Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
WL15 - Santa Margherita Ligure - 14/03/2015
Grandi dati,  complessità e . 

di neuroni! 

 

un po’
WL15 - Santa Margherita Ligure - 14/03/2015
Grandi dati,  complessità e . 

di neuroni! 

 

un po’
WL15 - Santa Margherita Ligure - 14/03/2015
) Grandi dati,  complessità e  un po’

di neuroni!
L ‘era
dell'informazione

La quantità di dati che
produciamo è ormai
superiore a quella che
effettivamente riusciamo a
ges...
Quale approccio?
I dati si trasformano in informazioni quando iniziamo
a guardarli e trattarli con un approccio sistemico. 

V
Ma Big Data =  Più Informazioni? 

Prezi w — e
Si tratta in primis un cambio di approccio
ai dati!  Si passa da una visione
riduzionista ad una olistica. ..

,  T? ‘ m
ì...
.. .quindi Big Data =  Nuova informazione
emergente ad un layer superiore.
Ok ma. ..come
cambiano i BD in

meglio la nostra vita?
Osservando e analizzando potremo
comprendere,  prevedere
simulare,  spiegare e riconoscere i parttern

2- Îî-r-î‘

I x . 
...
Sembra interessante! 
La tecnologia ci può
aiutare a fare un salto
quanflco? 

 Prezi " "z" "
.. .certo che si! 

i Data Analysis 8 Plaîforms

  

Databases /  Data warehousing

opera-nono” Mulîivalue database
Uî-REV...
Oltre a questi
strumenti
disponiamo di

un'arma che
meglio di tutti
incarna il cambio

di paradigma. ..
Le reti neurali
artificiali! !!
Le NN non si
programmano ma si
istruiscono!
Possono avere un apprendimento supervisionato o
non supervisionato. 
Quelle non supervisionate (SOM) imparano a
classifica...
Ma possono anche non apprendere bene. 
Dipende dal libro di testo e dagli insegnanti. ... 

 

. ..ma anche dal fatto che ...
,, .
 ‘l  VI I
I  . ‘ 1
g‘:  ' '949‘ ‘x .  {i
.1 i. ‘  . ‘ l:  
‘Îfîìl 3 J
‘zig’ 1h‘ l
l .  l l
v ‘ 1 l

    
          
 ...
l

“ ‘ wvnutuututuxllum

 

. ..ma anche dal fatto che potrebbero non essere adatte
a risolvere quel particolare problema!
Le NN non sono gli unici modi
per fare Machine Learning

 

Prezi w m a
Bayesian Network

r2? v1! i2‘.  Àfifllbd Iobm
Genetic Algorithm

Made By
Gmms:  Singhsa!
Data Mining

Un amico mi ha anche insegnato
che "Ie grandi montagne di dati
non servono a molto se nessun
minatore si sacr...
— - — / 'r . 

 

p 1_

' ' v

o " ‘g o
I V h
.  f
u ‘n __ “É _'- _" .  ,
.  ' .  ' - s ' 4_ » _ I

. . .  ‘  t“ ' f’ .  ....
Abbiamo picconi e trivelle molto potenti in merito! 

Data Mining Tool O3
' toa

r
O
m. 
r

Cosa m
Entusiasmo e nuove relazioni con persone
dawero belle

6,114%“

Aîflmflc‘  / n rv I. ‘ _ - I -
Voglia di provare subito a sperimentare le
tecniche di ML e in particolare di provare ad
applicare le NN ai nostri problem...
I 'ficazione asset l’

classi

Un set di casi pratici in cui l'approccio
sistemico alla complessità fa davvero la
differen...
i  "ani-lumi; 

  LII QLAQJI rp. -_-

sistemico alla comp
differenza

lessità fa davvero la

Qualche chilo in più____

Svi...
Qualche chilo ‘in più»

Alcune idee interessanti da sviluppare! 
Ma tranquilli:  nel caso dovessero davvero
funzionare. ..
“un, 

 _ II"| | . 
égpiezi '0'" ‘H’

v.
Grazie a tutti! 

