Advanced analytics for efficient logistics: ACTOR for OVS case ACTOR
Presentation of the speech held by Andrea De Martin (logistics director at OVS www.ovs.it) and Raffaele Maccioni (Co-Founder and CEO at ACTOperationsResearch - Analytics & Control Technology) at the recent "Logistica Efficiente" event dedicated to Warehouses & Transportation.
Knowledge graph: il percorso di Cerved per connettere i Big Data - Diego SanvitoData Driven Innovation
In uno scenario in cui le fonti dati, all'interno e all'esterno dei confini delle organizzazioni, stanno crescendo esponenzialmente sia in quantità che in tipologia, la costruzione di un knowledge graph rappresenta una via interessante per connettere i dati, superando i silos e creando valore per gli utilizzatori finali. Partendo da esperienze sul campo che hanno portato una start-up a lavorare con una azienda più consolidata si esploreranno casi d'uso concreti che vanno da prodotti consolidati a esperienze più innovative nate anche all'interno di team di datascientist.
Sviluppo di strumenti di Innovazione tecnologica in ambito servizi ambientali per la gestione dei servizi di raccolta e spazzamento, per l'automazione operativa (mezzi con guida assistita) e per gestire la moltitudine di informazioni a sistema.
Advanced analytics for efficient logistics: ACTOR for OVS case ACTOR
Presentation of the speech held by Andrea De Martin (logistics director at OVS www.ovs.it) and Raffaele Maccioni (Co-Founder and CEO at ACTOperationsResearch - Analytics & Control Technology) at the recent "Logistica Efficiente" event dedicated to Warehouses & Transportation.
Knowledge graph: il percorso di Cerved per connettere i Big Data - Diego SanvitoData Driven Innovation
In uno scenario in cui le fonti dati, all'interno e all'esterno dei confini delle organizzazioni, stanno crescendo esponenzialmente sia in quantità che in tipologia, la costruzione di un knowledge graph rappresenta una via interessante per connettere i dati, superando i silos e creando valore per gli utilizzatori finali. Partendo da esperienze sul campo che hanno portato una start-up a lavorare con una azienda più consolidata si esploreranno casi d'uso concreti che vanno da prodotti consolidati a esperienze più innovative nate anche all'interno di team di datascientist.
Sviluppo di strumenti di Innovazione tecnologica in ambito servizi ambientali per la gestione dei servizi di raccolta e spazzamento, per l'automazione operativa (mezzi con guida assistita) e per gestire la moltitudine di informazioni a sistema.
The importance of now: rivedere il ciclo tradizionale del dato alla luce dell...SAS Italy
SAS Italy - Secondo ATKerney, l’Internet Of Things avrà un impatto del 6% sull’economia globale entro il 2020, spinto dalla crescente necessità di sensori e device connessi delle smart factories, dell’healtcare e dei wearable.
Questa crescita esponenziale pone, però, alle aziende nuove sfide nello storage e nella gestione dei dati: sarà l’analisi dati in real-time che permetterà alle organizzazioni di rispondere a queste esigenze?
Scopri, nella presentazione di Brad Hathaway, come applicare gli analytics ai dati provenienti dall’IoT e la crescente importanza del Data Management per la gestione dei tuoi dati.
Come scegliere una piattaforma di Web analytics, quali sono le domande che dobbiamo formulare ad un fornitore? Come districarsi tra le varie offerte dei fornitori?
Development of innovative data platform to increase business intelligence and drive the business transformation from multi-utility (Water, Gas, Energy, Waste Management) to a data-utility, to deliver new services to operators and citizens of smart cities
presentazione delle opportunità del business dei servizi di Post Vendita per l'associazione degli industriali di Novara in collaborazione con ASFMI Italian Chapter
The importance of now: rivedere il ciclo tradizionale del dato alla luce dell...SAS Italy
SAS Italy - Secondo ATKerney, l’Internet Of Things avrà un impatto del 6% sull’economia globale entro il 2020, spinto dalla crescente necessità di sensori e device connessi delle smart factories, dell’healtcare e dei wearable.
Questa crescita esponenziale pone, però, alle aziende nuove sfide nello storage e nella gestione dei dati: sarà l’analisi dati in real-time che permetterà alle organizzazioni di rispondere a queste esigenze?
Scopri, nella presentazione di Brad Hathaway, come applicare gli analytics ai dati provenienti dall’IoT e la crescente importanza del Data Management per la gestione dei tuoi dati.
Come scegliere una piattaforma di Web analytics, quali sono le domande che dobbiamo formulare ad un fornitore? Come districarsi tra le varie offerte dei fornitori?
Development of innovative data platform to increase business intelligence and drive the business transformation from multi-utility (Water, Gas, Energy, Waste Management) to a data-utility, to deliver new services to operators and citizens of smart cities
presentazione delle opportunità del business dei servizi di Post Vendita per l'associazione degli industriali di Novara in collaborazione con ASFMI Italian Chapter
1. Implementazione di una rete
neurale per la predizione del
traffico sui siti del cliente
Relatore: Prof. Simone Calderara
Laureando: Riccardo Galanti
Modena, 11 Aprile 2019
3. INTRODUZIONE
Traffico organico
Traffico dato dagli utenti che atterrano sul dominio del
cliente dopo una ricerca web e aver cliccato su un risultato
di un motore di ricerca (no ads)
15. RETI NEURALI IMPLEMENTATE
LSTM Memoria dal blocco
precedente
Output del blocco
precedente
Input corrente
Output del blocco
corrente
Output dello stato
corrente
16. Configurazione della rete (LSTM)
RETI NEURALI IMPLEMENTATE
Output: vettore 200-dimensionale
Hidden State: un vettore 200-dimensionale
per ogni timestep
Input: 30 blocchi, uno per timestep.
Ogni dato in ingresso ha 25 feature
17. RETI NEURALI IMPLEMENTATE
Configurazione della rete (MLP)
1 layer: MLP che riceve in ingresso
il vettore 200-dimensionale
per ognuno dei 100 neuroni
2 layer: MLP dotato di n neuroni
(30/90/180), ogni neurone
dà una predizione
Output: Vettore contenente le
predizioni
30. NEXT STEPS
Prossimi passi
Automatizzazione processo scaricamento dati (scraper)
Implementazione griglia di test
Miglioramento web application
Provare il tool su un altro cliente
Introdurre altre feature
(social visibility, investimento advertising..)