di Andrea nel nostro meetup: trovate il primo intervento nella pagina del meetup #1
Qui trovi i link ai nostri incontri precedenti, con il materiale presentato.
Se ti interessa dare un’occhiata ai dataset relativi ai challenge, contattaci. Se la tua analisi sarà particolarmente interessante uno degli interventi del prossimo incontro potrebbe essere il tuo!
Il Dataset Hands-On è dedicato alla presentazione di problemi concreti di aziende o di ricerca, da affrontare con tecniche di data science a scopo didattico. Non c’è niente come un problema vero per imparare!
L’obiettivo è presentare dataset e relative sfide da parte di aziende o istituzioni, a sviluppatori, data scientists, machine learning engineers, esperti o in corso di formazione. Lo scopo degli incontri e delle sfide è didattico, ma non si esclude che ne possa uscire qualcosa di buono, sia per l’azienda che propone il challenge sia per chi lo affronta. Non si può perdere: o si ha successo o si impara…e le due cose non si escludono!
Ecco quello di cui abbiamo parlato nel primo incontro dedicato ai Dataset:
Internet of Professional Coffee Machines
FlairBit, software house che fornisce prodotti software proprietari e servizi di consulenza per aiutare le aziende nel processo di trasformazione digitale e innovazione, ha presentato un dataset contenente dati di funzionamento, manutenzione e guasti relativi a macchine per l’erogazione di bevande. LucaBixio e Matteo Rulli hanno raccontato il contesto in cui il dataset è stato raccolto, spiegato il contenuto del dataset nei dettagli e lanciato alcune sfide ai partecipanti che vorranno cimentarsi con l’analisi dei dati. Sarà possibile prevedere il funzionamento delle macchine nel prossimo futuro sulla base dei dati a disposizione? Sarà possibile determinare le cause di un fermo macchina o di un guasto? Sarà possibile prevedere un fermo macchina? La sfida è lanciata!
Click per scaricare il pdf che descrive il dataset
Rulex Dataset Challenge
Presentazione dei risultati di Giorgio Garziano
Rulex propne uno speciale tipo di piattaforma AI, che si distingue per creare modelli comprensibili e facilmente implementabili, per consentire agli esperti di business e di processo di creare e distribuire rapidamente applicazioni AI senza bisogno di competenze matematiche o di programmazione.
Andrea Caridi, Business Development Manager di Rulex, aveva presentato nel primo incontro DataScienceSeed un dataset relativo al churn di un servizio di musica online, ovvero all’analisi ed alla predizione dell’abbandono della piattaforma da parte degli utenti, per poter consentire di prendere azioni mirate per prevenirlo.
Click per aprire la pagina che descrive il dataset. Per avere una copia del dataset usate il modulo in fondo al post.
Durante il nostro incontro, Giorgio Garziano, senior software developer ed autore in datascienceplus.com, ha descritto la sua analisi eseguita in linguaggio R, con un notebook molto sostanzioso:
Click per scaricare il file .zip con il notebook R mostrato da Giorgio.
Federico Gobbi, Program Manager presso Mind The Bridge, vive a San Francisco dove ha fondato Artificial Intelligence Marketing Association, che tra le altre cose organizza meetup di livello top e pubblica un interessantissimo magazine su Medium. Federico ha presentato la sua ricerca “The State of AI Marketing 2018”, dedicata all’applicazione della AI nel marketing e di come ogni azienda può cominciare ad impiegarla.
La presentazione è densa di casi d’uso concreti con i riferimenti per approndirli, una miniera di informazioni e di spunti!
Tramite il form di feedback è possibile richiedere la presentazione in power point con tutte le note ed i link – un regalo super di Federico alla community Genovese. Qui sotto il link alla versione in PDF.
Slideset della presentazione di Federico Gobbi
Edge Intelligence & Explainable AI
Il Deep Learning e’ indubbiamente l’approccio AI che ad oggi ha colto maggiormente l’eco della stampa e l’immaginario collettivo. Pochi pero’ sanno che l’algoritmo di back propagation dell’errore alla base del DL, necessita di grandi quantiità di dati e di grande potenza computazionale per convergere e puo’ essere facilmente ingannato. Ma sopratutto non e’ in grado di “spiegare” le regole che stanno dietro al proprio funzionamento, il che’ lo rende incompatibile con la trasparenza richiesta dai nuovi regolamenti sulla privacy, quali la GDPR.