Nome:  Matteo Busanelli

email:  mbusanelli@imolinfo. it
Complexity Management Winter Lab 2015 - Presentazione di Matteo Busanelli all'Open Mind Lab: "Riflessioni su Grandi Dati, ...
Complexity Management Winter Lab 2015 - Presentazione di Matteo Busanelli all'Open Mind Lab: "Riflessioni su Grandi Dati, ...
Complexity Management Winter Lab 2015 - Presentazione di Matteo Busanelli all'Open Mind Lab: "Riflessioni su Grandi Dati, ...
Upcoming SlideShare
Loading in …5
×

Complexity Management Winter Lab 2015 - Presentazione di Matteo Busanelli all'Open Mind Lab: "Riflessioni su Grandi Dati, Complessità e... un po' di neuroni!"

580 views

Published on

In conclusione al Complexity Management Winter Lab che si è svolto a Santa Margherita Ligure dall'8 al 14 marzo 2015 dedicato a "Big Data e Neural Networks nel Complexity Management", è stata prevista una sessione denominata "Open Mind Lab" in cui i Partecipanti, sulla base di quanto si è affrontato durante la settimana, hanno preparato dei lavori individuali da presentare in seduta plenaria la mattina dell'ultimo giorno, prima della consegna dei certificati di partecipazione.

Per l'Open Mind Lab, Matteo Busanelli ha presentato, attraverso l'utilizzo di Prezi, delle slides dal titolo:

"Riflessioni su Grandi Dati, Complessità e... un po' di neuroni!"

Published in: Data & Analytics
  • Be the first to comment

Complexity Management Winter Lab 2015 - Presentazione di Matteo Busanelli all'Open Mind Lab: "Riflessioni su Grandi Dati, Complessità e... un po' di neuroni!"

