Quello dell’apprendimento automatico (traduzione italiana di Machine Learning) è un processo estremamente affascinante che coinvolge più discipline di stampo informatico e permette alle macchine di apprendere in maniera sistematica e precisa un comportamento utile ai fini del committente, siano essi commerciali o prettamente tecnici.
Machine Learning: come si allena una macchina?
Quello che è fondamentale tenere a mente, quando si parla di apprendimento automatico, è la consapevolezza di dover pre-processare i dati che la macchina dovrà analizzare.
Partire dall’esclusione dei dati irrilevanti (e questo richiede un po’ di AB Testing) per poi preparare quelli su cui basare la nostra analisi statistica, senza alterarne la forza.
Si procede, poi, a matchare le variabili e capire quali sono quelle correlate, in modo da poterle suddividere in coppie e finalmente predisporre una previsione vera e propria e tutte le eventuali azioni.
L’esperienza di Goodcode nel Machine Learning
Ci piacerebbe spiegarvi tutto quello che sappiamo sul Machine Learning e quale modo migliore, se non raccontarvi quello che siamo riusciti a fare? Ecco due esempi di come abbiamo applicato il Machine Learning in due ambiti molto diversi*.
**Gli esempi che riporteremo non citeranno i nomi delle aziende coinvolte per questioni di riservatezza.
Machine Learning nel Web: come predire il futuro comportamento di un utente o di un segmento di utenti.
Il sogno di ogni Digital Creator è sapere, prima di pubblicare un contenuto, se gli utenti lo apprezzeranno o meno e se il suo sito ne beneficerà in termini di traffico. Questo è assolutamente possibile. Lo step successivo alla semplice analisi dei dati passati (o addirittura attuali, grazie alle Real Time Views che Google Analytics offre) è proprio la previsione dei risultati futuri. La Data Analysis permette sempre, in qualunque ambito, di sfatare un bel po’ di miti su quello che un Creator pensa. Sono i famosi “dati irrilevanti” sopracitati: un esempio pratico?
Abbiamo scoperto che l’ora ed il giorno di pubblicazione di un contenuto è assolutamente irrilevante nella previsione, perché ogni utente (o cluster di utenti) è esposto ad una serie di variabili infinite che comunque non compromettono il risultato: chi è destinato ad accedere ad un contenuto, lo farà comunque.
Il processo di Machine Learning in ambito Web ci ha permesso principalmente di:
- prevedere il comportamento degli utenti su un determinato contenuto (Reach, Click, Views, accessi ed Engagement)
- aiutare il Creator ad ottimizzare al meglio le proposte di contenuto in base ad un’analisi dei Trend e delle preferenze del suo Target.
Machine Learning come forza lavoro, ovvero, quella volta in cui Goodcode creò un Robot artigiano.
La poesia di un materiale antichissimo, la roccia, contrapposta al simbolo del futuro per eccellenza, il Robot. L’estrazione e la lavorazione delle rocce è un’attività molto diffusa nel nostro territorio e come può, un braccio robotico, fare un lavoro così preciso e minuzioso?
Abbiamo sviluppato un sistema ibrido di Machine Learning ed Intelligenza Artificiale installando, sul braccio robotico industriale, una telecamera ottica ed un set di flash.
Grazie alle luci, il Robot è in grado di percepire la tridimensionalità dell’oggetto su cui operare ma non solo: la macchina riconosce tutte le gradazioni di colore tipiche delle rocce riuscendo anche ad etichettarne la qualità. Questo, chiaramente, in un ambiente che viene definito “non controllato” (stiamo pur sempre parlando di scavi/cantieri) ma senza che questo ne infici il risultato.
L’obiettivo? Automatizzare un lavoro antico e meticoloso grazie ad una macchina autonoma e performante: un’operazione che migliora il flusso di lavoro della produzione in serie.
Vuoi saperne di più su di noi e su come possiamo aiutarti? Scopri i nostri servizi!