1. Analizza i tuoi dati con la
Intelligenza Artificiale
Passare dal problema alla soluzione
PhD. Roberto Marmo
www.robertomarmo.net info@robertomarmo.net
www.linkedin.com/in/robertomarmo/it

2. PARTECIPAZIONI ▪ Dal 1996 (in Italia dal 2000) è il riferimento di
chi lavora nel Web, sia nel settore pubblico
che privato.
▪ Associazione professionisti Web
(Legge 4/2013), promotrice norme UNI in
materia di professionalità ICT.
▪ Obiettivo di IWA è creare rete tra i soci,
partecipare all'evoluzione della rete e
divulgare conoscenza tramite i soci con eventi
e iniziative.
International Web Association Italia – IWA Italy
https://www.iwa.it

3. Dal 2 Ottobre al 18 Dicembre 2020
youtube.com/IWAItaly

4. Miei primi passi con IA anni '80
4

5. Mie attività in applicazioni di IA
5
Facoltà di Ingegneria, Università di Pavia
Laboratorio Visione Artificiale
https://vision.unipv.it/
Analisi dati da Social Media
Trovare oggetti in immagine
Analisi Anti Frode
www.acfecentral.it

6. Intelligenza Artificiale
6
il cervello umano è un risolutore
intelligente per alcuni problemi
simulare nel computer il funzionamento
del cervello umano per creare algoritmi
in grado di risolvere problemi complessi

7. Intelligenza Artificiale dappertutto!
7
https://www.youtube.com/playlist?list=PLH
N30yGZ7nGKaTlPAMa4qzWd2tWnnH4ES
https://en.wikipedia.org/wiki/Applications_of
_artificial_intelligence
Marchio AI su elettrodomestico

8. Domande & Risposte
8
1) Quali sono i problemi più adatti?
2) Ci sono esempi adatti per me?
3) Quali strumenti posso usare?
4) Quali sono i punti critici?
5) Chi lo può creare?
6) Cosa devo studiare?

9. 1) Quali sono i problemi più adatti?
9
1) Tantissimi problemi risolvibili, alcuni
restano irrisolvibili
2) Deve esserci ampia quantità e alta
qualità dei dati
3) Input previsto in uso è simile a input
usato per la creazione di soluzione
4) Valutare il tipo di errore ammesso

10. 2) Ci sono esempi adatti per me?
10
Da siti web, riviste, libri ecc. trovare:
1) White paper
2) Casi di studio
3) Studio di fattibilità
4) Articoli su riviste scientifiche
5) Statistiche su quantità di progetti,
quanto sono riusciti, tipologie di
aziende ecc.

11. 3) Quali strumenti posso usare?
11

12. 3) Logica Fuzzy
12
Analogia con ragionamento umano.
Non esiste solo il vero 1 o falso 0, usa tutte le
variazioni intermedie.
Esempi:
- robot prende un oggetto con più o meno forza
- lavatrice che gira il cestello più o meno forte
- dove fermare il treno e con quale forza

13. 3) Algoritmi genetici
13
Analogia con selezione naturale in campo
genetico:
1. creare due soluzioni al problema
2. Incrociare due soluzioni o cambiare un
numero nella soluzione per creare una
nuova soluzione
Esempi:
- percorso in N città da visitare con minor
spesa possibile
- collocare il personale sui compiti

14. 3) Machine Learning
14
Analogia con bambino che non sa niente,
apprende i dati input e output, crea output
su nuovi dati input.
Esempio: calcolare addizione
- Programmazione esplicita: somma = a + b
- Machine Learning: (input, input, output)
(2,1,3) (1,1,2) (0,1,1) (2,5,7) ecc.
Utile se conosco input e output ma non ho
una formula per passare da input a output

15. 3) Machine Learning
https://ww
w.datasci
encecentr
al.com/pr
ofiles/blog
s/machine
-learning-
in-one-
picture

16. 3) Machine Learning
16
Classificazione di input
nelle classi
Esempi:
- Decidere se una transazione è frode o legittima
- Scartare o accettare un prodotto da controllo qualità
- Scegliere un prodotto da consigliare per acquisto
- Riconoscere un prodotto dalla sua immagine

17. 3) Machine Learning
17
Clustering, creo gruppi di dati omogenei
Esempi:
- Conoscere le tipologie di acquirenti
- Trovare i prodotti più comprati insieme
- Distinguere un dato anomalo dagli altri
- Trovare nuove relazioni tra i dati

18. 3) Machine Learning
18
Esempi:
- Andamento delle vendite domani secondo il mese scorso
- Ricostruire dati mancanti
- Predire se un macchinario si guasterà tra poco tempo
- Decidere se aumentare o diminuire la prossima azione
Predizione di un valore nel futuro
secondo il passato

19. 3) Neural Network
19
Analogia con neurone nel cervello umano.
Neurone biologico
Numeri
[0,1] o [-1,1]
Neurone matematico