  1. 1. WL15 - Santa Margherita Ligure - 14/03/2015 Grandi dati, complessità e . di neuroni! un po’
  2. 2. WL15 - Santa Margherita Ligure - 14/03/2015 Grandi dati, complessità e . di neuroni! un po’
  3. 3. WL15 - Santa Margherita Ligure - 14/03/2015 ) Grandi dati, complessità e un po’ di neuroni!
  4. 4. L ‘era dell'informazione La quantità di dati che produciamo è ormai superiore a quella che effettivamente riusciamo a gestire e sfruttare a pieno
  5. 5. Quale approccio?
  6. 6. I dati si trasformano in informazioni quando iniziamo a guardarli e trattarli con un approccio sistemico. V
  7. 7. Ma Big Data = Più Informazioni? Prezi w — e
  8. 8. Si tratta in primis un cambio di approccio ai dati! Si passa da una visione riduzionista ad una olistica. .. , T? ‘ m ì 32*‘ 10-0 h} j g 4.: ,V'1,J, 'Ì' 37, J ‘ (‘A I . ..quindi Big Data = Nuova informazione emergente ad un layer superiore.
  9. 9. .. .quindi Big Data = Nuova informazione emergente ad un layer superiore.
  10. 10. Ok ma. ..come cambiano i BD in meglio la nostra vita?
  11. 11. Osservando e analizzando potremo comprendere, prevedere simulare, spiegare e riconoscere i parttern 2- Îî-r-î‘ I x . i‘ x “"7 J l / I I I x . o è 1 A i
  12. 12. Sembra interessante! La tecnologia ci può aiutare a fare un salto quanflco? Prezi " "z" "
  13. 13. .. .certo che si! i Data Analysis 8 Plaîforms Databases / Data warehousing opera-nono” Mulîivalue database Uî-REVEMÙON 9 gggifim” __ ‘ IN FO u R i e H T éfiîcassandra i Vessant JPA . ìflqrthgate °° ' HPCCSystems Hibari ’/ m . MarkLoglc , _,, ,,_, ,,_“ Gridqgivyic‘. Dremel HÎM‘; Apache m" Brgdatarî i; emDB '_o fluo-Q _ h Zmtaset i ORACLG x {E} ‘a Ò ‘edis [Big Data searchx "m. .. H. .. l lobals Data aggregoÎÌQN a. Î , Business Intelligence Data Mining Social mm N”; . ’ talend‘ Jedox «gregge gfijîfîffîfîfcîfin-Îrurî? i ° 5°" 5 f 4-. @Palo ©peljîfiìbio u‘ n. lncomre 18 elasncsearch. iviulfidimensionai . , ‘ gravami x i : - HÎÎÈÎIÎÎ? ÉÈÙJLYÈL: gufl-ÉVWÌE la‘ ' Gmphs GT_M ‘j f Ùocumenf "S-fore ii filnfiniteGraph QSÙDB Mimmi» Coucunase ‘nacoùmva Ravenna ‘aîdamanl chordless% @CLUSTERPOINT RaptorDB EIDB fijdjomm . / . . i Tokyo k JasDB a Grid Solutlons Cabinet i ci“) denso db A SCALIEN ” Obiectdafabases ‘ unicum g“. 1293899,. Gala” _ P Br| ghIsIarDB V I 5 una”. fiFaircon-r P’ r siaqoidfrwfufinoîîxîìîtîa A Mulfimodel ‘ 1 XML DafGbSeS . m miro . ... 0.31.”. .. goDB eiuifllstdb B Q| zx a ‘QLECT HSS Database E e D B penLofip‘ Ioremapnet Q NDBÌBÎJBSE IIaJÉÈÎÉTYÈaÈìPÉFÈ ì r gjwàgg “p jrvuw) I c. Lmlilwvilflll numi 1242.1.. .“ (mm by wwwxxgdausxmupx ma;
  14. 14. Oltre a questi strumenti disponiamo di un'arma che meglio di tutti incarna il cambio di paradigma. ..
  15. 15. Le reti neurali artificiali! !!
  16. 16. Le NN non si programmano ma si istruiscono!
  17. 17. Possono avere un apprendimento supervisionato o non supervisionato. Quelle non supervisionate (SOM) imparano a classificare o meg| io. ..a clusterizzare.
  18. 18. Ma possono anche non apprendere bene. Dipende dal libro di testo e dagli insegnanti. ... . ..ma anche dal fatto che potrebbero non essere adatte a risolvere quel particolare problema! un'-
  19. 19. ,, . ‘l VI I I . ‘ 1 g‘: ' '949‘ ‘x . {i .1 i. ‘ . ‘ l: ‘Îfîìl 3 J ‘zig’ 1h‘ l l . l l v ‘ 1 l * = 3 * l . " l _, E 1447 E a. . .4, lè-—-r-w'ÎÎIill Tube —p—n, .
  20. 20. l “ ‘ wvnutuututuxllum . ..ma anche dal fatto che potrebbero non essere adatte a risolvere quel particolare problema!
  21. 21. Le NN non sono gli unici modi per fare Machine Learning Prezi w m a
  22. 22. Bayesian Network r2? v1! i2‘. Àfifllbd Iobm
  23. 23. Genetic Algorithm Made By Gmms: Singhsa!
  24. 24. Data Mining Un amico mi ha anche insegnato che "Ie grandi montagne di dati non servono a molto se nessun minatore si sacrifica per estrarne pepite d'oro" 1.42a! g‘ v g“ " '-’-"‘« . è. .. . —g * g, ' i 47. l. ‘i ; ‘ì . , ‘ "‘ ‘i. . fixx; " ‘ n A V b r; ì. g . . ; "-253 i '
  25. 25. — - — / 'r . p 1_ ' ' v o " ‘g o I V h . f u ‘n __ “É _'- _" . , . ' . ' - s ' 4_ » _ I . . . ‘ t“ ' f’ . .--. -N-_. ‘.'. - —_. ‘ F. ‘ . . _
  26. 26. Abbiamo picconi e trivelle molto potenti in merito! Data Mining Tool O3
  27. 27. ' toa r O m. r Cosa m
  28. 28. Entusiasmo e nuove relazioni con persone dawero belle 6,114%“ Aîflmflc‘ / n rv I. ‘ _ - I -
  29. 29. Voglia di provare subito a sperimentare le tecniche di ML e in particolare di provare ad applicare le NN ai nostri problemi di classificazione asset I T g n I l r, ma‘ 3 Z "1 s‘. I1;I
  30. 30. I 'ficazione asset l’ classi Un set di casi pratici in cui l'approccio sistemico alla complessità fa davvero la differenza sjjQrléfilche chilo in piÙ. ...
  31. 31. i "ani-lumi; LII QLAQJI rp. -_- sistemico alla comp differenza lessità fa davvero la Qualche chilo in più____ Sviluppare! n ‘ . .. r CEÒVGSSGrn dfi‘n-—
  32. 32. Qualche chilo ‘in più» Alcune idee interessanti da sviluppare! Ma tranquilli: nel caso dovessero davvero funzionare. ..
  33. 33. “un, _ II"| | . égpiezi '0'" ‘H’ v.
  34. 34. Grazie a tutti! Nome: Matteo Busanelli email: mbusanelli@imolinfo. it

×