In questo talk Fabrizio Cardinali CEO di Knowhedge, nuova startup di AI Consulting di Genova, spiega un approccio alternativo all’AI basato su chipset HW che usano algoritmi a consumi e profondita’ ridotta (shallow), in grado di funzionare su HW IOT di frontiera (edge) con intelligenza distribuita (swarm) e in grado di favorire una AI sempre piu’ accessibile e spiegabile per tutti (“explainable AI”). Giancarlo Bo, Luca Marchese, Andrea Decamilli, Giorgio Cantarini e Marco Migliorati affiancheranno Fabrizio nel presentare MYW.AI il progetto di Smart Speaker intelligente incubato da Knowhedge presso Digital Tree e che prevede la realizzazione di un marketplace blockchain like basato su IOTA Tangle per la distribuzione certificata e sicura di algoritmi AI per il mercato professionale.
Slideset della presentazione di Fabrizio Cardinali
Dataset Challenge Hands-On
Fin dal primo incontro abbiamo puntato sul facilitare esperienze concrete su dati reali forniti da aziende sul territorio. Nel meetup #3 abbiamo anticipato la presentazione di un nuovo dataset, questa volta proposto da Flairbit. Il contenuto e le sfide saranno presentate nell’incontro “Dataset Challenge Hands-On” del 7 Febbario.
ATTENZIONE– L’incontro Dataset Hands-On sarà un approfondimento tecnico, con numero di posti molto limitato per agevolare un dialogo molto interattivo. Partecipa all’incontro se ti interessa mettere le mani su un problema concreto da affrontare con tecniche di Data Science e Machine Learning. Se anche non hai ancora le competenze necessarie ma vorresti imparare, vieni! Potresti trovare qualcuno con cui collaborare per imparare insieme. Se hai il sospetto di soffrire di allergia al codice o agli algoritmi forse è meglio se aspetti il prossimo meetup. Se hai letto fino a questo punto questo noiosissimo disclaimer ed ancora la cosa ti incuriosice allora clicca sull’immagine qui sotto!
DataScienceSeed Hands-ON #1
Qui trovi i link ai nostri incontri precedenti, con il materiale presentato.
Se ti interessa dare un’occhiata ai dataset relativi ai challenge, contattaci. Se la tua analisi sarà particolarmente interessante uno degli interventi del prossimo incontro potrebbe essere il tuo!
Nel primo incontro abbiamo conosciuto aziende che lavorano nel campo data science e machine learning ed abbiamo cominciato a conoscere gli strumenti per cimentarsi in queste discipline.
Nel secondo incontro, ospitato dal Digital Tree Innovation Habitat, abbiamo cominciato invece a bagnarci i piedi negli algoritmi, sempre restando legati a problemi concreti.
Il primo speaker è stato Alberto Cabri, di Vega Research Labs, che ci ha presentato un caso di classificazione in ambito automotive, e di come è stato risolto con strumenti open source, generando infine un efficiente modello white box che consente la classificazione della tipologia di motori sulla linea di produzione.
Tramite questo link si può scaricare un file .zip contenente il dataset ed il notebook mostrato da Alberto, in versione eseguibile o in versione pdf per la sola consultazione
Marco Tagliavacche è il presidente dell’associazione Architecta (https://www.architecta.it/) e ci ha parlato dell’importanza dell’organizzazione e della visualizzazione dei dati. Non di solo codice vive il data scientist!
La presentazione è disponibile in pdf a questo link.
Per finire, Giorgio Garziano, Senior SW developer, e autore su http://www.datascienceplus.com ci ha presentato i risultati della sua analisi sul dataset di Cynomys, il caso di Smart Farming presentato tra i challenge nel primo incontro che trovate alla pagina:
Il lavoro di Giorgio è stato presentato insieme a Fabiana Surace, founder di Cynomys, che ha riassunto il problema e ne ha spiegato molto chiaramente il valore di business per gli allevatori
La documentazione completa è a questo link, dal quale si scarica un .zip con la presentazione di Fabiana in pdf ed il file HTML con l’analisi di Giorgio. Il file HTML va visualizzato con connessione internet attiva per visualizzare correttamente le formule.
Se ti interessa dare un’occhiata ai dataset relativi ai challenge, contattaci. Se la tua analisi sarà particolarmente interessante uno degli interventi del prossimo incontro potrebbe essere il tuo!
Se ti interessa dare un’occhiata ai dataset relativi ai challenge, per esplorarli nel tempo che manca al maeetup contattaci. Se la tua analisi sarà particolarmente interessante uno degli interventi dei prossimi incontri potrebbe essere il tuo!