20. 4) Neural Network
20
Neural Network
in Linguaggio
Python

21. 3) Deep Learning
21
Rete di
neuroni
complessa
con
apprendim
ento
profondo

22. 4) Quali sono i punti critici?
https://medium.com/@ageitgey/machine-learning-is-fun-part-8-how-to-intentionally-trick-neural-networks-b55da32b7196
conoscendo i pixel da cambiare e come farlo senza modificarne
l'aspetto all'occhio umano, si può forzare la risposta errata

23. 4) Quali sono i punti critici?
Accessorize to a Crime:
Real and Stealthy Attacks
on State-of-the-Art Face
Recognition
Mahmood Sharif, Sruti
Bhagavatula, Lujo Bauer,
Michael K. Reiter
https://www.youtube.com/watch?v=6Xh1vuwnVhU
https://www.cs.cmu.edu/~sbhagava/papers/face-rec-ccs16.pdf

24. 4) Quali sono i punti critici?
•https://arxiv.org/pdf/19
04.08653.pdf
•Fooling automated
surveillance cameras:
adversarial patches to
attack person detection
•Attacco a Convolutional
Neural Networks usato
in YOLOv2 architecture
object detector

25. 4) Quali sono i punti critici?
1) Scelta dei dati per creare la soluzione
2) Scelta del modello matematico per
risolvere e come calcolare i parametri
3) Creare stress test su casi complicati
4) Verificare cosa creato, c'è veramente
Intelligenza Artificiale?
5) Analisi dei rischi: potrei spendere molto
e non trovare la soluzione!

26. 4) Quali sono i punti critici?
Serve molto tempo:
40% accesso dati, pulizia ed esplorazione
10% sviluppo modello di IA
20% migliorare le prestazioni del modello
30% mettere online e monitorare cosa
succede

27. 5) Chi lo può fare?
Dipende dalla complessità della soluzione:
- Software house
- Centri di ricerca e innovazione
Scegliere tra:
- Un prodotto generico da adattare
- Una soluzione creata su misura

28. 28
• Perché usare IA? E' di moda, lo usa il concorrente,
risolve un problema, porta un vantaggio, lo chiede il
mercato, curiosità, fa vendere.
• Voglio sostituire una persona o aiutarla a lavorare?
• Ho i dati necessari? Tanta quantità, con qualità,
facile accedere, di proprietà.
• Quale margine di errore ammetto su input e output?
• Quanto tempo, personale, denaro, strumenti posso
investire nella creazione?
• Dopo averla creata, ho le risorse per manutenzione e
aggiornamento?
6) Domande per decidere

29. 29
• Come devo integrare nel mio processo aziendale?
• Come ho scelto chi la crea? Ha le capacità
adeguate?
• Chi ha creato il sistema quale documentazione
fornisce?
• Chi ha creato il sistema quali responsabilità si
assume?
• In caso di errori di funzionamento ne rispondo io?
• Il sistema di IA può spiegare coma ha deciso su certi
dati? Problema black-box di funzionamento ignoto?
6) Domande per decidere

30. 30
• Linguaggio di programmazione e librerie coinvolte
• Quali servizi cloud usati, riservatezza dei dati
• Quali tipologie di input sono ammessi e quale
output fornito
• Margine di errore ammesso in input e output
• Come è stato addestrato il sistema
• Caratteristiche di input usati nell'addestramento e
nel test
• Quanto tempo impiegato per la creazione
6) Cosa specificare

31. 31
• Come trasformato dati input in dati ammessi
• Normalizzazione e standardizzazione dei dati input
• Architettura neurale, quanti neuroni e su quali livelli
• Funzioni di attivazione neurone, minimizzazione
dell'errore
• Metodo di apprendimento e parametri coinvolti
• Numero di epoche per ripetizione apprendimento
• Divisione dati in insiemi di addestramento,
validazione, test
6) Cosa specificare in neural network

32. 6) Riepilogo per concludere
32

33. 7) Cosa devo studiare?
1) 40 ore di Machine Learning e 40 ore di Python con
voucher gratuito Regione Lombardia
https://cfmitalia.it/2020/07/19/formazione-intelligenza-artificiale/
2) 6 ore Usare libreria Scikit di Python
https://www.robertomarmo.net/download/20201111-16-18-
PythonMarmor.jpg
3) 6 ore laboratorio Intelligenza artificiale per la
crescita dell’impresa https://www.wtraining.it/corsi/lab-
intelligenza-artificiale-per-la-crescita-dellimpresa-seconda-edizione/

34. 7) Libri presso stand Hoepli
34
https://www.robertomarmo.net/Libri.html
https://www.algoritmiia.it/

35. Conclusioni
• Intelligenza artificiale ci offre tante nuove
soluzioni a problemi complicati con cui:
• ridurre costi
• aumentare ricavi
• dare senso di modernità
• Non farsi prendere da facili entusiasmi o
prime delusioni
• Preparare obiettivi, domande, risorse e
valutazioni adeguate
• Servono Consapevolezza e Preparazione

36. Grazie per avermi
ascoltato!
per consulenza e formazione:
www.robertomarmo.net
info@robertomarmo.net