Ci vuole cuore e cervello per portare a
terra progetti di Machine Learning
Trovi tutti i dettagli su
#SASHack qui
70 studenti di 3 dipartimenti diversi dell’Università Bicocca di Milano si sono sfidati sviluppando un progetto completo di machine learning su dati AC Milan. Due giorni per preparare i dati, sviluppare il modello analitico, e raccontare l’esperienza in modalità data storytelling
Di Patrizia Licata, giornalista
Il concetto di machine learning potrebbe spaventare i non addetti ai lavori, ma 70 studenti universitari, con diversi percorsi di studi e competenze, hanno dimostrato che è possibile mettere insieme un progetto concreto di machine learning con soli 2 giorni di sperimentazione e lavoro. E' accaduto al #SASHack che si è svolto ad aprile in collaborazione con l'Università Milano Bicocca e ha coinvolto studenti di tre facoltà (Statistica, Informatica e Economia): divisi in 19 team i ragazzi hanno dovuto sviluppare un modello analitico per prevedere se alla prossima partita del Milan sarebbero stati venduti al pubblico femminile più o meno della media dei biglietti relativi a un determinato settore dello stadio.
Poco prima della due giorni, ai partecipanti sono state offerte due giornate di formazione su SAS Viya e sulle tecniche di storytelling. Con i giusti strumenti in mano, ragazze e ragazzi hanno dimostrato che analytics e machine learning non sono "roba da nerd", ma il pane quotidiano di ogni attività produttiva.
Patrizia Licata
Giornalista
Per innovare non basta studiare, bisogna metterci le mani sopra
Cento registrazioni per un evento che ne permetteva fino a 70: la formula dell'Hackathon è piaciuta soprattutto perché ha unito formazione e competizione e ha simulato l'esperienza che si vive nel posto di lavoro nella veste di data scientist. Un cliente vero (AC Milan), dati reali e una piattaforma tecnologica aperta, SAS Viya, che copre tutte le fasi del ciclo di vita degli analytics: ecco gli ingredienti che hanno acceso la sfida per i 19 team.
Il dato va analizzato, ma anche raccontato
Nella prima fase di #SASHack i ragazzi hanno acquisito tutte le conoscenze necessarie per un'analisi completa del dato, dalla discovery al deployment fino alla gestione di funzionalità complesse. Non basta, però: il dato va anche raccontato e condiviso; per questo sono state incluse 2 ore di formazione su tecniche di public speaking e storytelling.
Alle due giornate di apprendimento delle competenze di base è seguita l'elaborazione del modello analitico sui dati di AC Milan; la presentazione del progetto (soli 10 minuti per team) si è svolta di fronte a una giuria che ha valutato l'attendibilità dei modelli di machine learning, la completezza dei contenuti, la chiarezza espositiva e la capacità di coinvolgere il pubblico.
Identikit del data science. Quello "vero"
Secondo Gartner, machine learning e data science saranno le principali tecnologie in grado di supportare l'operatività e il successo delle aziende nei prossimi 3-5 anni. La Commissione europea stima che entro il 2020 serviranno in UE 900.000 professionisti su tutte le discipline dell'economia digitale; per le organizzazioni in piena digital transformation le competenze richieste sono trasversali tra informatica, statistica, ingegneria e management, ma molte aziende apprezzano anche i laureati in filosofia, matematica e fisica. Per chi lavora sui dati, il background tecnico è focalizzato su machine learning e analytics, ma occorre anche saper partecipare alla formulazione delle strategie di business, come rilevato dagli Osservatori Digital Innovation del Politecnico di Milano.
Fondamentale anche il ruolo delle soft skill digitali, ovvero la capacità di pensare fuori dagli schemi e l'attitudine al lavoro di squadra. Colmare il gap di competenze digitali digitali è un percorso non certo concluso, ma i ragazzi e le ragazze ci sono: all'appello di #SASHack hanno risposto con competenza ed entusiasmo. La domanda però deve essere posta in modo corretto e i due poli dell'accademia e dell'industria devono collaborare concretamente per nutrire e sostenere gli studenti nel processo di trasformazione con un approccio che guarda al risultato. Da mondo nuovo, ma, anche, da mondo "vero". Concreto.
Analytics e machine learning non sono "roba da nerd", ma il pane quotidiano di ogni attività produttiva Secondo Gartner, machine learning e data science saranno le principali tecnologie in grado di supportare l'operatività e il successo delle aziende nei prossimi 3-5 anni.
Articolo tratto da
Trend by itasascom
Speciale Machine Learning
Letture consigliate
- Articolo AI, Machine Learning and Cloud: universities enter the future of Analytics with SAS Viya for LearnersA collaboration between an academic institution and a multinational is already standing out as a success story that connects education and business. The aim is to support students in their data science training, put them to work on real-world projects and give them high in demand, future proof, skills.
- Articolo Design ♥ AIIl design è il processo che definisce i comportamenti degli oggetti e delle tecnologie, organizza le relazioni negli spazi, fornisce identità e forma, costruisce nuovi mondi.
- Articolo Business Transformation per una strategia di crescita nel mercato digitaleUna panoramica sui nuovi modelli di business che pongono l'accento sulla capacità dell'azienda di trasformare i Big Data in Big Impact, cioè in leva di innovazione e in fonte aggiuntiva di ricavi.
- Articolo Business Analytics contro la complessità di Big Data e Internet of ThingsLa digitalizzazione della vita privata e dei modelli di business, con la proliferazione di cloud, mobility, social media e smart object, apre numerose questioni sulla raccolta, l’utilizzo e le potenzialità di enormi quantitativi di dati. Ecco come gli analytics possono aiutare le imprese a gestire la complessità crescente della società attuale.
Ready to subscribe to Insights now?
The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies. Per questo articolo: © Copyright dell'editore. L'articolo non è riproducibile senza il suo consenso.