Data Science, Machine Learning, Intelligenza Artificiale…
Dietro alle parole ci sono opportunità di crescita, per chi vuole imparare ed essere operativo e per chi ha capito che per sviluppare la propria attività la via è quella dei dati. I meetup DataScienceSeed nascono per unire questi due mondi, con l’aiuto di chi sta già percorrendo queste strade.
Per chi vuole imparare è una occasione di sperimentare come diventare operativi sia possibile con strumenti accessibili e senza bisogno di essere guru.
Per chi vuole sviluppare la propria attività per comprendere le opportunità, orientarsi ed incontrare chi potrebbe essere d’aiuto.
In questo primo incontro abbiamo conosciuto tre persone speciali nel campo del Data Science: un manager di una azienda nata a Genova nel campo del Machine Learning e che è ora basata a Boston tra i grandi dell’AI, un imprenditore appassionato di programmazione ed ora di machine learning, che sta affrotando con decisione la metamorfosi verso questo nuovo mondo, ed una Data Scientist con la vocazione dell’Open Source che attraverso la sua esperienza professionali e di attività nelle conferenze della community Python, ci ha guidati in una carrellata tra gli strumenti disponibili per imparare ed affrontare la sfida dei dati.
Ecco (quasi tutti) i relatori e gli organizzatori: da sinistra Marcello Morchio (DataScienceSeed), Andrea Rapuzzi (A-Sign), Stefania Delprete (TOP-IX), Andrea Caridi (Rulex), Luca Oppo (Madein.it), Franco De Mattei (DataScienceSeed, Maker’s Village) – Missing: Enrico Carta (Cynomys), Enrico Ferrari (Rulex)
Enrico Ferrari, R&D Manager, Rulex Enrico si occupa di machine learning da più di 10 anni. Ha partecipato dagli inizi all’avventura di Rulex, una startup nata dalla ricerca genovese con l’obiettivo di produrre modelli predizioni spiegabili e da qualche anno sbarcata a Boston. Per Enrico il futuro dell’Intelligenza Artificiale è nel Cognitive Machine Learning che combina la potenza delle macchine con le capacità di interpretazione e di intuizione degli umani.
Andea Rapuzzi, Owner A-Sign Da software engineering a data science, quanto è lungo il passo? Andrea Rapuzzi ci racconta il suo viaggio alla scoperta di una nuova prospettiva e di un set di skill indispensabile per affrontare le nuove sfide tecnologiche. Perché farlo? Da dove partire? Con quali competenze iniziali? Quanto impegno richiede? Dove si può arrivare? Non un manuale di navigazione ma il diario di bordo di due anni entusiasmanti.
Stefania Delprete, Data scientist, TOP-IX, Personal development expert Stefania è coinvolta nella comunità open source e di data science come volontaria alla PyCon, EuroPython, NumFOCUS ambassador, e organizzando a Torino la Pandas Sprint prendendo parte ad un evento internazionale.
Stefania ha esposto, anche con una demo basata su open data di Genova, come si possa far leva sulle librerie open source di Python, la loro documentazione e interazione con la comunità per iniziare alla grande il tuo progetto di data science!
Ecco le prime sfide, per mettere alla prova le nostre competenze di Data Science su problemi concreti. In base all’interesse raccolto tra i partecipanti organizzeremo incontri dedicati all’approfondimento dei tre problemi ed alle modalità per affrontarli. Nel prossimo meetup vedremo se sarà uscito qualcosa di interessante!
Se hai partecipato all’evento, puoi dare feedback e segnalarci un eventuale interesse, senza impegno, per appronfondire una o più sfide, usando questo link.
Se non hai partecipato all’evento ma ti piacciono le sfide, usa questo link.
Incantastorie 2018
un Dataset in movimento – presentato da Luca Oppo, Madein.it
Download slides – Challenge Madein.it
Musica Online: studiamo il “churning” di un servizio online
Presentato da Andrea Caridi, Rulex
Download slide – Challenge Rulex
Allevamento sostenibile: la tecnologia nella stalla
presentato da Enrico Carta, Cynomys
Download slides – Challenge Cynomys
Abbiamo concluso la serata con un aperitivo di networking, con prodotti di Aggio House
DataScienceSeed è un meetup NO PROFIT, sostenibile grazie alla sponsorizzazione di imprenditori illuminati, dalla disponibilià di speakers competenti con la passione per la condivisione ed all’interesse di un pubblico vivace ed interessato. Se fai parte di una di queste categorie puoi entra nella community Data Science Seed
Video by Wonderland Productions 
